I've used Pinecone to streamline token generation for my chatbot's functionality. Specifically, I used it for the OpenNeeam Building.
Reviews from AWS customer
0 AWS reviews
-
5 star0
-
4 star0
-
3 star0
-
2 star0
-
1 star0
External reviews
42 reviews
from
and
External reviews are not included in the AWS star rating for the product.
idéal pour l'apprentissage automatique, les applications d'IA et la recherche de similarité
Qu'aimez-vous le plus à propos de the product?
Il est spécialisé dans les cas d'utilisation pilotés par l'IA avec une recherche en temps réel et à faible latence offrant une intégration transparente dans les flux de travail d'apprentissage automatique avec une infrastructure évolutive optimisée pour les données non structurées et semi-structurées dans les applications d'IA.
Que n’aimez-vous pas à propos de the product?
Il a un focus limité qui est uniquement lié aux données vectorielles sans focus majeur sur l'intelligence d'affaires dans l'outil de transformation de données. De plus, son cas d'utilisation est un peu complexe avec un manque d'intégration de l'écosystème.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
C'est résoudre le problème lié aux données vectorielles d'IA générées par l'application.
Dieu de la création des embeddings
Qu'aimez-vous le plus à propos de the product?
quand je crée des embeddings, comparé à d'autres produits, cela semble sans tracas et bon marché.
Que n’aimez-vous pas à propos de the product?
Je suis le testeur bêta de l'assistant AI Pinecone, il n'est pas prêt pour la production, donc il semble être uniquement pour les tests, j'attends la version prête pour la production.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
fonctions sans tracas et ensembles de données d'embeddings
Utilisateur bêta de l'assistant Pinecone
Qu'aimez-vous le plus à propos de the product?
J'ai utilisé Pinecone pour les embeddings et c'est moins cher et fiable par rapport à d'autres services d'embeddings.
Que n’aimez-vous pas à propos de the product?
Je n'aime pas l'impression générale qui semble légère pour la documentation du service produit.
J'adore voir l'assistant Pinecone en version déployable car il est puissant, mais il est uniquement en version bêta pour les tests, pas pour la production.
J'adore voir l'assistant Pinecone en version déployable car il est puissant, mais il est uniquement en version bêta pour les tests, pas pour la production.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
Créer des embeddings facilement sans coût élevé.
Bon soutien de l'équipe.
Bon soutien de l'équipe.
Option solide pour la base de données vectorielle
Qu'aimez-vous le plus à propos de the product?
Très fiable et rapide. Prix compétitif.
Que n’aimez-vous pas à propos de the product?
Peut-être que quelques fonctionnalités supplémentaires seraient agréables, et un peu plus de clarté sur son algorithme AKNN, qui est caché à l'utilisateur.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
Trouver des documents scientifiques dans de très grands volumes de données.
Pinecone : L'épine dorsale de la recherche et de la récupération de vecteurs efficaces
Qu'aimez-vous le plus à propos de the product?
Pinecone excelle dans la fourniture d'une expérience de recherche vectorielle fluide et performante. Sa facilité d'utilisation, combinée à des fonctionnalités puissantes telles que les mises à jour en temps réel et l'évolutivité, en fait une solution de choix pour gérer des données vectorielles complexes. La capacité à s'intégrer sans effort aux flux de travail existants et son support client de premier ordre sont des points forts certains.
Que n’aimez-vous pas à propos de the product?
Bien que Pinecone soit robuste, le prix peut être un peu élevé pour les projets plus petits ou les startups. De plus, un contrôle plus granulaire sur les options d'indexation améliorerait la personnalisation pour les utilisateurs avancés. Cependant, les avantages l'emportent largement sur ces inconvénients mineurs.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
Pinecone résout le défi complexe de la recherche vectorielle efficace et évolutive. À une époque où la gestion de grands volumes de données à haute dimension est cruciale, la capacité de Pinecone à indexer, rechercher et récupérer des vecteurs rapidement et avec précision change la donne. Pour nous, cela signifie des réponses aux requêtes plus rapides, une précision accrue dans la récupération des données et la possibilité de se concentrer sur la création de meilleurs produits plutôt que sur la gestion de l'infrastructure. La solution de Pinecone a considérablement réduit le temps et les efforts nécessaires pour gérer et rechercher des données vectorielles, permettant à notre équipe d'être plus productive et innovante.
