Kalkulator Biaya Basis Data Vektor
Estimasi biaya penyimpanan dan kueri untuk beban kerja basis data vektor Anda — online, gratis, dan 100 % privat. Bandingkan Pinecone, Qdrant, Weaviate, Chroma, pgvector, dan opsi self-hosted berdampingan memakai jumlah vektor, dimensi embedding, dan volume kueri Anda yang tepat. Termasuk overhead indeks HNSW dan proyeksi skenario skala.
Estimate monthly storage and query costs for your vector database workload. Compare Pinecone, Qdrant, Weaviate, Chroma, pgvector, and self-hosted options side by side. Runs 100% in your browser - no data is sent anywhere.
Dataset Size
1,000,000 vectors
Query & Write Volume
Estimated Monthly Cost Range
Cheapest: Weaviate Serverless Dimensions-based · Most expensive: Qdrant Cloud Managed (per GB RAM)
Vectors
1,000,000
Storage
6.87 GB
Queries / mo
300,000
Writes / mo
150,000
Provider Cost Comparison
Sorted by lowest monthly cost| Provider / Tier | Storage | Queries | Writes | Flat Fee | Monthly Total |
|---|---|---|---|---|---|
Weaviate Serverless Cheapest Dimensions-based | $0.07 | $1.50 | $0.22 | - | $1.80 |
Chroma Cloud Serverless | $0.10 | $2.40 | $0.15 | - | $2.65 |
Pinecone Builder (Flat) | - | - | - | $20.00 | $20.00 |
pgvector (RDS) AWS RDS Postgres | $0.79 | $0.30 | $0.08 | $25.00 | $26.16 |
Self-Hosted Qdrant Docker / K8s | $0.55 | - | - | $30.00 | $30.55 |
PineconePopular Serverless Standard | $0.08 | $4.50 | $0.30 | $50.00 | $54.88 |
Weaviate Cloud Flex (Pay-as-you-go) | $308.99 | - | - | $45.00 | $353.99 |
Qdrant Cloud Managed (per GB RAM) | $336.46 | - | - | $49.00 | $385.46 |
* Monthly estimates. Actual costs may vary with egress, region, tiers, discounts, and free credits. Always verify with the provider's official pricing page.
Cost Breakdown - Weaviate Serverless Dimensions-based
Storage Cost
$0.07
Query Cost
$1.50
Write Cost
$0.22
Base / Flat Fee
$0.00
ℹ️ Pricing based on dimensions stored × hours.
Scale Scenario Estimates (Pinecone Serverless Standard vs Self-Hosted Qdrant)
| Scale | Pinecone Standard | Self-Hosted Qdrant | Savings |
|---|---|---|---|
| Prototype (100K vectors) | $50.49/mo | $30.05/mo | $20.43/mo |
| Startup (1M vectors) | $54.88/mo | $30.55/mo | $24.33/mo |
| Scale-up (10M vectors) | $98.82/mo | $35.49/mo | $63.33/mo |
| Enterprise (100M vectors) | $538.20/mo | $84.93/mo | $453.27/mo |
Bagaimana penyimpanan vektor dihitung
Penyimpanan mentah bergantung pada jumlah vektor dan dimensinya: setiap dimensi menempati 4 byte dalam float32. Ditambah overhead indeks.
Dimensi model embedding adalah tuas paling langsung: dari 1536 ke 768 memotong penyimpanan separuh.
- Byte per vektor = dimensi × 4 byte.
- Overhead HNSW: tambahan 15-25 %.
- Metadata per vektor juga menambah byte.
Penyimpanan, kueri, dan tarif tetap
Penyedia menagih dengan cara berbeda: per vektor, per GB, atau biaya bulanan tetap. Pilihan terbaik bergantung pada rasio kueri terhadap vektor.
- Tarif tetap: terbaik untuk banyak vektor dan banyak kueri.
- Penagihan per vektor: sederhana, tetapi cepat tumbuh dengan korpus.
- Self-hosted: lebih murah dalam skala, lebih berat operasional.
Membandingkan penyedia per skenario
Karena biaya tidak berskala sama di semua penyedia, proyeksikan beberapa skenario pertumbuhan sebelum memutuskan.
- Hitung jumlah vektor dan dimensi Anda saat ini.
- Estimasi volume kueri harian dan bulanan.
- Bandingkan biaya bulanan tiap penyedia di tabel.
- Proyeksikan skenario skala untuk melihat kapan self-host mulai hemat.
Pertanyaan yang Sering Diajukan
Alat ini memperkirakan pengeluaran bulanan untuk penyimpanan dan kueri saat menjalankan basis data vektor untuk aplikasi AI seperti pipeline RAG, pencarian semantik, dan sistem rekomendasi. Anda memasukkan ukuran dataset, dimensi embedding, dan volume kueri harian, lalu kalkulator menampilkan estimasi biaya di Pinecone, Qdrant, Weaviate, Chroma, pgvector, dan opsi self-hosted.
Biaya penyimpanan berasal dari: jumlah vektor × dimensi embedding × 4 byte (float32) + 20 % overhead indeks HNSW. Misalnya, 1 juta vektor dengan 1536 dimensi = ~5,8 GB data mentah, atau ~7 GB dengan indeks. Penyedia lalu menagih per vektor, per GB, atau memasukkan penyimpanan dalam biaya bulanan tetap.
HNSW (Hierarchical Navigable Small World) adalah algoritma graf yang dipakai hampir semua basis data vektor produksi untuk pencarian tetangga terdekat aproksimatif yang cepat. Algoritma ini memelihara struktur graf berlapis yang menghubungkan vektor mirip, menambah sekitar 15-25 % ke penyimpanan mentah. Tanpa HNSW, pencarian kemiripan harus memindai semua vektor — terlalu lambat dalam skala.
Bergantung pada beban kerja Anda. Untuk dataset kecil dengan volume kueri tinggi, penyedia tarif tetap seperti Qdrant Cloud atau Qdrant self-hosted biasanya termurah karena tidak ada biaya per kueri. Untuk dataset sangat kecil dengan pemakaian moderat, pgvector di RDS sering paling hemat. Pinecone Serverless Standard punya minimum US$ 50/bulan tetapi berskala baik. Gunakan tabel perbandingan.
Self-host biasanya mulai hemat pada 5-10 juta vektor, tergantung volume kueri. Pada skala itu, VM cloud yang menjalankan Qdrant berbiaya US$ 50-150/bulan versus US$ 500-1.500/bulan untuk kapasitas setara di Pinecone Serverless Standard. Trade-off-nya adalah beban operasional: upgrade, backup, scaling, dan ketersediaan menjadi tanggung jawab Anda.
Ya, signifikan. Biaya penyimpanan berskala linear dengan dimensi. Embedding 3072 dimensi berbiaya tepat dua kali penyimpanan embedding 1536, dan 6× lebih besar daripada model 512. Untuk aplikasi yang sensitif biaya, memilih model embedding berdimensi lebih rendah adalah cara paling efektif menekan penyimpanan.
Ya. Kalkulator berjalan sepenuhnya di browser Anda. Parameter dataset, jumlah vektor, volume kueri, dan proyeksi biaya dihitung lokal di perangkat Anda dan tidak pernah dikirim ke server mana pun. Perencanaan infrastruktur Anda tetap 100 % privat.