Jämförelse

Hippocampus vs Vertex AI Search

18 oktober 2026

Av Andreas Dahlström, chef för Deeptech-teamet, medgrundare

Vertex AI Search, som Google byter namn på till Agent Search och som ingår i Gemini Enterprise Agent Platform (Google Cloud-dokumentationen, kontrollerat i oktober 2026), är det bättre valet när dina dokument redan finns i Google Drive, Cloud Storage eller BigQuery, när behörigheter per användare måste komma från en federerad identitetsleverantör, eller när ditt team bygger på Gemini. Hippocampus är det bättre valet när varje svar måste kunna kontrolleras mot en sida och ett byteintervall, när du vill välja vilken språkmodell som svarar, inställt per arbetsyta, och när du vill få tillbaka kunskapsbasen som öppen Markdown. Vi har inte gjort någon benchmark av Vertex AI Search, så den här artikeln gör ingen jämförelse av träffsäkerhet.

Den här artikeln jämför de två produkterna dimension för dimension och kallar nedan produkten Vertex AI Search (Agent Search). Vårt tidigare inlägg Hippocampus mot OpenAI File Search och PageIndex är en benchmark av andra system; Vertex AI Search ingick inte i den. Vi jämför också Hippocampus vs OpenAI File Search och Hippocampus vs PageIndex.

Rubrikbild för Hippocampus och Google Vertex AI Search jämförda

Sammanfattning

Dimension Hippocampus Vertex AI Search (Agent Search)
Driftregion och egen drift Dokument och kunskapsstrukturen lagras krypterade i EU (Finland). Modellinferens körs i USA som standard; på Corporate kan den köras EU-hostad eller i din egen miljö. Drift i eget moln eller helt på egna servrar ingår i Enterprise-paketet. Säkerhet Platser: global, plus multiregionerna USA och EU med datalagring i vila inom regionen. Google rekommenderar global för hela funktionsutbudet; vissa funktioner är begränsade i multiregionerna USA och EU. Drift på egna servrar eller egen drift: inte dokumenterat. Locations (kontrollerat i oktober 2026)
Källhänvisning (på sidnivå) Varje svar bär med sig dokumentet, avsnittssökvägen, start- och slutsida, byteoffset och den text som användes. Källhänvisningarna kommer från hämtningssteget, inte från modellen. Answer-metoden kan ange en källa för varje mening. Ett separat Check Grounding API citerar stödjande chunkar per påstående med ett stödvärde. Källhänvisning på sidnivå: inte dokumenterat. Answer method, Check grounding (kontrollerat i oktober 2026)
Behörighetskontroll vid frågetillfället Upprätthålls inne i sökningen som ett filter före rangordningen; returnerar ingenting om behörigheterna inte kan kontrolleras. En sammanfattning över flera dokument är synlig bara för personer som får läsa alla. Agenter följer samma behörigheter. Säkerhet Resultaten begränsas till dokument som den sökande användaren får se, utifrån åtkomstlistor som anges vid inläsningen och identitet från Google Identity eller federerade leverantörer (Entra ID, Okta, Ping). Omfattar Cloud Storage, BigQuery, Google Drive och tredjepartskällor. Väljs när datalagret skapas; upp till 3 000 läsare per dokument. Access control (kontrollerat i oktober 2026)
Beteende vid frågor som inte går att besvara När hämtningen kommer tillbaka tom avvisas frågan i stället för att gissas. En avvisning kostar lika många krediter som ett svar. Måste slås på: alternativ i anropet hoppar över svaret för fientliga frågor eller frågor som inte söker ett svar och returnerar sökresultat, eller returnerar ett reservsvar när innehållet inte är relevant. I exemplen är de avstängda som standard. Answer method (kontrollerat i oktober 2026)
Hämtningsarkitektur (strukturerat minne, vektorindex eller filsökning) Strukturerat minne som byggs vid import: ett träd per dokument med en indexsammanfattning, avsnittssammanfattningar och lövavsnitt med sidor och byteintervall. Två hämtningstrattar, uppifrån och ned över sammanfattningarna och nedifrån och upp med nyckelords- plus inbäddningssökning över lövavsnitten, sammanslagna till en rangordning. Utvecklare Hanterad tolkning (digital, OCR eller layouttolk) och dokumentchunkning för RAG; semantisk och hybrid sökning. Interna detaljer om rankning och inbäddningar: inte dokumenterat. Parse and chunk documents, Pricing (kontrollerat i oktober 2026)
Svarsmodeller som stöds Vilken språkmodell som helst. Du väljer vilken modell som svarar, inställt per arbetsyta; på Corporate kan du använda din egen modellnyckel eller låta administratörer välja modellerna. Utvecklare Gemini-modeller, valda med en inställning för modellversion. Andra modeller för answer-metoden: inte dokumenterat. Answer generation models (kontrollerat i oktober 2026)
Tillgång till API och MCP REST-API och en MCP-server. MCP-servern är i beta; OAuth-inloggning i det delade molnet håller på att färdigställas. API:et på Free är i beta. Utvecklare REST-API med klientbibliotek, en konsol och en inbäddningsbar widget. En fjärr-MCP-server som Google driver, med verktyg för sökning, konversationssökning och listning av motorer. MCP reference (kontrollerat i oktober 2026)
Exportformat för data Open Knowledge Format: en mapp per dokument med Markdown och YAML front matter, som innehåller indexsammanfattningen, hela texten, originalfilen och en mapp per avsnitt. Läsbart via API:et och exporterbart medan kontot är aktivt. Utvecklare Ingen exportfunktion eller exportformat dokumenterat. Dokument kan listas via REST-API:et och chunkar läsas som JSON. Format för massexport: inte dokumenterat. documents.list, Parse and chunk documents (kontrollerat i oktober 2026)
Användning av kunddata för träning Används aldrig för att träna AI, varken av Thalius eller av modelleverantörerna; deras avtal förbjuder det. Säkerhet Google uppger att man inte använder dina data för att träna eller finjustera modeller utan din tillåtelse eller instruktion. Ett branschspecifikt tillägg om dataanvändning låter Google ta stickprov på data för att förbättra sin teknik; om det gäller en vanlig sökapp: inte dokumenterat. Data governance, Data use terms (kontrollerat i oktober 2026)
Prismodell och gratisnivå Krediter, samma enhet på varje nivå. Free med krediter som ingår varje månad och utan kort, Starter, och Corporate enligt offert. En avvisning kostar lika mycket som ett svar. Belopp på Priser Två modeller: betala per användning per 1 000 frågor plus indexlagring, eller en konfigurerbar prenumeration med lägsta åtaganden. En månatlig kostnadsfri provkvot av frågor. Belopp på prissidan (kontrollerat i oktober 2026)

