~45 ms
P99 dense retrieval latency in production across
Tel que publié sur zilliz.com. Capturé par usedby le 6 oct. 2026.
Ce qui s’est passé
Consensus uses Zilliz Cloud as the semantic (dense vector) search layer of its research agent platform, searching over 400M+ scholarly sources. The agent calls it as a tool, and the full collection is rebuilt by bulk import into an idle copy of the collection that is then switched live.
Résumé rédigé par usedby à partir de la page source, en anglais. Les chiffres sont ceux de Zilliz et de Consensus, pas les nôtres.
- ~45 ms“P99 retrieval at ~45 ms across 400M+ vectors”
- 14%“14% higher precision in search results after adding semantic search”
- 27%“the larger embeddings delivered a 27% increase in the quality of papers found”
- 2.5ד4x larger vector dimensions (256 → 1,024) cost only 2.5× the cluster on Zilliz Cloud”
A daily bulk import of the entire collection turns a full rebuild from a special project into a nightly job. This also unlocks much faster iteration when testing new embedding models.
Our job is to make the best research findable for anyone who uses Consensus. Zilliz Cloud gives our research agent fast, high-quality semantic retrieval, directly widening the evidence it can reach.
Ce que dit le témoignage, et ce que nous avons vérifié
Nous avons comparé le témoignage à sa page en ligne le 6 oct. 2026.
- Le chiffre : ~45 msVérifiéLe chiffre est sur la page ; son libellé est formulé par nous.
- L’extrait cité plus hautVérifiéCopié mot pour mot depuis la page, près du nom de Consensus.
- Les nombres de notre résuméVérifiéChacun est imprimé sur la page.
- Consensus utilise ZillizVérifiéLigne de niveau Confirmé. Dernière vérification, toutes sources confondues : 6 oct. 2026.
- Le résultat lui-mêmeNon vérifiéNous le citons ; nous ne l’avons pas mesuré.




