Calculadora de custos de banco de dados vetorial
Estime os custos de armazenamento e consultas da sua carga vetorial — online, grátis e 100 % privado. Compare Pinecone, Qdrant, Weaviate, Chroma, pgvector e opções auto-hospedadas lado a lado usando seu número exato de vetores, dimensões de embedding e volume de consultas. Inclui o overhead do índice HNSW e projeções por cenários de escala.
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 |
Como o armazenamento vetorial é calculado
O armazenamento bruto depende do número de vetores e de suas dimensões: cada dimensão ocupa 4 bytes em float32. A isso se soma o overhead do índice.
As dimensões do modelo de embedding são a alavanca mais direta: sair de 1536 para 768 corta o armazenamento pela metade.
- Bytes por vetor = dimensões × 4 bytes.
- Overhead HNSW: 15-25 % adicionais.
- Metadados por vetor também somam bytes.
Armazenamento, consultas e tarifa fixa
Os provedores cobram de formas diferentes: por vetor, por GB ou em mensalidade fixa. A melhor opção depende da sua razão consultas/vetor.
- Tarifa fixa: melhor para muitos vetores e muitas consultas.
- Cobrança por vetor: simples, mas cresce rápido com o corpus.
- Auto-hospedado: mais barato em escala, mais carga operacional.
Comparar provedores por cenário
Como os custos não escalam igual em todos os provedores, projete vários cenários de crescimento antes de decidir.
- Calcule seu número de vetores e dimensões atuais.
- Estime o volume diário e mensal de consultas.
- Compare o custo mensal de cada provedor na tabela.
- Projete cenários de escala para ver quando auto-hospedar compensa.
Perguntas frequentes
Ela estima as despesas mensais de armazenamento e consultas de rodar um banco de dados vetorial para aplicações de IA como pipelines RAG, busca semântica e sistemas de recomendação. Você informa o tamanho do dataset, as dimensões de embedding e o volume diário de consultas, e a calculadora mostra custos estimados em Pinecone, Qdrant, Weaviate, Chroma, pgvector e auto-hospedado.
O custo de armazenamento deriva de: número de vetores × dimensões do embedding × 4 bytes (float32) + 20 % de overhead do índice HNSW. Por exemplo, 1 milhão de vetores com 1536 dimensões = ~5,8 GB de dados brutos, ou ~7 GB com o índice. Depois os provedores cobram por vetor, por GB ou incluem o armazenamento em uma mensalidade fixa.
HNSW (Hierarchical Navigable Small World) é o algoritmo de grafo usado por praticamente todos os bancos vetoriais de produção para busca aproximada de vizinhos mais próximos. Ele mantém um grafo multicamada ligando vetores semelhantes, o que adiciona cerca de 15-25 % ao armazenamento bruto. Sem HNSW, as buscas de similaridade exigiriam varrer todos os vetores, lento demais em escala.
Depende da sua carga. Para datasets pequenos com alto volume de consultas, provedores de tarifa fixa como Qdrant Cloud ou Qdrant auto-hospedado costumam ser os mais baratos, pois não cobram por consulta. Para datasets muito pequenos com uso moderado, pgvector no RDS costuma ser o mais econômico. O Pinecone Serverless Standard tem mínimo de US$ 50/mês, mas escala bem. Use a tabela comparativa desta calculadora.
Auto-hospedar costuma ser econômico a partir de 5-10 milhões de vetores, conforme o volume de consultas. Nessa escala, uma VM na nuvem rodando Qdrant custa US$ 50-150/mês contra US$ 500-1.500/mês de capacidade equivalente no Pinecone Serverless Standard. O trade-off é a carga operacional: atualizações, backups, escalabilidade e disponibilidade ficam com você.
Sim, significativamente. O custo de armazenamento escala linearmente com as dimensões. Um embedding de 3072 dimensões custa exatamente o dobro para armazenar que um de 1536, e 6× mais que um modelo de 512. Para aplicações sensíveis a custo, escolher um modelo de embedding de dimensão menor é a forma mais eficaz de reduzir o armazenamento.
Sim. A calculadora roda inteiramente no seu navegador. Parâmetros do dataset, número de vetores, volumes de consultas e projeções de custo são calculados localmente no seu dispositivo e nunca transmitidos a servidor algum. Seu planejamento de infraestrutura permanece 100 % privado.