Feito para bilhões de vetores e pago em esforço operacional; abaixo de algumas centenas de milhões, é mais banco de dados do que a maioria das equipes precisa. Damos nota 4.4 de 5.

Gratuito e de código aberto sob Apache 2.0. O Zilliz Cloud é o serviço gerenciado: plano gratuito (5 GB, cinco coleções), Dedicated a partir de US$ 63, US$ 16 ou US$ 5 por milhão de vetores de 768 dimensões por mês (performance, capacity ou tiered), Enterprise a partir de US$ 197 por mês, Business Critical sob orçamento.

Quais são as desvantagens de Milvus?

O cluster pede no mínimo 32 GB de RAM, 128 GB recomendados, mais Kubernetes; autenticação desligada por padrão; a senha do root é Milvus; a maioria dos benchmarks publicados vem da Zilliz; os formatos de armazenamento da 3.0 impedem voltar atrás depois de ativados.

Quanto custa Milvus para uma equipe ou em produção?

Auto-hospedado: a documentação recomenda 8+ núcleos e 128 GB de RAM por cluster, com NVMe. O Zilliz Cloud Dedicated começa em US$ 63 por milhão de vetores por mês na opção otimizada para performance, US$ 16 na otimizada para capacidade e US$ 5 no tiered; o plano gratuito dá 5 GB e até 5 coleções, e o Enterprise começa em US$ 197 por mês, com SSO e endpoints privados.

Milvus é seguro para dados da empresa?

O Milvus auto-hospedado não envia nada à Zilliz; os dados ficam no seu armazenamento de objetos e no etcd. A autenticação precisa ser ativada à mão e a senha do root, trocada de Milvus. Mantenha a porta 9091 privada: o CVE-2026-26190 (CVSS 9,8) expunha ali uma API sem autenticação antes da 2.5.27/2.6.10, e uma falha de importação de 2026 que contornava o RBAC de coleções foi corrigida na 3.0.3.

Quais são as melhores alternativas ao Milvus?

As alternativas mais próximas que analisamos são Qdrant, Weaviate, pgvector e LanceDB.

Milvus análise do repo no GitHub (2026)

O que é Milvus?

O Milvus é um banco de dados vetorial de código aberto escrito em Go e C++, construído como serviços separados de armazenamento, indexação e consulta, para que cada um escale por conta própria. Ele suporta vetores densos e esparsos, busca de texto completo BM25, muitos tipos de índice e filtragem por campos escalares.

O Milvus 3.0.0, lançado em 29 de julho de 2026, acrescenta um desenho nativo para data lakes: as External Collections consultam arquivos Parquet, Lance, Iceberg ou Vortex no armazenamento de objetos sem copiá-los para dentro. Ele também refez o índice esparso e acrescentou campos TEXT longos, busca facetada, mudanças de schema online e expiração por linha. O patch mais recente, 3.0.3, saiu em 14 de outubro de 2026.

A Zilliz, empresa por trás do Milvus, vende o serviço gerenciado Zilliz Cloud.

Milvus vale a pena?

O Milvus é o banco de dados vetorial de código aberto projetado desde o início para coleções muito grandes, e a arquitetura é o argumento. Armazenamento, indexação e consulta rodam como serviços separados, então cada um escala por conta própria. Esse desenho explica por que ele tem seguidores para cargas de bilhões de vetores e cerca de 46.500 estrelas no GitHub, mais que o Qdrant ou o Weaviate.

A versão 3.0, lançada em julho de 2026, faz uma aposta própria: as External Collections indexam e buscam arquivos Parquet, Lance, Iceberg ou Vortex que já estão no armazenamento de objetos, então embeddings produzidos por um pipeline de dados não precisam ser copiados para dentro. A Zilliz diz que o índice BM25 refeito é cerca de três vezes menor que na 2.6 e que um novo algoritmo esparso chega a até dez vezes a vazão anterior; são números do fornecedor, e a Zilliz também mantém o VDBBench, o ranking em que o Milvus costuma se sair bem. Os novos formatos de armazenamento são opcionais e, uma vez ativados, impedem voltar à 2.6.