Utilisation de Pinecone en production - 1 an plus tard
Qu'aimez-vous le plus à propos de the product?
Pinecone était notre choix principal et nous n'avons pas envisagé de changer depuis.
- Haute performance (insertion et recherche en millisecondes)
- Intégration simple via API et déploiement, et maintenant après leur récente sortie d'index sans serveur, c'est très simple à maintenir et à faire évoluer (c'est auto-évolutif).
- Prix bas (relatif au nombre de vecteurs) et index limités gratuits. Les index gratuits sont excellents pour exécuter des données d'environnement de développement. Pendant un certain temps, il était impossible de mettre à niveau un index gratuit vers un payant, mais cela est maintenant résolu.
- Support incroyable (nous avons eu un problème et ne nous attendions pas à obtenir cette qualité de support sans payer les frais habituels de support commercial d'un AWS par exemple)
- La capacité d'assigner des métadonnées est très utile (nous maintenons toujours une base de données traditionnelle pour suivre les vecteurs)
- La requête vectorielle/métadonnées en une seule étape est très utile et évite le casse-tête de la sur-requête
- Une fonctionnalité que nous avons l'intention d'utiliser est l'utilisation de vecteurs clairsemés en combinaison avec les vecteurs denses. Donc, je ne peux pas vraiment commenter pour l'instant
- Haute performance (insertion et recherche en millisecondes)
- Intégration simple via API et déploiement, et maintenant après leur récente sortie d'index sans serveur, c'est très simple à maintenir et à faire évoluer (c'est auto-évolutif).
- Prix bas (relatif au nombre de vecteurs) et index limités gratuits. Les index gratuits sont excellents pour exécuter des données d'environnement de développement. Pendant un certain temps, il était impossible de mettre à niveau un index gratuit vers un payant, mais cela est maintenant résolu.
- Support incroyable (nous avons eu un problème et ne nous attendions pas à obtenir cette qualité de support sans payer les frais habituels de support commercial d'un AWS par exemple)
- La capacité d'assigner des métadonnées est très utile (nous maintenons toujours une base de données traditionnelle pour suivre les vecteurs)
- La requête vectorielle/métadonnées en une seule étape est très utile et évite le casse-tête de la sur-requête
- Une fonctionnalité que nous avons l'intention d'utiliser est l'utilisation de vecteurs clairsemés en combinaison avec les vecteurs denses. Donc, je ne peux pas vraiment commenter pour l'instant
Que n’aimez-vous pas à propos de the product?
J'aime la plupart des éléments tels quels
- La documentation utilisant les métadonnées et les requêtes à une seule étape est un peu légère
- Ils ont un bot intelligent pour aider à répondre aux questions de support. Du côté positif, il semble qu'ils utilisent leur propre technologie pour une application de type RAG, mais d'un autre côté, il manque souvent la cible. ChatGPT ou Perplexity sont étonnamment plus efficaces.
- Il y a eu quelques temps d'arrêt, mais ils sont très communicatifs à ce sujet et maintiennent une page de santé du serveur pour chaque point de terminaison. C'est généralement lié à une infrastructure spécifique (AWS ou GCP) sur laquelle ils fonctionnent.
- Ils ont grandi et amélioré la technologie, et comme avec d'autres acteurs, parfois pour mettre à jour leur bibliothèque Python ou la manière de référencer les index. Mais chaque fois, cela a été vers la simplification, et je soupçonne que cela se stabilisera.
- La documentation utilisant les métadonnées et les requêtes à une seule étape est un peu légère
- Ils ont un bot intelligent pour aider à répondre aux questions de support. Du côté positif, il semble qu'ils utilisent leur propre technologie pour une application de type RAG, mais d'un autre côté, il manque souvent la cible. ChatGPT ou Perplexity sont étonnamment plus efficaces.
