How much does a vector database cost?

For most RAG apps the bill is small until you scale. A few hundred thousand vectors at 1536 dimensions is roughly 1-3 GB of indexed storage, which costs a few dollars a month on serverless providers like Pinecone or Zilliz, or is effectively free on self-hosted pgvector running on a VPS you already pay for. Costs climb with the number of vectors stored and the volume of queries per month, not with how clever the model is.

What drives vector database cost the most?

Three things: how many vectors you store, the dimension of each vector (which sets storage size), and how many queries you run per month. Storage scales with vectors x dimensions x 4 bytes plus index overhead; query cost scales with read volume. High-dimension embeddings (3072-d) cost twice as much to store as 1536-d ones for the same vector count.

Is self-hosted pgvector cheaper than managed vector databases?

At small to medium scale, usually yes — pgvector runs inside a Postgres database you may already operate, so the marginal cost is near zero. The trade-off is that you own the indexing, scaling and uptime. Managed services like Pinecone or Zilliz cost more per month but remove that operational work and scale automatically.

Calculadora de custos de banco de dados vetorial

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

Os aplicativos RAG e de incorporação aumentam silenciosamente a conta de armazenamento. Insira quantos vetores você armazena, suas dimensões e suas consultas mensais para ver a pegada bruta - e quanto custa em Pinecone, Zilliz, Qdrant, Weaviate e pgvector auto-hospedado.

Uma conta DB vetorial vem de três números, não do modelo. Quantos vetores você mantém, qual a largura de cada um (sua dimensão) e quantas consultas você executa. Tudo abaixo é derivado desses três - o armazenamento é vectors × dimension × 4 bytes além de sobrecarga de índice e escalas de custo de consulta com volume de leitura.

Como o número de armazenamento é construído

Cada vetor é uma matriz de pontos flutuantes de 32 bits, portanto, uma única incorporação de 1536 dimensões é aproximadamente 6KB bruto (1536 × 4 bytes). Multiplique pela contagem de vetores para a carga útil bruta e adicione aproximadamente 50% de despesas gerais para a estrutura do índice HNSW/FIV e metadados que todo armazenamento sério de vetores mantém junto com os vetores brutos. Esse é o valor do “armazenamento indexado” acima – aquilo pelo qual todo provedor cobra, quer o chamem de armazenamento, pod ou tamanho de cluster. Dobrar a dimensão (1536 → 3072) duplica esse número para a mesma contagem de vetores, e é por isso que "maior incorporação = melhor" não é uma escolha livre.

Por que os fornecedores têm preços tão diferentes

Pinha e Nuvem Zilliz são baseados em uso sem servidor: você paga pelos GB armazenados mais unidades de leitura e gravação, portanto, um endpoint RAG com muita leitura pode custar mais do que seu armazenamento sugere. Nuvem Qdrant e Tecer Nuvem estão mais próximos dos baseados em computação/RAM — você escolhe um tamanho de cluster que deve conter o índice na memória, de modo que o custo rastreia mais o armazenamento do que as consultas. vetor pg é apenas uma extensão dentro do Postgres: se você já executa um banco de dados, adicionar vetores é quase gratuito até que o índice ultrapasse a RAM, momento em que você paga por uma caixa maior. A calculadora nivela tudo isso em um formato de armazenamento + consulta para que você possa comparar a ordem de magnitude e, em seguida, confirmar a fatura exata no provedor escolhido.

Como manter a conta baixa

Armazene menos pedaços melhores, em vez de cada parágrafo duas vezes. Use uma dimensão de incorporação menor quando o recall permitir – 768-d geralmente corresponde a 1536-d em domínios estreitos com metade do armazenamento. Elimine vetores obsoletos em vez de deixar o índice crescer para sempre. E lembre-se do lado da leitura: armazenar em cache as consultas frequentes e o contexto LLM em torno delas é onde está o dinheiro real. Combine isso com o calculadora de economia de cache imediata e, se você estiver dimensionando todo um pipeline de recuperação, o calculadora de custos do chatbot ou o completo Estimador de custos de aplicativos de IA.

Escolhendo incorporações? O OpenAI e Gêmeos guias listam os preços atuais de incorporação e o Calculadora de custos do agente de IA cobre agentes de recuperação aumentada de ponta a ponta.

Perguntas frequentes

Quanto custa um banco de dados vetorial?

Para a maioria dos aplicativos RAG, a conta é pequena até você escalar. Algumas centenas de milhares de vetores em dimensões de 1536 equivalem a aproximadamente 1-3 GB de armazenamento indexado, que custa alguns dólares por mês em provedores sem servidor como Pinecone ou Zilliz, ou é efetivamente gratuito em pgvector auto-hospedado executado em um VPS pelo qual você já paga. Os custos aumentam com o número de vetores armazenados e o volume de consultas por mês, e não com a inteligência do modelo.

O que impulsiona o banco de dados vetorial custa mais?

Três coisas: quantos vetores você armazena, a dimensão de cada vetor (que define o tamanho do armazenamento) e quantas consultas você executa por mês. Escalas de armazenamento com vetores x dimensões x 4 bytes mais sobrecarga de índice; o custo da consulta é dimensionado com o volume de leitura. Os embeddings de alta dimensão (3072-d) custam duas vezes mais para armazenar do que os de 1536-d para a mesma contagem de vetores.

O pgvector auto-hospedado é mais barato do que bancos de dados de vetores gerenciados?

Em pequena e média escala, geralmente sim - o pgvector é executado dentro de um banco de dados Postgres que você já opera, portanto o custo marginal é próximo de zero. A desvantagem é que você possui a indexação, o dimensionamento e o tempo de atividade. Serviços gerenciados como Pinecone ou Zilliz custam mais por mês, mas eliminam esse trabalho operacional e aumentam automaticamente.