What does a RAG chatbot cost per query?

Each RAG query pays for an embedding of the question, a vector-database lookup, and the LLM call that includes the retrieved chunks as context. The LLM input (your retrieved context can be thousands of tokens) usually dominates; embeddings and the vector query are cents or less.

How do I cut RAG costs?

Retrieve fewer and smaller chunks, cache the system prompt, use a cheaper model for routine answers, and cache embeddings for repeated queries. Retrieved context size is the biggest cost lever.

APICostCalc

Modèles d'IA Calculatrice Outils Apprendre API d'IA Cryptomonnaie Paiements Toutes les API 🔔 Alertes Blogue

Calculateur de coût du chatbot RAG

✓ Dernière vérification : 2026-07-15· Source : page officielle des tarifs du fournisseur· Auto-surveillé - signaler un changement →

Ce que coûte réellement un chatbot augmenté par récupération : intégration, recherche de vecteurs et LLM transportant votre contexte, par requête et par mois.

Le coût d'un chatbot RAG est dominé par le contexte récupéré que vous insérez dans l'invite, pas la question. Chaque requête = intégration + recherche de vecteur + un appel LLM transportant vos morceaux. Entrez votre consommation pour voir la facture mensuelle.

Requêtes / mois

Jetons de contexte/requête récupérés

Jetons de réponse / requête

Entrée LLM $/1M

Résultat LLM $/1 M

—

par mois

—par requête

—par année

—requêtes/mois

Répartition des coûts par requête

Composant	$ / requête	% du total

⚠️ Estimations de référence (juillet 2026). L'intégration de jetons d'environ 0,02 $/1 M et une requête vectorielle sont minuscules à côté de l'appel LLM transportant le contexte récupéré. Les prix varient selon le modèle et le fournisseur – saisissez vos tarifs réels. Le stockage de la base de données vectorielle est facturé séparément (voir le calculateur de coût de la base de données vectorielle). · Signaler un prix obsolète →

Pourquoi le contexte récupéré est le facteur de coût

Les gens supposent que la question détermine le coût du RAG. Ce n'est pas le cas - le morceaux récupérés vous collez dans l'invite do. Extrayez 8 morceaux de 500 jetons et chaque requête contient 4 000 jetons d'entrée avant que le modèle n'écrive un mot. C'est pourquoi récupérer des morceaux moins nombreux, plus petits et de meilleure qualité bat toute autre optimisation, suivi de mise en cache l'invite système statique. Dimensionnez le magasin de vecteurs avec le calculateur de coût de base de données vectorielle, et comparer les modèles sur le Calculateur de coût de l'API IA. Pour un bot non-RAG, consultez le calculateur de coût de chatbot.

Hébergez votre projet :DigitalOcean — 200 $ gratuits ↗VPS Hostinger

Calculateur de débit provisionné (PTU)Calculateur de coût de conversation à plusieurs tours Calculateur de balisage AI Gateway Calculateur de prix de siège et d'utilisation Estimateur du coût des applications IA

Échanges

Bybit Binance OKX KuCoin Bitget Porte.io MEXIQUE

Outils et hébergement

📈TradingView 🔒NordVPN 💳 Révolution Océan Numérique $200 Hébergeur

Comment fonctionne cette calculatrice

Estimez ce que coûte un chatbot RAG par requête et par mois : intégrations, récupération de vecteurs et appel LLM transportant votre contexte.

Questions fréquemment posées

Combien coûte un chatbot RAG par requête ?

Chaque requête RAG paie pour l'intégration de la question, une recherche dans la base de données vectorielles et l'appel LLM qui inclut les morceaux récupérés comme contexte. L'entrée LLM (votre contexte récupéré peut être constitué de milliers de jetons) domine généralement ; les incorporations et la requête vectorielle coûtent des centimes ou moins.

Comment puis-je réduire les coûts RAG ?

Récupérez des morceaux moins nombreux et plus petits, mettez en cache l'invite du système, utilisez un modèle moins cher pour les réponses de routine et mettez en cache les intégrations pour les requêtes répétées. La taille du contexte récupéré est le plus gros levier de coûts.