Qdrant publica un análisis técnico sobre los límites de la búsqueda vectorial filtrada con metadatos y cómo su motor combina varias estrategias para mantener la precisión. Cuando se aplican filtros muy restrictivos sobre un índice HNSW estándar, el grafo de vecinos más cercanos se fragmenta y la consulta puede quedarse varada antes de alcanzar los verdaderos matches. En una colección de un millón de vectores de imágenes de 96 dimensiones, la configuración por defecto de Qdrant ofrece unos 21 enlaces por nodo en la capa 0; al descartar el 96 % de los puntos, sobrevive menos de un enlace por nodo, lo que inutiliza la traversal.
Para reparar ese daño, Qdrant actúa en dos frentes. Filterable HNSW añade aristas extra en el momento de construir el índice, en campos de payload indexados, de modo que los puntos que comparten un valor permanezcan conectados aunque el filtro los aisle. ACORN-1, una versión ligera del algoritmo ACORN presentado en SIGMOD 2024, extiende la búsqueda a los vecinos de los vecinos cuando los vecinos directos no pasan el filtro, sin modificar el índice. El planificador de consultas de Qdrant decide automáticamente entre usar ACORN, hacer un escaneo completo, recurrir al índice de payload o mantener el grafo HNSW con aristas adicionales.
El artículo detalla un benchmark reproducible con cuatro estrategias y filtros de distinta selectividad. El grafo plano pierde recall conforme los filtros se endurecen, cayendo al 0,1 % con un filtro del 1 %. ACORN recupera precisión entre 2,1 y 2,9 veces la latencia del grafo plano, pero se estanca en selectividades muy bajas. Planner + ACORN, la configuración por defecto, mantiene entre el 99,9 % y el 100 % de recall en todos los filtros probados, a costa de una latencia mayor. Filterable HNSW brilla en los filtros ajustados, pero no construye aristas extra para valores demasiado frecuentes, por superar un umbral derivado del número de puntos por segmento y de los enlaces medios por nodo: en la prueba, los campos con cinco valores distintos quedaron sin aristas extra, y ahí es donde ACORN toma la delantera. La conclusión operativa es que ACORN y Filterable HNSW se complementan: el primero cubre huecos en tiempo de consulta que el segundo no alcanza en tiempo de indexación.