Бенчмарк векторного поиска: 975 тыс. векторов размерности 1536, облачный сервис turbopuffer против Manticore на двух VPS за $8.25/мес — одинаковая полнота поиска (~0.966), стоимость ниже примерно в 4,5 раза, сопоставимые задержка и пропускная способность, а также честный разбор того, в чём выигрывает каждый подход.
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 работают шардинг и репликация 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.
Новый бэкенд ONNX Runtime, вышедший в Manticore Search 27.1.5, ускоряет автоэмбеддинги в среднем примерно в 14 раз по сравнению с прежней реализацией 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.
Украинская лемматизация в Manticore Search теперь работает без отдельного Python-стека: используйте morphology='lemmatize_uk' или morphology='lemmatize_uk_all' и обычные языковые пакеты.