- Il y a eu quelques temps d'arrêt, mais ils sont très communicatifs à ce sujet et maintiennent une page de santé du serveur pour chaque point de terminaison. C'est généralement lié à une infrastructure spécifique (AWS ou GCP) sur laquelle ils fonctionnent.
- Ils ont grandi et amélioré la technologie, et comme avec d'autres acteurs, parfois pour mettre à jour leur bibliothèque Python ou la manière de référencer les index. Mais chaque fois, cela a été vers la simplification, et je soupçonne que cela se stabilisera.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
Correspondance sémantique
Un excellent DBaaS sans serveur pour les vecteurs
Qu'aimez-vous le plus à propos de the product?
Pinecode offre une API simple et une interface de gestion légère pour une solution de stockage et de requête de vecteurs nécessitant peu de maintenance.
Que n’aimez-vous pas à propos de the product?
J'ai commencé à utiliser Pinecone quand c'était nouveau et avait quelques imperfections. Mais le support était proactif et intelligent. Au cours de l'année dernière, je peux dire qu'il n'y a rien à ne pas aimer. Cela a été génial.
Quels sont les problèmes que the product résout, et en quoi cela vous est-il bénéfique?
Nous utilisons la plateforme sans serveur de Pinecone (sur AWS) pour la recherche vectorielle. Notre dimension vectorielle est de 3072. Une partie de notre utilisation concerne les requêtes des utilisateurs. Les performances ont été excellentes et l'évolutivité est automatique. Nous utilisons également la capacité de requête dans d'autres parties de notre pile où la performance n'est pas si importante mais où la fiabilité est un facteur.
Provides a private local host feature and is easy for new users to learn
What is our primary use case?
What is most valuable?
The best thing about Pinecone is its private local host feature. It displays all the maintenance parameters and lets us view the data sent to the database. We can also see the status of the CD and which application it corresponds to.
What needs improvement?
I want to suggest that Pinecone requires a login and API key, but I would prefer not to have a login system and to use the environment directly.
For how long have I used the solution?
I have used Pinecone for the past three months.
Which solution did I use previously and why did I switch?
Before Pinecone, I used Corner DB.
How was the initial setup?
The installation of Pinecone was straightforward.
What's my experience with pricing, setup cost, and licensing?
I think Pinecone is cheaper to use than other options I've explored. However, I also remember that they offer a paid version.
Which other solutions did I evaluate?
I decided to use Pinecone after researching and finding it the best option for our project.
What other advice do I have?
Pinecone is easy for new users to learn, and I would rate it around eight out of ten. This is because other databases do not have a login system and are not as user-friendly.
Which deployment model are you using for this solution?
Public Cloud
It is very flexible, allowing us to input any kind of data dimensions into the platform
What is our primary use case?
I used Pinecone in collaboration with an Azure database. At that time, I needed to create a chatbot that could pull data from public media in specific fields. I used Pinecone to embed the publications, and after submitting the data, it was pushed into our data pipeline.
What is most valuable?
The most valuable feature of Pinecone is its managed service aspect. There are many vector databases available, but Pinecone stands out in the market. It is very flexible, allowing us to input any kind of data dimensions into the platform. This makes it easy to use for both technical and non-technical users.
What needs improvement?
Pinecone can be made more budget-friendly.
For how long have I used the solution?
I have been using Pinecone for the past year and a half.
What do I think about the stability of the solution?
Pinecone is a stable product. Despite few errors, it's easy to use, especially when searching with endpoints. Compared to other databases, Pinecone is quite user-friendly.
What do I think about the scalability of the solution?
Pinecone is a scalable product. We can easily add users and workload without any issues.
Which solution did I use previously and why did I switch?
How was the initial setup?
