2026 年用于 RAG 的免费向量数据库
2026 年用于 RAG 的免费向量数据库
七个用于 RAG 的免费向量数据库套餐对比——Qdrant、Zilliz、Weaviate、Upstash、Vectorize、Supabase、Turso——包含真实向量限制和注意事项。
时间：15 分钟 你需要：一个提供商账户；Qdrant、Zilliz、Weaviate 和 Turso 表示免费计划无需银行卡 · 一个其向量大小能被数据库接受的嵌入模型（Upstash 和 Vectorize 最大 1,536 维） · curl，或提供商的 Python 或 JavaScript 客户端 最后核查：2026 年 10 月 21 日
一个 RAG 应用会为文档的每个分块存储一个向量，并且对每个问题向数据库询问最近的几个向量。七家提供商免费为你提供存放这些向量的地方：五个托管向量数据库（Qdrant、Zilliz、Weaviate、Upstash Vector、Cloudflare Vectorize）和两个内置向量搜索的通用数据库（Supabase Postgres + pgvector、Turso）。下表中的每个数字都于 2026-10-21 在供应商自己的定价或文档页面上核查过。你仍然需要向量来放入其中：[免费嵌入 API 指南](/learn/free-embeddings-api/) 介绍了这一步。
对比免费向量数据库套餐
| 数据库 | 免费容量 | 可容纳向量数（768 维） | 请求限制 | 是否需要银行卡 | 注意事项 |
|---|---|---|---|---|---|
| Qdrant Cloud | 1 个集群：0.5 vCPU、1 GB RAM、4 GB 磁盘 | 约 100 万（Qdrant 估算） | 未公布请求上限 | 不需要 | 闲置 1 周后暂停，连续 4 周不活动后删除 |
| Zilliz Cloud（托管 Milvus） | 5 GB 存储，最多 5 个集合 | 约 100 万（Zilliz 估算） | 每月 250 万 vCU | 不需要 | 5 个集合；Zilliz 要求你暂停未使用的集群 |
| Weaviate Cloud | 1 个集群、100,000 个对象、1 GB 内存、10 GB 磁盘 | 100,000（对象上限） | 未公布查询上限；每天 2,000 次嵌入 | 不需要 | 1 个集合（最多 3 个租户），基础支持 |
| Upstash Vector | 1 个数据库，2 亿向量 × 维度，1 GB 数据 | 约 260,000 | 每天 10,000 次查询和更新 | 添加银行卡后会转为按量付费 | 最大 1,536 维 |
| Cloudflare Vectorize | 500 万存储向量维度，100 个索引 | 约 6,500 | 每月 3,000 万查询向量维度 | 未说明（属于 Workers Free 计划） | 存储容量最小；最大 1,536 维 |
| Supabase（Postgres + pgvector） | 2 个项目，每个 500 MB 数据库 | 低于 163,000（每向量 3 KB，未计行和索引） | 未公布请求上限 | 定价页未说明 | 闲置 1 周后暂停 |
| Turso（libSQL） | 100 个数据库，5 GB 存储 | 原始向量最多约 160 万（每向量 3 KB） | 每月读取 5 亿行、写入 1,000 万行 | 不需要 | 向量索引会增加存储；1 天时间点恢复 |
Upstash、Vectorize、Supabase 和 Turso 的“可容纳向量数”一列是我们的计算：768 维 float32 向量为 3,072 字节，2 亿 / 768 约为 260,000，500 万 / 768 约为 6,500。Qdrant 和 Zilliz 公布自己的估算；Weaviate 直接限制对象数。更小的嵌入（384 维）可容纳数量翻倍。
如何选择
- 免费获得最多向量：Qdrant（1 GB RAM 集群）或 Zilliz（5 GB），在 768 维下都约 100 万向量。Qdrant 会在免费集群闲置 4 周后删除，所以要持续使用或做快照。
- 无服务器应用、无需维护常开服务器：Upstash Vector。通过普通 REST API 每天 10,000 次查询和更新，因此可在无服务器函数中使用。
- 已经在 Cloudflare Workers 上：Vectorize 属于 Workers Free 计划，但 500 万存储维度在 768 维下只有约 6,500 个向量；适合小型文档机器人。
- 想把 SQL 和应用数据放在一起：Supabase（Postgres + pgvector）或 Turso（libSQL 内置向量搜索）。按用户、日期或标签过滤就是普通 WHERE 子句。
- 内置嵌入：Weaviate Cloud 可替你嵌入文本（每天 2,000 次嵌入请求），代价是只能有 1 个集合和 100,000 个对象。
步骤
Qdrant Cloud
- 在 cloud.qdrant.io 注册（无需银行卡）并创建免费集群。
- 为该集群创建 API 密钥，并复制集群 URL。
- 创建与嵌入模型维度匹配的集合：curl -X PUT "$QDRANT_URL/collections/docs" -H "api-key: $QDRANT_API_KEY" -H "Content-Type: application/json" -d '{"vectors": {"size": 768, "distance": "Cosine"}}'
- 写入点，然后使用 POST /collections/docs/points/query 搜索。
Upstash Vector
- 在 console.upstash.com 登录并创建 Vector 索引；选择嵌入模型的维度和相似度度量。
- 从索引页面复制 REST URL 和 token。
- 查询：curl "$UPSTASH_VECTOR_REST_URL/query" -H "Authorization: Bearer $UPSTASH_VECTOR_REST_TOKEN" -d '{"vector": [0.1, 0.2, ...], "topK": 5, "includeMetadata": true}'
Supabase（pgvector）
- 在 supabase.com 创建免费项目。
- 在 SQL 编辑器中运行 create extension vector with schema extensions;
- 添加一个列，例如 embedding extensions.vector(768)，添加 HNSW 索引，并按距离排序（余弦用 <=>）以获取最近的行。
Turso
- 在 turso.tech 注册（无需银行卡）并创建数据库。
- 将列声明为 F32_BLOB(768)，并使用 CREATE INDEX docs_idx ON docs (libsql_vector_idx(embedding)); 建索引
- 使用 vector_top_k('docs_idx', vector32('[...]'), 5) 查询。
Zilliz、Weaviate 和 Vectorize 的流程相同：在控制台创建免费集群或索引，将维度设为嵌入模型的维度，复制端点和密钥，并使用供应商的客户端。
当免费额度不够用时
目录中有三个面向获得融资公司的创业计划涵盖向量存储：[Pinecone for Startups](/offer/pinecone-startup-program/)（员工少于 100 人，A 轮或更早；免费 Standard 套餐、Pro Support 和未公开额度的使用抵扣），[MongoDB for Startups](/offer/mongodb-for-startups/)（Atlas 抵扣，成立不足 7 年且处于 A 轮或更早）。