Теперь Manticore может строить KNN-индексы параллельно: при сохранении и слиянии чанков, а также при пересборке KNN-данных. На машине с 16 ядрами время построения KNN-индекса для 1 млн векторов сократилось с 8 минут до 39 секунд.
Как работает шардинг в Manticore Search: от разбиения таблицы по ядрам CPU на одном узле до автоматического распределения по нескольким узлам с поддержанием заданного фактора репликации.
Интеграция Manticore Search с systemd обеспечивает: уведомления о состоянии (notify), безопасное завершение при сбросе данных RT‑таблиц, логи в журнале systemd и аккуратную перезагрузку конфигурации.
Автоэмбеддинги Manticore теперь в среднем примерно в 14 раз быстрее прежней реализации SentenceTransformers/Candle на том же оборудовании, с той же моделью и теми же весами — и преимущество сохраняется как при 1 клиентском потоке, так и при 32. Рассказываем, как мы перестроили бэкенд ONNX Runtime, почему отказались от внутренней батч-обработки и как подавать ...
Украинская лемматизация в Manticore Search теперь работает без отдельного Python-стека: используйте morphology='lemmatize_uk' или morphology='lemmatize_uk_all' и обычные языковые пакеты.
Три оптимизации дают ускорение HNSW-поиска по векторам до 29%: обход графа лучше использует кэш, расстояния считаются сразу для нескольких кандидатов, а AVX-512 теперь поддерживается напрямую.
