Опубликовано 25 июня 2026 г. · справочные номера, проверьте перед составлением бюджета
Спросите «сколько стоит векторная база данных?» и вы получите четыре ответа в зависимости от того, кто продает. Честный ответ заключается в том, что для большинства приложений с расширенным поиском (RAG) счет составляет крошечный, пока не масштабируешь — и что уровень хранения почти никогда не является самой дорогостоящей частью функции ИИ. Самая дорогая часть — это звонок LLM, который происходит после извлечения. Но векторная база данных — это то, на чем люди зацикливаются, поэтому давайте на самом деле оценим ее размер. Мы возьмем одну конкретную рабочую нагрузку и прогоним ее Сосновая шишка, Zilliz Cloud, Qdrant, Weaviate и самостоятельное размещение pgvector.
Приложение RAG среднего размера: 500 000 векторов, каждый 1536-размерность вложение (размер OpenAI text-embedding-3-small производит), обслуживает 1 000 000 запросов в месяц. Это настоящий продукт — поиск документации, поддержка второго пилота, внутренняя база знаний с постоянным трафиком. Первое, что нужно вычислить, — это не цена, а занимаемая площадь хранения, потому что это то, за что взимает плату каждый провайдер.
Вектор представляет собой массив 32-битных чисел с плавающей запятой. Таким образом, одно вложение размером 1536 равно 1536 × 4 = 6144 байта, около 6 КБ. Умножьте на 500 000 векторов и получите ~3 ГБ необработанных векторов. Добавить примерно 50% накладные расходы для структуры индекса (графики HNSW или IVF) и метаданных, которые каждый магазин хранит рядом с векторами, и вы попадаете рядом 4,6 ГБ индексированного хранилища. Запомните это число — вот и вся история:
| Водитель | Математика | Результат |
|---|---|---|
| Один вектор 1536-d | 1536 × 4 байта | ~6 КБ |
| 500 000 векторов (необработанных) | 6 КБ × 500 КБ | ~3,1 ГБ |
| + индекс и метаданные | × ~1,5 | ~4,6 ГБ |
Из этого сразу выпадают две вещи. Первый, размерность — это рычаг затрат: переключиться на модель размером 3072 (text-embedding-3-large), и вы удваиваете это число для точно такого же количества векторов. Во-вторых, 4,6 ГБ — это мало. Это изюминка большинства страниц с ценами.
Вот где модели ценообразования расходятся и почему таблицы прямых сопоставлений вводят в заблуждение. Сосновая шишка и законопроект Zilliz Cloud использование — хранимые ГБ плюс единицы чтения/записи — поэтому конечная точка с большим количеством запросов стоит больше, чем предполагает ее хранилище. Счет Qdrant и Weaviate вычисления/ОЗУ — вы выбираете кластер, достаточно большой, чтобы хранить индекс в памяти, поэтому стоимость учитывает хранилище, а не запросы. А pgvector — это всего лишь расширение внутри Postgres: если у вас уже есть база данных, предельные затраты на добавление векторов близки к нулю. Сведено к сопоставимой месячной оценке для нашей рабочей нагрузки в 4,6 ГБ/1 млн запросов:
| Поставщик | Модель ценообразования | Стандартное восточное время. / месяц |
|---|---|---|
| pgvector (самостоятельный хостинг на вашем VPS) | вычислить | ~ 40 долларов (часто маржинальный 0 долларов) |
| Кдрант Облако | компьютер / ОЗУ | ~$26 |
| Зиллиз Клауд (Милвус) | использование | ~$6 |
| Плетёное облако | компьютер / ОЗУ | ~$2 |
| Сосновая шишка без сервера | использование | ~$18 |
Посмотрите на ассортимент: от однозначного до двузначного числа долларов в месяц. Как бы вы это ни сократили, уровень хранения для приложения с 500 тысячами векторов представляет собой ошибку округления рядом с затратами на встраивание и генерацию вокруг него. Спор о том, какая векторная БД является самой дешевой, приносит реальные деньги только при десятках миллионов векторов или экстремальной частоте запросов — ниже этого выбирайте операции и функции, а не цену.
Три вещи двигают счет векторной БД, и ни одна из них не является логотипом на приборной панели:
Для приложения RAG с 500 тыс. векторов и 1 млн запросов в 2026 г. бюджет менее ~$40/месяц за базу данных векторов на любом из них — и часто за несколько долларов или практически бесплатно на pgvector. Размер занимаемая площадь хранения сначала (векторы × размер × 4 байта × ~1,5) решите, привязан ли ваш трафик к хранилищу или к запросу, а затем выберите операции, а не фиксированную цену. Поисковый магазин — дешевая часть RAG; звонок LLM после него — это то, на что вам следует потратить свою энергию оптимизации — см. Калькулятор стоимости Тряпки для полной картины.
Попробуйте цифры сами: тот векторный калькулятор стоимости базы данных берет количество векторов, размерность и объем запросов и сравнивает всех пяти поставщиков. Затем измерьте остальную часть трубопровода с помощью Калькулятор стоимости Тряпки или весь продукт с Оценщик стоимости приложения с искусственным интеллектом. Это тот же урок, что и скрытые расходы на API, которые удваивают ваш счет: моделируйте драйвер, а не логотип.
Цифры являются справочными оценками (июнь 2026 г.) и часто меняются. Модели ценообразования Vector DB существенно различаются — на основе использования и на основе вычислений — и уровни бесплатного пользования (Pinecone Starter, бесплатный кластер Zilliz, Qdrant 1 ГБ бесплатно) здесь не вычитаются. Всегда уточняйте цены на официальной странице каждого поставщика перед составлением бюджета.