Caliby ist ein eingebettetes Vektor-Retrieval-Framework, das gemeinsam von Sea-Land AI und dem MIT DB Group-Team um Michael Stonebraker entwickelt wurde. Der Kern ist in C++ geschrieben und wird über pybind11-Bindings in Python verfügbar gemacht. Laut den Entwicklern übertrifft Caliby pgvector in direkten Leistungsvergleichen um den Faktor 4 und schlägt FAISS in Disk-Storage-Szenarien, obwohl FAISS als reine In-Memory-Lösung gilt. Unterstützt werden drei Indexstrukturen: HNSW, DiskANN (Vamana Graph) und IVF+PQ – ausgelegt für Szenarien mit Millionen bis Zehnmillionen Vektoren. Für CPU-Beschleunigung nutzt Caliby SIMD-Instruktionen (AVX-512, AVX2, SSE) ohne externe Abhängigkeiten. Besonders für AI-Agent- und RAG-Workflows ist die native Unterstützung von Text- und Vektordaten in einem einzigen Buffer-Pool-System relevant: Metadaten, Rohtexte und Embeddings werden gemeinsam verwaltet, was das Bouncing zwischen einer Vektordatenbank und einer relationalen Datenbank entfällt. Die Motivation der Entwickler war der fehlende „DuckDB-Moment" bei Vektordatenbanken – ein leichtgewichtiges, dateibasiertes System ohne Cluster-Setup, das trotzdem Enterprise-Niveau bei der Performance erreicht.