A documentação é franca sobre o hardware. Um cluster pede no mínimo 8 núcleos e 32 GB de RAM, 128 GB recomendados, discos NVMe e etcd em um armazenamento rápido o bastante para fsync abaixo de 10 ms. O modo standalone no Docker Compose ainda roda etcd e MinIO ao lado do Milvus.

Os padrões de segurança merecem atenção. A autenticação de usuários fica desligada até você definir authorizationEnabled, e a senha padrão do root é Milvus. Em fevereiro de 2026, um alerta crítico (CVE-2026-26190, CVSS 9,8) mostrou que a porta de métricas 9091 expunha uma API REST sem autenticação mesmo com a autenticação ligada; foi corrigido na 2.5.27 e na 2.6.10, e o alerta observa que muitas dessas portas estavam acessíveis pela internet. O Qdrant exige bem menos de quem o opera, e essa é a comparação real para qualquer coisa abaixo de algumas centenas de milhões de vetores.

Onde ele se destaca

Uma equipe de plataforma em um marketplace com 800 milhões de embeddings de produtos
Servir busca por similaridade com filtros na latência de produção sem fazer sharding à mão
Implante o cluster com Helm ou o Milvus Operator, dimensione os nós de consulta separadamente dos nós de índice e filtre por campos escalares como categoria e preço. Conte com tempo contínuo de um engenheiro de plataforma e nós da classe de 128 GB; o Zilliz Cloud é a alternativa se faltar essa pessoa.
Uma equipe de engenharia de dados cujos embeddings caem em tabelas Iceberg
Buscar dados do lakehouse sem manter um segundo pipeline de cópia
Aponte uma External Collection da 3.0 para os arquivos Parquet ou Iceberg no S3 e indexe-os onde estão. Isso elimina um job de ingestão, mas é novidade da 3.0 e a mudança de formato impede voltar à 2.6.
Um chefe de engenharia orçando um acervo de RAG com 100 milhões de vetores
Decidir entre auto-hospedar e pagar a Zilliz
Pelos preços publicados do Dedicated da Zilliz para vetores de 768 dimensões, 100 milhões de vetores custam a partir de cerca de US$ 6.300 por mês na opção otimizada para performance, US$ 1.600 na otimizada para capacidade ou US$ 500 no armazenamento tiered, antes das réplicas. Compare isso com um cluster auto-hospedado mais o tempo da equipe.

Antes de decidir

Configuração: Standalone: baixe o arquivo compose da v3.0.3 e rode docker compose up -d, que sobe etcd, MinIO e Milvus na porta 19530. Produção: Helm 3 em Kubernetes 1.16 ou posterior, com Woodpecker como fila de mensagens incluída e Pulsar opcional.
Integrações: SDKs em Python (pymilvus 3.0.2), Java, Go e Node, além de uma API REST; o Milvus Lite roda dentro do processo para protótipos. As External Collections leem Parquet, Lance, Iceberg e Vortex no armazenamento de objetos.
Dados e privacidade: O Milvus auto-hospedado não envia nada à Zilliz; os dados ficam no seu armazenamento de objetos e no etcd. A autenticação precisa ser ativada à mão e a senha do root, trocada de Milvus. Mantenha a porta 9091 privada: o CVE-2026-26190 (CVSS 9,8) expunha ali uma API sem autenticação antes da 2.5.27/2.6.10, e uma falha de importação de 2026 que contornava o RBAC de coleções foi corrigida na 3.0.3.
Custo em escala: Auto-hospedado: a documentação recomenda 8+ núcleos e 128 GB de RAM por cluster, com NVMe. O Zilliz Cloud Dedicated começa em US$ 63 por milhão de vetores por mês na opção otimizada para performance, US$ 16 na otimizada para capacidade e US$ 5 no tiered; o plano gratuito dá 5 GB e até 5 coleções, e o Enterprise começa em US$ 197 por mês, com SSO e endpoints privados.
Limites: Cerca de 1.450 issues abertas. Atualizações entre versões principais exigem cuidado (os formatos da 3.0 não têm volta), e a superfície operacional (etcd, armazenamento de objetos, fila, vários tipos de nó) é bem maior que a do Qdrant ou do pgvector.

