How much does it cost to embed documents?

Embedding is billed per token, like an LLM input. Total tokens = documents × average tokens per document, then × the provider's price per million tokens. Modern embedding models are cheap — often $0.02 to $0.13 per million tokens — so embedding a few million tokens once costs cents to low dollars. The cost only matters at very large corpora or when you re-embed often.

What's the hidden recurring cost of embeddings?

Two things people forget. First, every search query must also be embedded — at high query volume that recurring cost can exceed the one-time corpus embedding. Second, whenever you change embedding model or chunking strategy you must re-embed the entire corpus from scratch, paying the full cost again. Vector database storage is separate and is usually the larger ongoing bill.

Which embedding model is cheapest?

Among hosted APIs, small models like OpenAI text-embedding-3-small and Google's embedding model are among the cheapest per token, while larger models like text-embedding-3-large and Voyage's flagship cost more but capture more nuance. Cheapest per token isn't always cheapest overall — a higher-quality embedding can need fewer chunks and less re-ranking. Compare price against your retrieval quality, not in isolation.

Calculadora de custos de incorporações – Custo para incorporar seu corpus (2026)

Incorporar o corpus é a parte barata

O primeiro instinto é temer o custo de incorporar uma grande base de conhecimento. Relaxe: os modelos de incorporação modernos são extraordinariamente barato por token – geralmente de dois a treze centavos por milhão de tokens. Incorporar 100.000 pedaços de 500 tokens equivale a 50 milhões de tokens, o que fica em algum lugar entre $ 1 e $ 7 como um custo único na maioria dos provedores. Para corpora típicos, a incorporação única é um erro de arredondamento. Os custos que realmente somam estão em outro lugar e são fáceis de perder quando você está fazendo uma estimativa.

Os dois custos que as pessoas esquecem

Primeiro, cada consulta também é incorporada. Um produto de pesquisa que incorpora 500.000 consultas por mês está pagando uma pequena taxa recorrente que, ao longo de um ano, pode exceder discretamente o custo único do corpus. Segundo, alterar seu modelo de incorporação ou fragmentar reincorpora tudo - mude de um modelo pequeno para um grande ou reorganize-o para melhor recuperação e você pagará novamente o custo total do corpus. As equipes que iteram na qualidade da recuperação são reincorporadas várias vezes antes de ficarem satisfeitas. Defina acima as reintegrações esperadas por ano para ver quanto essa iteração realmente custa.

Armazenamento é a conta que nunca para

Embeddings são vetores, e armazenar milhões deles em um banco de dados de vetores gerenciado – Pinecone, Qdrant Cloud, Weaviate – geralmente é a solução. maior linha em andamento, diminuindo a própria API de incorporação. Os modelos de dimensão superior (1536, 3072) custam mais para armazenar e pesquisar do que os compactos, portanto, o modelo de incorporação mais barato por token não é automaticamente o sistema mais barato. Defina o preço do armazenamento e da consulta no calculadora de custos de banco de dados vetorial, em seguida, coloque todo o pipeline junto no Calculadora de custos RAG.

Ferramentas e guias relacionados

Calculadora de custos de banco de dados vetorial · Calculadora de custos RAG · Calculadora de custos de ajuste fino · Calculadora de custo de token LLM · Todas as APIs de IA

Perguntas frequentes

Quanto custa incorporar documentos?

A incorporação é cobrada por token, como uma entrada LLM. Total de tokens = documentos × média de tokens por documento e, em seguida, × preço do provedor por milhão de tokens. Os modelos de incorporação modernos são baratos – geralmente de US$ 0,02 a US$ 0,13 por milhão de tokens – portanto, incorporar alguns milhões de tokens custa de centavos a poucos dólares. O custo só importa em corpora muito grandes ou quando você reincorpora com frequência.

Qual é o custo recorrente oculto dos embeddings?

Duas coisas que as pessoas esquecem. Primeiro, cada consulta de pesquisa também deve ser incorporada – em um alto volume de consultas, esse custo recorrente pode exceder a incorporação única do corpus. Em segundo lugar, sempre que você alterar o modelo de incorporação ou a estratégia de agrupamento, deverá reincorporar todo o corpus do zero, pagando novamente o custo total. O armazenamento de banco de dados vetorial é separado e geralmente é a conta contínua mais importante.

Qual modelo de incorporação é mais barato?

Entre as APIs hospedadas, modelos pequenos como OpenAI text-embedding-3-small e o modelo de incorporação do Google estão entre os mais baratos por token, enquanto modelos maiores como text-embedding-3-large e o carro-chefe da Voyage custam mais, mas capturam mais nuances. O mais barato por token nem sempre é o mais barato no geral — uma incorporação de maior qualidade pode exigir menos pedaços e menos reclassificação. Compare o preço com a qualidade da sua recuperação, não isoladamente.

Calculadora de custos de incorporações

Custo único do corpus por provedor