O caso de uso: como Consensus implanta Zilliz
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.
Outros resultados informados
Números publicados no estudo de caso de Zilliz. Eles não são medidos de forma independente pelo usedby.
P99 retrieval at ~45 ms across 400M+ vectors
14% higher precision in search results after adding semantic search
the larger embeddings delivered a 27% increase in the quality of papers found
4x larger vector dimensions (256 → 1,024) cost only 2.5× the cluster on Zilliz Cloud
Nas palavras do cliente
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.Zilliz helps us match people with the right opportunities through fast, relevant AI search.Usuários de Zilliz no setor Inteligência artificial
Empresas do mesmo setor, com evidências públicas.
Ver todos os clientes de Zilliz
Ir direto à fonte
Com base no estudo de caso publicado por Zilliz. Verificamos as evidências públicas; os resultados são informados pelo fornecedor.
zilliz.com- Última verificação
- 6 de out. de 2026
Abrir a captura da fonte O que o estudo de caso afirma e o que verificamos
O que comparamos com a página.
- O trecho citado acimaVerificado
Copiado palavra por palavra da página, perto do nome de Consensus.
- Os números do nosso resumoVerificado
Cada um está impresso na página.
- Consensus usa ZillizVerificado
Linha de nível Confirmado.
- O resultado em siNão verificado
Nós o citamos; não o medimos.
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.