Original em inglês: https://argusic.com/subject/vectordbbench
VectorDBBench
Benchmark para bancos de dados vetoriais.
Executafonte: GitHubpágina do projetoPythonMITcommit 1760db148b95
Python, licença MIT. O projeto se descreve como: benchmark, cost effectiveness, performance, vector database, vector search e vectordb.
VectorDBBench executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 12 minutos e encontrou 6 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
vectordb-bench installed from source in venv, 247 of 256 unit tests pass, CLI and REST API both operable
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 60 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Missing optional deps: opensearch-py, chromadb, pinecone, elasticsearch, mysql-connector-python, turbopuffer, pyvespa, flask3 minutos
- PEP 668 externally managed environment blocks system pip install2 minutos
- test_elasticsearch_cloud.py imports broken ElasticsearchConfig from wrong module2 minutos
- test_bench_runner.py uses DB.Milvus.config() and CaseType.PerformanceSZero which don't exist2 minutos
- test_fts_filter_runner.py mocks lack case_config attr needed by CaseRunner2 minutos
- test_models.py merge test globs legacy dbPrices.json without run_id key1 minuto
- Tempo de instalação
- 12 minutos
- Da máquina limpa até o fim
- 22 minutos
- Erros encontrados e corrigidos
- 6 encontrados, 6 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest returned '247 passed, 1 skipped' across runnable unit tests; vectordbbench --help exits 0; init_bench_rest Flask server starts and /get_status returns 200
- Tokens de modelo usados
- 207.659
- Commit exato testado
- 1760db148b95
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**REST API verification:** `init_bench_rest --help` starts the Flask server, `/get_status` returns …
exec
/bin/sh -lc "cat << 'ENDOFJSON'
{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 12, \"errors\": [{\"…
ENDOFJSON" in /work/repo
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 12, "errors": [{"msg": "PE…
`vectordb-bench` installed and verified. 247 tests pass, CLI works, REST API starts. Fixed 6 issues…
2026-10-10T02:27:53.449943Z ERROR codex_core::session: failed to record rollout items: thread 01a12…
tokens used
207,659
`vectordb-bench` installed and verified. 247 tests pass, CLI works, REST API starts. Fixed 6 issues…Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 12 minutos.
- Recuperou-se de todos os 6 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Executa | 100,00 | 0,28 | |
| Argusic Runner | 1/3 | Não executou | 20,00 | 0,30 |
Tópicos (de GitHub)
benchmarkcost-effectivenessperformancevector-databasevector-searchvectordb
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/vectordbbench)Perguntas
- VectorDBBench executa?
- Sim. VectorDBBench executa. A Argusic o instalou e iniciou em uma máquina limpa em 12 minutos, encontrando 6 erros no caminho, e gravou a sessão.
- Como a Argusic testou VectorDBBench?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 1760db148b95. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar VectorDBBench?
- A execução que produziu este veredito custou US$ 0,28: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar VectorDBBench?
- 12 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- VectorDBBench precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar VectorDBBench?
- 6 coisas quebraram na execução registrada, e 6 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de VectorDBBench?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.