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

Modelos de IA Calculadora Ferramentas Aprender APIs de IA Criptografia Pagamentos Todas as APIs 🔔 Alertas Blogue

Calculadora de custos do chatbot RAG

✓ Última verificação: 15/07/2026· Fonte: página oficial de preços do fornecedor· Monitorado automaticamente — relatar alteração →

Quanto custa realmente um chatbot com recuperação aumentada - incorporação, pesquisa de vetor e o LLM que carrega seu contexto, por consulta e por mês.

O custo de um chatbot RAG é dominado pelo contexto recuperado que você coloca no prompt, não a pergunta. Cada consulta = incorporação + pesquisa de vetor + uma chamada LLM carregando seus pedaços. Insira seu uso para ver a fatura mensal.

Consultas / mês

Tokens/consulta de contexto recuperados

Responder tokens/consulta

Entrada LLM $/1 milhão

Produção LLM $/1 milhão

—

por mês

—por consulta

—por ano

—consultas/mês

Detalhamento de custos por consulta

Componente	$/consulta	% do total

⚠️ Estimativas de referência (julho de 2026). A incorporação de tokens de ~$ 0,02/1 milhão e uma consulta vetorial são minúsculas ao lado da chamada LLM que transporta o contexto recuperado. Os preços variam de acordo com o modelo e o fornecedor – digite suas taxas reais. O armazenamento do banco de dados vetorial é cobrado separadamente (consulte a calculadora de custos do banco de dados vetorial). · Informar preço desatualizado →

Por que o contexto recuperado é o gerador de custos

As pessoas presumem que a questão impulsiona o custo do RAG. Isso não acontece - o pedaços recuperados você cola no prompt do. Extraia 8 pedaços de 500 tokens e cada consulta carrega 4.000 tokens de entrada antes que o modelo escreva uma palavra. É por isso recuperando menos pedaços, menores e melhores supera qualquer outra otimização, seguida por cache o prompt estático do sistema. Dimensione o armazenamento de vetores com o calculadora de custos de banco de dados vetoriale comparar modelos no Calculadora de custos de API de IA. Para um bot não RAG, consulte o calculadora de custos do chatbot.

Hospede seu projeto:DigitalOcean – $ 200 grátis ↗VPS da Hostinger

Calculadora de rendimento provisionado (PTU)Calculadora de custos de conversação multivoltas Calculadora de marcação do AI Gateway Calculadora de preços de assento versus uso Estimador de custos de aplicativos de IA

Trocas

Bybit Binância OKX KuCoin Bitget Portão.io México

Ferramentas e hospedagem

📈 Visualização de Negociação 🔒NordVPN 💳 Revolução Oceano Digital $200 Hospedeiro

Como funciona esta calculadora

Estime quanto custa um chatbot RAG por consulta e por mês - incorporações, recuperação de vetores e a chamada LLM que transporta seu contexto.

Perguntas frequentes

Quanto custa um chatbot RAG por consulta?

Cada consulta RAG paga pela incorporação da pergunta, uma pesquisa no banco de dados vetorial e a chamada LLM que inclui os pedaços recuperados como contexto. A entrada LLM (seu contexto recuperado pode conter milhares de tokens) geralmente domina; os embeddings e a consulta vetorial custam centavos ou menos.

Como faço para cortar custos de RAG?

Recupere menos e menores pedaços, armazene em cache o prompt do sistema, use um modelo mais barato para respostas de rotina e armazene em cache para consultas repetidas. O tamanho do contexto recuperado é a maior alavanca de custo.