—
ストレージコスト/月—インデックスサイズ
—バイト/ベクトル
—年間
寸法と数により保管料金が設定されます
ベクトル ストレージは、埋め込みサイズとチャンク数の積、およびインデックスのオーバーヘッドに応じて拡張できるため、より小さなモデルと量子化が大規模に効果を発揮します。コーパスを埋め込むための 1 回限りのコストを追加します。 埋め込みコスト計算ツール、およびクエリに費やされる時間 RAG コスト計算ツール.
エンベディングの保存に実際にかかるコスト - ベクトル、次元、インデックスのオーバーヘッド。
ベクトル ストレージは、埋め込みサイズとチャンク数の積、およびインデックスのオーバーヘッドに応じて拡張できるため、より小さなモデルと量子化が大規模に効果を発揮します。コーパスを埋め込むための 1 回限りのコストを追加します。 埋め込みコスト計算ツール、およびクエリに費やされる時間 RAG コスト計算ツール.
無料のベクター データベース ストレージ計算ツール — ベクター数、埋め込みディメンション、インデックスのオーバーヘッドを、RAG の実際のストレージ サイズと月額コストに換算します。
各ベクトルは、その次元カウントと数値ごとのバイト数を掛けたものになります。1536 次元の float32 ベクトルは約 6 KB です。保存するベクトルの数を掛けて、インデックスのオーバーヘッドを追加します (HNSW スタイルのグラフの場合は約 20 ～ 50%)。その合計を 10 億で割ったものがギガバイトであり、プロバイダーはこれを GB 月ごとに請求します。
より小さい次元の埋め込みモデルを使用し、ベクトルを float32 から int8 またはバイナリに量子化し (4 倍以上の節約)、ドキュメントのチャンク化をあまり積極的に行わないため、保存するベクトルが少なくなります。 RAG コーパスが数百万に成長した場合には、未使用のメタデータを削除し、古いベクトルを削除することも役立ちます。
さまざまなボリュームでのコスト:
| 音量 | 毎月 | 毎年 |
|---|