O que é bom

Serviços separados de armazenamento, índice e consulta escalam de forma independente
Busca arquivos Parquet, Lance e Iceberg onde estão (3.0)
Busca densa, esparsa e de texto completo BM25 em um único motor
Apache 2.0, com o Zilliz Cloud como saída gerenciada

O que não é

O cluster pede no mínimo 32 GB de RAM, 128 GB recomendados, mais Kubernetes
Autenticação desligada por padrão; a senha do root é Milvus
A maioria dos benchmarks publicados vem da Zilliz
Os formatos de armazenamento da 3.0 impedem voltar atrás depois de ativados

Ideal para

Equipes de plataforma que rodam busca vetorial com centenas de milhões a bilhões de vetores.

Alternativas ao Milvus

Qdrant

RAG & dataRust35k stars

4.7/5

Rust vector database with fast filtered search, hybrid sparse-dense retrieval and quantization, self-hosted or managed.

Weaviate

RAG & dataGo17k stars

4.2/5

Go vector database with first-class hybrid keyword-and-vector search, built-in embedding modules and multi-tenancy, self-hosted or cloud.

pgvector

RAG & dataC23k stars

4.6/5

Postgres extension that adds vector columns and HNSW or IVFFlat indexes, so embeddings live next to the rows they describe.

LanceDB

RAG & dataRust12k stars

4.0/5

Embedded vector database on the Lance columnar format, built for multimodal data with versioning and no server to run.

Milvus: perguntas frequentes

Milvus vale a pena?: Feito para bilhões de vetores e pago em esforço operacional; abaixo de algumas centenas de milhões, é mais banco de dados do que a maioria das equipes precisa. Damos nota 4.4 de 5.
Quanto custa Milvus?: Gratuito e de código aberto sob Apache 2.0. O Zilliz Cloud é o serviço gerenciado: plano gratuito (5 GB, cinco coleções), Dedicated a partir de US$ 63, US$ 16 ou US$ 5 por milhão de vetores de 768 dimensões por mês (performance, capacity ou tiered), Enterprise a partir de US$ 197 por mês, Business Critical sob orçamento.
Quais são as desvantagens de Milvus?: O cluster pede no mínimo 32 GB de RAM, 128 GB recomendados, mais Kubernetes; autenticação desligada por padrão; a senha do root é Milvus; a maioria dos benchmarks publicados vem da Zilliz; os formatos de armazenamento da 3.0 impedem voltar atrás depois de ativados.
Para quem Milvus é indicado?: Equipes de plataforma que rodam busca vetorial com centenas de milhões a bilhões de vetores.
Quanto custa Milvus para uma equipe ou em produção?: Auto-hospedado: a documentação recomenda 8+ núcleos e 128 GB de RAM por cluster, com NVMe. O Zilliz Cloud Dedicated começa em US$ 63 por milhão de vetores por mês na opção otimizada para performance, US$ 16 na otimizada para capacidade e US$ 5 no tiered; o plano gratuito dá 5 GB e até 5 coleções, e o Enterprise começa em US$ 197 por mês, com SSO e endpoints privados.
Milvus é seguro para dados da empresa?: O Milvus auto-hospedado não envia nada à Zilliz; os dados ficam no seu armazenamento de objetos e no etcd. A autenticação precisa ser ativada à mão e a senha do root, trocada de Milvus. Mantenha a porta 9091 privada: o CVE-2026-26190 (CVSS 9,8) expunha ali uma API sem autenticação antes da 2.5.27/2.6.10, e uma falha de importação de 2026 que contornava o RBAC de coleções foi corrigida na 3.0.3.
Quais são as melhores alternativas ao Milvus?: As alternativas mais próximas que analisamos são Qdrant, Weaviate, pgvector e LanceDB.

Respostas verificadas em 26 de out. de 2026.