向量搜索是语义搜索、推荐系统和检索增强生成（RAG）的核心技术。然而，默认情况下，提供查询服务的服务器既能看到用户的查询嵌入，也能看到匹配的语料库，这对查询用户和语料库所有者都构成隐私泄露。已有多种加密方案（如 SAP、EMVP、BNTM、Tiptoe）试图解决该问题，但每个方案都在各自独立的语料库、威胁模型、参数选择、硬件和度量约定下进行评估，导致结果无法直接比较，实践者难以理性选择。为此，本文提出了一个统一基准，在相同的工作负载、硬件和度量定义下，对普通文本基线和四种加密后端进行实验比较。实验结果表明，这些方案并非简单地以性能换隐私，而是在隐私、性能和召回率之间形成了帕累托前沿。具体而言：SAP 的性能与普通文本基线相当；EMVP 以 4 倍吞吐量成本实现密码学上的不可区分性；BNTM 在 EMVP 基础上增加了对恶意服务器的可验证性，但中位延迟额外增加 22 倍；Tiptoe 能够隐藏集群选择本身，但每次查询成本是普通文本基线的 190 倍。此外，GPU 加速对普通文本基线和 SAP 有效，但对 EMVP 和 BNTM 无显著收益。所有实验工件均已公开，便于复现。该研究为隐私保护向量搜索领域提供了首个可横向对比的基准，有助于研究者评估方案优劣，也帮助实践者根据自身需求选择合适的技术路线。