faiss for Mac 版
高效的密集向量相似性搜索和聚类
faiss 是什么
Faiss 是一个用于稠密向量高效相似性搜索与聚类的库,由 Meta 基础人工智能研究团队主导开发。它把每个实例表示为向量并用整数标识,通过 L2 距离或点积来衡量相似度——距离最低或点积最高的向量即为查询的最近邻,归一化向量上的点积也就等价于余弦相似度。
它的核心是一套围绕“索引”构建的算法:索引存储向量集合并提供搜索函数。部分方法(如基于二进制向量和紧凑量化码的方案)只保留压缩表示、不存原始向量,精度有所牺牲,但单台服务器内存即可扩展到数十亿向量;HNSW、NSG 等方法则在原始向量之上加索引结构以提升搜索效率。库中还附带评估与参数调优的辅助代码。Faiss 以 C++ 编写,提供完整的 Python/numpy 封装,部分常用算法有 GPU 实现,GPU 索引可直接替换对应的 CPU 索引,支持单卡与多卡。
它适合需要在海量向量中做快速检索或聚类的研究与工程场景,比如嵌入向量检索、图像或文本相似匹配等。依赖仅为一个 BLAS 实现,GPU 支持可选。
它的核心是一套围绕“索引”构建的算法:索引存储向量集合并提供搜索函数。部分方法(如基于二进制向量和紧凑量化码的方案)只保留压缩表示、不存原始向量,精度有所牺牲,但单台服务器内存即可扩展到数十亿向量;HNSW、NSG 等方法则在原始向量之上加索引结构以提升搜索效率。库中还附带评估与参数调优的辅助代码。Faiss 以 C++ 编写,提供完整的 Python/numpy 封装,部分常用算法有 GPU 实现,GPU 索引可直接替换对应的 CPU 索引,支持单卡与多卡。
它适合需要在海量向量中做快速检索或聚类的研究与工程场景,比如嵌入向量检索、图像或文本相似匹配等。依赖仅为一个 BLAS 实现,GPU 支持可选。
如何安装 faiss
- 打开 终端(按 ⌘ + 空格,输入“终端”)。
- 如果还没安装 Homebrew,先运行下面这条安装命令。
- 运行下面这条命令:
最近 10 个版本记录
最近一次更新为 2026-11-10,当前版本 v1.16.0,共记录最近 10 个版本。
| 版本 | 发布日期 | 类型 | 大小 | macOS | Windows | Linux |
|---|---|---|---|---|---|---|
| v1.16.0 | 2026-11-10 | 稳定版 | — | — | — | — |
| v1.15.1 | 2026-09-16 | 稳定版 | — | — | — | — |
| v1.15.0 | 2026-08-03 | 稳定版 | — | — | — | — |
| v1.14.3 | 2026-06-13 | 稳定版 | — | — | — | — |
| v1.14.2 | 2026-05-22 | 稳定版 | — | — | — | — |
| v1.14.1 | 2026-03-06 | 稳定版 | — | — | — | — |
| v1.14.0 | 2026-03-03 | 稳定版 | — | — | — | — |
| v1.13.2 | 2025-12-19 | 稳定版 | — | — | — | — |
| v1.13.1 | 2025-12-03 | 稳定版 | — | — | — | — |
| v1.13.0 | 2025-11-12 | 稳定版 | — | — | — | — |
数据来自 GitHub Releases,稳定版优先,同类按发布时间排序。
被 2 个应用依赖
以下应用的安装命令会自动安装它,按 30 天安装量排序:
与同类应用对比
只对比公开元数据,不做主观推荐;需要逐项对比时见对比页。
| 应用 | 版本 | 许可证 | 架构 | 近 30 天安装 |
|---|---|---|---|---|
| faiss | v1.16.0 | MIT | 命令行 | 143 |
| bitwuzla | 0.9.1 | MIT | 命令行 | 192 |
| stp | 2.4.1 | MIT | 命令行 | 36 |
| arcadedb | 26.11.1 | Apache-2.0 | 命令行 | 22 |