Pinecone vs. Weaviate vs. Qdrant: porovnanie vektorových databáz z pohľadu hostingu v DACH a EÚ

Pinecone, Weaviate a Qdrant sú tri najpoužívanejšie vektorové databázy pre produkčné RAG systémy. Z pohľadu B2B v regióne DACH je výber v roku 2026 menej otázkou benchmarkov a viac otázkou suverenity: kde sú uložené embeddingy, kto k nim má prístup a či sa dá celý stack v prípade potreby presunúť on-prem. Tieto otázky nahradili samotné hodnoty QPS či recallu v úlohe hlavného architektonického filtra. Qdrant a Weaviate sa dajú prevádzkovať vo vlastnej réžii (self-host) a pochádzajú z EÚ, Pinecone je americká managed SaaS bez možnosti on-prem.

Tri rýchle odpovede

• Qdrant (Berlín, Apache 2.0): domáci šampión regiónu DACH. OSS self-host, Qdrant Cloud v regiónoch EÚ, Hybrid Cloud (BYO Kubernetes na STACKIT/Aleph Alpha/Civo) a air-gapped Private Cloud. Hodnotenie suverenity 🟢.
• Weaviate (Amsterdam, BSD-3): alternatíva s pôvodom v EÚ s vyzretým hybridným vyhľadávaním a ekosystémom modulov. Self-host, Weaviate Cloud (vrátane EÚ), Embedded. Hodnotenie suverenity 🟢.
• Pinecone (USA, proprietárny): managed SaaS s regiónmi v EÚ na AWS (Írsko, Frankfurt) a GCP (Holandsko), pre enterprise zákazníkov aj ako BYOC vo vlastnom účte AWS, GCP alebo Azure. Žiadny on-prem, žiadny open source. Hodnotenie suverenity 🟠, len so zmluvnou výstupnou klauzulou pre necitlivé workloady.

Prečo je suverenita hostingu prvým filtrom

Pre každý nasadzujúci subjekt v regióne DACH s 200 až 50 000 FTE, ktorý prevádzkuje RAG nad nemeckojazyčným obsahom, nie je režim prenosu dát medzi EÚ a USA právne definitívne zabezpečený. Všeobecný súd EÚ 3. septembra 2025 potvrdil rámec EU-US Data Privacy Framework, ktorý platí od roku 2023 (Latombe, T-553/23). Žalobca 31. októbra 2025 podal odvolanie na Súdny dvor EÚ (C-703/25 P). Rozhodnutie typu „Schrems III“ tým zostáva možné, no nedá sa predvídať. Tímy pre obstarávanie a architektúru preto čoraz častejšie požadujú „sovereign-deployable“ ako zmluvnú výstupnú klauzulu: ak sa americká managed služba stane právne neúnosnou, musí sa dať stack presunúť na suverénnu infraštruktúru, typicky do 3-6 mesiacov.

Práve tu sa cesty rozchádzajú. Rozhodujúcim primárnym filtrom je model nasadenia: dokáže riešenie bežať on-prem alebo v suverénnom DACH cloude (STACKIT, IONOS, OTC, plusserver, Hetzner, OVHcloud)? Open-source enginy ako Qdrant a Weaviate robia prenositeľnosť pri odchode konkrétnou, nie len želanou. Pinecone ako proprietárna SaaS túto prenositeľnosť zo svojej podstaty neponúka, aj variant BYOC zostáva viazaný na AWS, GCP a Azure. O kvalite produktu to nič nehovorí, pre regulované odvetvia je to však pri obstarávaní tvrdá hranica.

Priame porovnanie: Pinecone vs. Weaviate vs. Qdrant

Regióny Pinecone a BYOC k októbru 2026 podľa dokumentácie Pinecone a príručky k BYOC, multi-vektor vo Weaviate podľa poznámok k vydaniam v1.30 a v1.31. Hodnotenie suverenity je naše zaradenie.

Výkon a škálovanie: poctivé čísla

Reprodukovateľné benchmarky z rokov 2025-2026 (VectorDBBench, forky ann-benchmarks, nezávislé testovacie nástroje) ukazujú konzistentný obraz: Qdrant a Weaviate majú hladké krivky recall a latencie pri HNSW a silný výkon pri filtrovaní. Qdrant bez problémov zvláda 100M vektorov na cluster; produkčné referencie zahŕňajú Bosch a Tripadvisor v rozsahu stoviek miliónov až jednotiek miliárd so shardingom. GPU-akcelerovaná indexácia (zavedená v januári 2025) skracuje čas zostavenia indexu. Weaviate so shardingom tiež škáluje na 100M+ vektorov; ekosystém modulov (hybrid, generatívne moduly, multi-tenancy) je vyzretý.

Profily latencie pre 1024 dimenzií a 10M vektorov na bežnom hardvéri: HNSW in-memory top-10 pod 10 ms end-to-end na Qdrant, Weaviate alebo pgvector s vhodným ef_search. Hybrid plus cross-encoder reranker sa dostane na 150-500 ms. Reranker je pritom časť, pri ktorej sa dá latencia najľahšie skrátiť, a pri tvrdých SLA pod 100 ms sa vynecháva ako prvý.

Pre predstavu o rádovej veľkosti: v benchmarku od Timescale (dnes Tiger Data, vývojár pgvectorscale) dosiahol Postgres s pgvector a pgvectorscale pri 50M vektoroch (768 dimenzií) a recalle 99 % výkon 471 QPS, Qdrant 41 QPS. Ide o dáta výrobcu. Poučením nie je, že by Qdrant bol pomalý. Pre mnohé projekty stredných podnikov v regióne DACH pod ~50M vektorov je však pgvector/pgvectorscale na managed Postgres často prevádzkovo jednoduchšou a suverénnejšou voľbou: jedna databáza, jeden koncept zálohovania, jeden reťazec zmlúv o spracúvaní osobných údajov podľa GDPR.

