Aller au contenu principal
usedby
ZillizusedbyPlaud

Comment Plaud utilise Zilliz

Plaud utilise Zilliz Cloud comme couche de récupération derrière son système ContextOS, en y stockant des vecteurs sémantiques et des champs de filtrage scalaires pour les enregistrements des utilisateurs. Zilliz Cloud alimente la recherche dans les enregistrements, Ask Plaud (RAG) et la génération enrichie par la mémoire pour ses agents IA.

ConfirméÉtude de cas de l’éditeur · Vérifié le 7 nov. 2026
Voir la preuve capturée

L’usage : comment Plaud déploie Zilliz

Plaud uses Zilliz Cloud as the retrieval layer behind its ContextOS system, storing semantic vectors and scalar filter fields for user recordings. It powers search across recordings, Ask Plaud (RAG), and memory-augmented generation for its AI agents.

Autres résultats publiés

Chiffres publiés dans l’étude de cas de Zilliz. usedby ne les mesure pas de façon indépendante.

800ms

Recall returns in under 200ms on average and under 800ms at P99

Le témoignage du client

L'IA passe de la réponse à des questions ponctuelles à des agents qui se souviennent, ce qui fait de la mémoire de l'IA le cœur des produits d'IA grand public. Zilliz Cloud nous offre une base solide, en laquelle nous pouvons avoir confiance, pour la récupération de la mémoire agentique à très grande échelle, afin que notre équipe puisse consacrer son énergie à l'innovation produit et à l'expérience utilisateur, plutôt qu'à la plomberie qui se trouve en dessous.
Traduction automatique de l’anglais
Voir l’originalAI is moving from answering one-off questions to agents that remember, which makes AI memory the heart of consumer AI products. Zilliz Cloud gives us a solid foundation we can trust for agentic memory retrieval at a massive scale, so our team can put its energy into product innovation and user experience, not the plumbing beneath it.
Charles Liu, Co-founder & CTO, Plaud — Source
Milvus et Zilliz permettent concrètement d'alimenter une recherche sémantique rapide au sein des workflows d'intelligence de réunion.
Traduction automatique de l’anglais
Voir l’originalMilvus and Zilliz make it practical to power fast semantic retrieval across meeting intelligence workflows.
Rob Williams, Co-Founder & CTO, Plaud — Source, capturée le 2 nov. 2026

Les clients de Zilliz dans le secteur Intelligence artificielle

Des entreprises du même secteur, avec une preuve publique.

ConsensusConfirméExaConfirméMiniMaxConfirméSarvamObservéxAIObservé
Voir tous les clients de Zilliz

Autres témoignages

Consulter la source

Cette synthèse repose sur l’étude de cas publiée par Zilliz. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.

zilliz.com
Source publiée
25 juin 2026
Dernière vérification
7 nov. 2026
zilliz.comCapture de l’étude de cas de Zilliz sur PlaudOuvrir la capture
Ce que dit le témoignage, et ce que nous avons vérifié

Ce que nous avons comparé à la page.

  • Le chiffre : under 200msVérifié

    Le chiffre est sur la page ; son libellé est formulé par nous.

  • L’extrait cité plus hautVérifié

    Copié mot pour mot depuis la page, près du nom de Plaud.

  • La date de publicationVérifié

    Lue dans les métadonnées de la page, jamais devinée.

  • Plaud utilise ZillizVérifié

    Ligne de niveau Confirmé.

  • Le résultat lui-mêmeNon vérifié

    Nous le citons ; nous ne l’avons pas mesuré.

Recall returns in under 200ms on average and under 800ms at P99, giving the end-to-end Ask AI pipeline room to stay responsive even as data grows into the billions.
Extrait de la page. zilliz.com