2026年8月27日，向量数据库Weaviate发布1.39版本，将Boost API与基于MMR（Maximal Marginal Relevance）的多样性选择提升为GA，并预览4-bit旋转量化（RQ4）与实验性Search REST API。对后端架构与数据团队而言，这是向量数据库在查询表达力与存储效率上一次值得关注的版本更新。本文从后端架构与数据视角解读。
Boost API转正：让向量混合搜索更易用
Boost API进入GA，降低了开发者使用向量混合搜索的门槛。通过更清晰的接口表达某个检索条件的加权，团队可以更方便地在同一查询中组合与传统关键词、向量相似度等多路召回，从而改善RAG与搜索场景下的相关性与排序质量，减少为调优检索权重而重复造轮的负担。
MMR多样性选择：打破结果同质化
基于MMR（Maximal Marginal Relevance）的多样性选择转正，用于在保证相关性的同时控制返回结果的冗余与重复。对以文档检索、推荐与知识库问答为核心的数据应用，这一能力有助于提升返回集合的覆盖面与信息密度，缓解高相似度内容扎堆的问题。
RQ4量化预览：高维向量的存储与检索成本优化
本版本预览4-bit旋转量化（RQ4），并在实验性Search REST API中提供新的查询入口。量化在显著压缩高维向量占用空间的同时，以可控的精度折中换取更低的内存与带宽需求。对数据规模大、成本敏感的向量检索场景，这直接关系到数据平台的总拥有成本。
对后端架构与数据团队的启示
对后端与数据团队，Weaviate 1.39的实用价值集中在三点：以Boost API与MMR降低混合搜索与结果多样化的实现成本，以RQ4量化压缩向量存储开销。建议在升级到1.39后，先用代表性查询评估Boost与MMR在自身业务下的排序表现，再在成本敏感的大集合上试点RQ4量化，动态权衡精度与资源。
小结
Weaviate 1.39把Boost API与MMR多样性选择转正并预览4-bit量化，是2026年8月末向量数据库领域的重要更新。对构建RAG与向量检索应用的团队，这些能力有助于降低调优成本、压缩存储开销，值得纳入评估。