Benchmark

Inget publicerat benchmarkresultat för Vertex AI Search på den här korpusen; vi gör ingen jämförelse av träffsäkerhet. Vår publicerade benchmark använder tio offentliga FDA-dokument för Saxenda, Wegovy och Zepbound (2 198 sidor) och sexton frågor skrivna av Atrogis team. Korpusen, frågorna och Hippocampus resultat finns i FDA GLP-1-benchmarken, och varje publicerat resultat finns på sidan Bevis.

När Vertex AI Search (Agent Search) är det bättre valet

  • Dina dokument finns i Google Drive, Cloud Storage eller BigQuery och behörigheterna måste följa varje användares identitet: Vertex AI Search (Agent Search) filtrerar resultaten efter den sökande användarens åtkomstlista, med identitet från Google Identity eller federerad Entra ID, Okta eller Ping (Access control, kontrollerat i oktober 2026).
  • Du vill ha en separat förankringskontroll: Check Grounding API ger ett svarsförslag ett värde från 0 till 1 mot angivna fakta och citerar stödjande chunkar per påstående (Check grounding, kontrollerat i oktober 2026).
  • Du vill ha en hanterad tolkningspipeline inuti Google Cloud: digital tolk, OCR-tolk och layouttolk, chunkning för RAG och datalagring i vila i multiregionerna USA eller EU (Parse and chunk documents, Locations, kontrollerat i oktober 2026).
  • Ditt team bygger på Gemini: answer-metoden använder Gemini-modeller valda med en inställning för modellversion (Answer generation models, kontrollerat i oktober 2026).

Prova Hippocampus på samma dokument

Ladda upp de dokument du skulle lägga i ett datalager i Vertex AI Search (Agent Search) och ställ samma frågor till Hippocampus, och öppna sedan den citerade sidan för varje svar. Börja gratis, inget kort. Läs först hur Hippocampus upprätthåller behörigheter och var dokumenten lagras, API:et, MCP-servern och exportformatet, hur krediter fungerar på varje nivå och drift i eget moln eller helt på egna servrar med Enterprise-paketet.

Källor och senaste uppdatering

Senast uppdaterad: oktober 2026.

Frågor

Vanliga frågor

Byter Vertex AI Search namn till Agent Search?

Ja: enligt Googles dokumentation byter Vertex AI Search namn till Agent Search och ingår i Gemini Enterprise Agent Platform, och API:et är fortfarande discoveryengine.googleapis.com (kontrollerat i oktober 2026).

Upprätthåller Vertex AI Search behörigheter på dokument?

Ja, per användare, när åtkomstkontroll väljs när datalagret skapas: resultaten begränsas till dokument som den sökande användaren får se, med identitet från Google Identity eller en federerad leverantör som Entra ID, Okta eller Ping (kontrollerat i oktober 2026). Hippocampus upprätthåller behörigheter på mappar och dokument, grupper och arv inuti sökningen, före rankningen.

Kan jag behålla mina data i EU?

Ja med båda, med olika begränsningar. Vertex AI Search erbjuder en EU-multiregion med datalagring i vila inom regionen, där vissa funktioner är begränsade jämfört med den globala platsen (kontrollerat i oktober 2026). Hippocampus lagrar dokument och kunskapsstrukturen i EU (Finland); modellinferens körs som standard i USA och kan på Corporate köras EU-hostad eller i din egen miljö.

Vilka svarsmodeller stöder respektive produkt?

Vertex AI Search svarar med Gemini-modeller, valda med en inställning för modellversion (kontrollerat i oktober 2026). Hippocampus fungerar med vilken språkmodell som helst: du väljer vilken modell som svarar, inställt per arbetsyta, och på Corporate kan du använda din egen modellnyckel.

Har Hippocampus jämförts med Vertex AI Search i en benchmark?

Nej: det finns inget publicerat benchmarkresultat för Vertex AI Search på vår FDA-korpus, så vi gör ingen jämförelse av träffsäkerhet.