Vhodnosť z hľadiska GDPR a sémantika mazania

Na úvod: toto nie je právne poradenstvo. Konkrétne posúdenie podľa GDPR musí prebehnúť pre každý prípad použitia s odbornými právnikmi.

Embeddingy odvodené z osobných údajov treba spravidla samy považovať za osobné údaje. Dá sa to odvodiť zo stanoviska EDPB 28/2024 k modelom AI a z usmernení 01/2025 k pseudonymizácii. Riziko opätovnej identifikácie treba posúdiť v každom prípade zvlášť. Rozsudok Súdneho dvora EÚ C-413/23 P (EDPS/SRB, 4. septembra 2025) spresňuje, že pseudonymizované údaje nie sú automaticky osobnými údajmi pre každého príjemcu. To zužuje povinnosti, ale neruší ich.

Pre výber vektorovej DB z toho vyplývajú dve tvrdé kritériá pri obstarávaní:

• Prenos do tretej krajiny: Embedding e-mailu zamestnanca, ku ktorému môžu mať prístup americký poskytovateľ alebo ďalší americkí sprostredkovatelia, je prenosom do tretej krajiny. Týka sa to Pinecone aj v regiónoch EÚ; Qdrant a Weaviate sa dajú prevádzkovať úplne v suverénnej infraštruktúre v regióne DACH.
• Právo na vymazanie (čl. 17 GDPR): Embeddingy musia byť vymazateľné. Technicky to nie je triviálne, pretože grafy HNSW nepodporujú efektívne mazanie jednotlivých bodov. V závislosti od poskytovateľa: mazanie v pgvector je efektívne (Postgres MVCC), Qdrant podporuje efektívne mazanie bodov (point deletes), Milvus pracuje s tombstones a následnou kompakciou. Overenie sémantiky mazania pred podpisom zmluvy je tvrdé kritérium.

Integrácia do ekosystému

Na úrovni API je vrstva vektorových DB v roku 2026 do veľkej miery komoditou: HNSW je všade, hybridné vyhľadávanie je štandard. Všetky tri databázy majú vyzreté oficiálne integrácie do LangChain/LangGraph a LlamaIndex aj napojenie cez MCP. Skutočné rozdiely už nie sú v integrácii, ale v (a) suverenite a možnostiach nasadenia, (b) kvalite hybridného vyhľadávania a rerankera v nemčine so zloženými slovami a odbornou terminológiou, (c) multimodálnej podpore dokumentov s obrázkami (ColPali) a (d) prevádzkovej zrelosti v rozsahu 10M-100M+ vektorov. Pri (c) podporujú Qdrant a Weaviate (od v1.30) multi-vektor/late interaction natívne.

Rozhodovacia matica podľa scenára

Konkrétny príklad: RAG pre stredný podnik s nákladovým rámcom

Stredný podnik v regióne DACH (cca 800 FTE) buduje RAG nad nemeckým obsahom z PDF, Office a SharePointu, ~8M chunkov. Náš odporúčaný stack: pgvector 0.8+ s pgvectorscale na managed Postgres u IONOS alebo STACKIT; BM25 cez ParadeDB pg_search; embeddingy s BGE-M3 (MIT) vo vlastnej prevádzke na jednej GPU L4/A10G; reranker bge-reranker-v2-m3 (Apache 2.0) na tej istej inštancii. Jina v4 tu neprichádza do úvahy: podľa karty modelu je pod licenciou Qwen Research License, ktorá povoľuje len výskum a hodnotenie.

Orientačné pravidlo pre pamäť pri 10M vektoroch s 1024 dimenziami, float32 HNSW: ~40 GB surových dát plus 50-100 % réžia indexu; s halfvec ~30-40 GB, s SQ8 ~10-20 GB. Time-to-ROI pre prvý produkčný prípad použitia 3-6 mesiacov, rozpočtový rámec na prvý rok 30 000 až 150 000 €. Až keď pgvector narazí na reálny limit škálovania (>50M vektorov), oplatí sa prechod na samostatnú vektorovú DB. Väčšina prípadov použitia v stredných podnikoch nikdy neprekročí 5-20M vektorov.

Pre agentúry a B2B rozhodovateľov

Ak ako agentúra buduješ multi-tenant riešenie, mal by si ho explicitne rozdeliť do úrovní: úroveň pgvector pre SMB, úroveň Qdrant pre stredné podniky, Qdrant na Kubernetes zákazníka pre koncerny. Izolácia na úrovni tenanta (schéma alebo row-level security v Postgres, samostatná kolekcia pre každého tenanta v Qdrante, KMS kľúče pre každého tenanta) je povinná. Zdieľaná kolekcia s filtrom podľa metadát je incident podľa GDPR, ktorý len čaká, kedy nastane. Pre B2B rozhodovateľov v regióne DACH platí: „región v EÚ k dispozícii“ sa nerovná suverenite. Over expozíciu voči CLOUD Act/FISA 702, zverejnenie ďalších sprostredkovateľov (sub-processor disclosure), záväzok netrénovať na tvojich dátach, sémantiku mazania a zmluvné výstupné klauzuly. Blck Alpaca sprevádza výber a implementáciu stacku vektorovej DB a embeddingov s klasifikáciou podľa suverenity pre organizácie v regióne DACH, od riešenia s pgvector pre stredné podniky až po architektúru Qdrant Hybrid Cloud pre regulované workloady.