The installation, setup, and deployment of Pinecone is straightforward. We need to take a subscription from Pinecone and configure the endpoints into our applications. Before configuration, we need to install Pinecone libraries on the dev side. We put the tokens at the endpoints and connect Pinecone to our applications. After that, we push our metadata into the Pinecone endpoint database. Once the data is pushed, we can search the data we've entered. Pinecone supports various functions based on similarity and allows us to specify how many results we want, like the top five or top two results.
What's my experience with pricing, setup cost, and licensing?
Pinecone is not cheap; it's actually quite expensive. We find that using Pinecone can raise our budget significantly. On the other hand, using open-source options is more budget-friendly.
Which other solutions did I evaluate?
We chose Pinecone because other vector databases, like ProMID or Azure, don't have UI-rich components or tools. Pinecone offers a better UI and allows us to create any kind of application and handle a large amount of data easily. It is a managed service, making it more convenient for us.
What other advice do I have?
As per my advice, assess your data requirements. If you're working with PDF files and do not have much data, you could use other databases because they are similar to Pinecone. However, if you have a huge amount of data, I would suggest using Pinecone as it handles large datasets more efficiently. Pinecone offers a rich UI and managed services, making it easy to use and visualize data, which is a big advantage. However, if the client has a limited budget, I would recommend open-source models and databases instead.
I would rate Pinecone an eight out of ten because of its functionality and ease of use despite the cost.
Which deployment model are you using for this solution?
On-premises
Helps retrieve data, relatively cheaper, and provides useful documentation
What is our primary use case?
Pinecone is a vector database. We use it to retrieve data using semantic search. We use vector DB only for chatbots and AI applications. Currently, I am using the tool to make a chatbot.
What is most valuable?
The semantic search capability is very good. We store data and embed numeric values. If I want to search for something, I get the right data 90% of the time.
What needs improvement?
Suppose I want to delete a vector from Pinecone or a multi-vector from a single document. Pinecone does not provide feedback on whether a document is deleted or not. In SQL and NoSQL databases, if we delete something, we get a response that it is deleted. The tool does not confirm whether a file is deleted or not. I have raised the issue with support.
If we have 10,000 vectors in our index and do not use a metadata tag, it will take one to three seconds to complete a search. When I try to search using a metadata tag, the speed is still the same. The search speed must be much faster because I specify which vectors I need the data from.
For how long have I used the solution?
I have been using Pinecone for almost one year.
What do I think about the stability of the solution?
I face some breakdowns. However, it happens rarely. Sometimes, the server crashes when we retrieve data from it.
What do I think about the scalability of the solution?
We have a SaaS project, and Pinecone is a database for that project. All the developers who work on the project use the solution. Currently, six to seven of us use the solution. We recently moved to serverless DB. It is easy to create metadata fields. If we have a certain template for our database, we can change the database very easily. It will not show any errors. We just have to put an extra key in the metadata fields.
How are customer service and support?
I was unable to delete the data using IDs and metadata. I raised a query for it. I got the response in less than 24 hours, and it was resolved. The support team is very good. They provide quick responses.
How was the initial setup?
The solution is deployed in the cloud. The tool is very easy to install. There are commands to install the tool. The product is very easy to install and integrate on our machine.
What's my experience with pricing, setup cost, and licensing?
Initially, the product was expensive. My company used to pay $70 per index. Now, we can pay according to our needs. It is a pay-as-you-go model. For the same use case, we are currently paying $4. The solution is relatively cheaper than other vector DBs in the market. It is worth the money.
Which other solutions did I evaluate?
We also use Weaviate for some projects. It is also a vector DB. We also use an SQL database called PlanetScale. Before installing Pinecone, we compared its performance against vector databases like Weaviate and ChromaDB. Pinecone and Weaviate emerged as the top choices.
What other advice do I have?
Pinecone and Weaviate are both good choices. If we want to use the solution, we must know how a vector DB works theoretically. Then, we will be able to work with it easily. If we do not know how vector DBs work, we must refer to the documents to insert and get data. Having a basic understanding of vector DBs is helpful. If a beginner goes through the documents, it is very easy to use the product.
Overall, I rate the product an eight out of ten.
showing 1 - 10