# Qdrant 1.20.0: поиск BM25 по тексту и сжатые векторы

Источник: https://modelium.tech/zhurnal/qdrant-1-20-0-bm25-turboquant-local-search/

22 октября вышел Qdrant 1.20.0: он умеет ранжировать текст по BM25 прямо из текстового индекса, а новые форматы TurboQuant уменьшают место, занимаемое векторами. Это полезно тем, кто собирает локальный поиск по документам для ИИ. Qdrant не заменяет саму языковую модель; новые форматы требуют проверки качества поиска на своих данных.

Qdrant 1.20.0: поиск BM25 по тексту и сжатые векторы

**Что изменилось.** Если вы храните документы на своём компьютере и хотите находить в них точные слова или похожие по смыслу фрагменты, Qdrant 1.20.0 предлагает два новых механизма. Первый сортирует текстовые совпадения по релевантности; второй компактнее хранит числовые представления фрагментов. Qdrant — программа для поиска, а не чат-модель: ответ на вопрос по документам по-прежнему должна составлять отдельная модель. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

Стабильный выпуск опубликован **22 октября 2026 года**. Сведения ниже сверены с релизом и документацией в этот же день; редакция не запускала новую версию и не измеряла качество или скорость. [s1](#src-s1)

## Что даёт поиск по точным словам?

Раньше текстовое поле можно было использовать для отбора документов, а для ранжирования по BM25 обычно готовили отдельный разреженный вектор. Теперь полнотекстовому индексу поля можно включить `scoring`, затем передать текст запроса и имя поля: Qdrant расставит совпадения по BM25 — алгоритму, который учитывает частоту слова, его редкость среди документов и длину текста. Если в коллекции уже есть документы, индекс строится из сохранённого текста без повторной загрузки этих документов. Это отдельный путь наряду с поиском по смыслу, а не его автоматическая замена. [s2](#src-s2)

Пример: в личном архиве есть инструкции «Замена батареи» и «Замена экрана». Поиск «батарея» возвращает документы с подходящими словами, ранжируя совпадения; он сам не составляет ответ и не гарантирует понимание перефразировок. Правила разбиения слов, регистр, формы слов и стоп-слова влияют на выдачу. Документация советует настраивать обработку текста под язык архива; для русскоязычных документов качество надо проверить отдельно. [s2](#src-s2)

## Зачем нужны turbo8 и turbo16?

Когда поиск по смыслу включён, другая модель превращает фрагменты в векторы — списки чисел. Qdrant добавил форматы `turbo8` и `turbo16`, которые сжимают **хранение самих векторов** примерно до четверти или половины объёма обычных 32-битных чисел соответственно. Это не обещание такого же сокращения всей базы, оперативной памяти или времени ответа. Формат выбирают для вектора при создании коллекции либо при добавлении нового вектора в её схему; обычные числа при записи преобразуются. В отличие от отдельного режима квантизации, полного исходного вектора рядом не остаётся. Перед переносом архива сравните результаты поиска на своих контрольных запросах и сохраните резервную копию. [s1](#src-s1) [s3](#src-s3)

## Нужно ли обновляться прямо сейчас?

Нет, если нынешний поиск устраивает. Для нового текстового ранжирования потребуется создать соответствующий индекс с включённым подсчётом оценки и проверить выдачу; сам факт обновления не включит его в имеющемся поле. Релиз также меняет значение по умолчанию для внутренней аутентификации в распределённом режиме **при настроенном API-ключе**, а для вложенных объектов добавляет отдельный параметр индекса. Эти изменения прежде всего важны администраторам, не являются домашним рецептом и требуют проверки конфигурации при обновлении. Код Qdrant в теге релиза распространяется под Apache License 2.0; права на хранимые документы и на отдельные модели нужно рассматривать отдельно. [s1](#src-s1) [s4](#src-s4)

**Следующий шаг:** если вы ещё не пользовались Qdrant, сначала разберитесь с его локальным запуском; затем решите, нужен ли вашему архиву поиск по точным словам или по смыслу. [Локальный запуск Qdrant](https://modelium.tech/zhurnal/qdrant-lokalno/).

Источники: официальный релиз, документация текстового поиска и форматов векторов, LICENSE тега; проверено 22.10.2026. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

## Источники

1. [Qdrant v1.20.0 — official release](https://github.com/qdrant/qdrant/releases/tag/v1.20.0) — получено 2026-10-22
2. [Qdrant documentation — Full-Text Search](https://qdrant.tech/documentation/search/text-search/full-text-search/) — получено 2026-10-22
3. [Qdrant documentation — TurboQuant datatypes](https://qdrant.tech/documentation/manage-data/vectors/#turboquant-datatypes) — получено 2026-10-22
4. [Qdrant v1.20.0 LICENSE](https://github.com/qdrant/qdrant/blob/v1.20.0/LICENSE) — получено 2026-10-22