AI TOOL DATABASE v2
Weaviate
ベクトル・キーワード・ハイブリッド検索とRAGを一体化し、Cloudでもセルフホストでも運用できるAIネイティブなデータベース。
選定サマリー
30秒で向き不向きを確認
AI位置づけ
AIネイティブ（AIそのものが中核のサービス）
向いている
VectorとBM25を組み合わせたRAG・AI検索を構築したいチーム
向いていない
検索基盤を一切設計せず完全な完成品チャットだけを求める用途
料金
オープンソース版はセルフホスト可能。Weaviate Cloudは利用リソースや構成に応じた料金体系のため、最新条件は公式Pricingで確認。
最大の強み
Vector・BM25・Hybrid Searchをネイティブに統合
注意点
自由度が高い分schema・index・検索パラメータの設計が必要
THINKLAB判定
『ベクトルDB』だけでなくBM25、Hybrid Search、RAG、multi-tenancyまで一つの検索基盤で設計し、必要ならセルフホストも選びたいチームに強い候補です。
概要
WeaviateはAIアプリケーション向けのオープンソースデータベースです。
ベクトル類似検索だけでなくBM25キーワード検索と両者を融合するHybrid Search、metadata filtering、reranking、RAGを同じ検索パイプラインで扱えます。
概要の続きを読む概要を閉じる
Cloudでは自然言語から最適な検索クエリを組み立てるQuery Agentも提供され、RAGやAIエージェントの検索層として利用できます。
DockerやKubernetesによるセルフホストにも対応し、データ配置やインフラを自社管理したいケースにも選択肢があります。
主な機能
Hybrid Search
Vector searchとBM25を融合し、意味の近さと固有名詞・型番などの完全一致を同時に評価できます。
Multi-tenancy
tenantごとに専用shardを持ち、同一schemaを共有しながら顧客・部署ごとのデータを分離できます。
Named / multi-target vectors
一つのobjectに複数のvector表現を持たせ、用途別のvector spaceや複数targetを検索できます。
Flexible deployment
Weaviate CloudのほかDocker、Kubernetes、Embedded等の構成を選択できます。
Integrated AI models
Embedding、reranking、生成モデルをcollectionやqueryへ統合し、RAGパイプラインを簡潔に構築できます。
AI機能の詳細・制約はページ下部の「詳細情報」にまとめています
活用例
個人・一般
企業RAG
社内文書をvector化し、Hybrid Searchとfilterで関連情報を取得してLLM回答の根拠にする。
AI検索
意味検索とBM25を組み合わせ、製品、FAQ、研究資料、サポート情報などを高精度に検索する。
マルチテナントAI SaaS
tenant単位でデータを分離しながら共通schemaのRAG・検索サービスを多数の顧客へ提供する。
業務・組織
顧客別ナレッジ検索
Multi-tenancyを使って顧客データを分離し、同一AIサービスから安全に検索する。
自社管理RAG基盤
OSS版を自社インフラへ配置し、検索データの配置・ネットワーク・運用を自社要件に合わせる。
料金
Weaviateはオープンソース版をセルフホストできます。
Weaviate Cloudはマネージド環境として提供され、料金は利用リソース・構成・契約条件に応じるため公式Pricingで最新見積もりを確認してください。
無料枠あり
Open Source
ソフトウェア無料
Docker/Kubernetes等でセルフホスト。インフラ・運用コストは利用者側で負担。
Weaviate Cloud
利用構成に応じる
マネージドclusterとして利用。最新の無料枠・resource pricing・SLAは公式Pricingで確認。
Enterprise
要問い合わせ
大規模・高可用性・企業統制など個別要件向け。
公式 Pricing ページを開く料金確認：2026年8月26日
強み・弱み
強み
- Vector・BM25・Hybrid Searchをネイティブに統合
- OSSセルフホストとマネージドCloudを選べる
- RAG・reranker・model integrationまで検索パイプラインが広い
- Multi-tenancyによる大規模SaaS設計に対応
- Named vectorsやfilterなど検索設計の自由度が高い
弱み
- 自由度が高い分schema・index・検索パラメータの設計が必要
- セルフホストでは可用性・backup・upgrade等の運用責任が増える
- 外部AIモデルを組み合わせる場合は別途API料金とデータ条件の管理が必要
比較・競合
THINKLABの結論
選定サマリーの判定を、選び方として整理したものです。
選ぶべき場合
検索品質をvectorだけに依存せずキーワード・filter・rerankingまで調整したい、またはCloudと自社運用の選択肢を残したい場合。
別製品を選ぶべき場合
検索設計やインフラの自由度より、設定項目の少ない完全マネージドな単純運用を最優先する場合。
確信度: high
詳細情報
導入判断の本線から外した補足です。必要な項目だけ開いてください。
AI機能の詳細
Vector / Hybrid Search
Embeddingによる意味検索とBM25キーワード検索を並列実行し、fusionでスコアを統合します。
alphaでベクトルとキーワードの比重を調整できます。
制約
検索品質はEmbeddingモデル、schema、chunking、alpha、filter、reranker等の設計に依存します。
RAG / Generative Search
検索結果とプロンプトをOpenAI、Anthropic、Cohere、Google、AWS、Ollamaなどの生成モデルへ渡し、取得情報に基づく回答を生成できます。
制約
外部モデル利用時は各プロバイダーのAPI料金・データ条件・レート制限が別途適用されます。
Query Agent
Cloud上で自然言語の質問をWeaviateの検索・filter・aggregation等へ変換し、手動でクエリを組み立てずデータを探索できます。
制約
2026年8月時点でCloud向け機能。
利用可能条件は最新Cloud仕様を確認してください。
Reranking / model integrations
検索候補をrerankerで再順位付けし、vectorizer・generative modelと組み合わせて検索から生成まで統合できます。
向き不向き（一覧）
こんな人におすすめ
- VectorとBM25を組み合わせたRAG・AI検索を構築したいチーム
- Cloudとセルフホストの両方を比較したい組織
- 多数顧客のデータをtenant分離するAI SaaS開発者
おすすめしないケース
- 検索基盤を一切設計せず完全な完成品チャットだけを求める用途
- Embedding・schema・検索評価を運用する開発リソースがないケース
プラットフォーム / API
対応プラットフォーム
- Web
- Linux
API
あり · API / Docs
セキュリティ / データの扱い
Cloudとセルフホストで責任範囲が異なります。
Weaviateは認証・認可、backup、replication、multi-tenancy等を構成でき、セルフホストではネットワークとデータ配置を自社管理できます。
取扱い: Multi-tenancyではtenantごとに別shardへ保存され、一つのtenantのデータは別tenantから見えない設計です。外部vectorizer/generative modelへデータを送る場合は各モデル提供者の条件も確認が必要です。
学習・送信: Weaviate Database自体と、接続する外部AIモデルの学習利用条件は分けて確認してください。