La teva factura de Pinecone era de 52 $ el trimestre passat. Aquest trimestre és de 1.300 $, i no has canviat res excepte tenir èxit. Més usuaris, més documents, més consultes — exactament el creixement que volies — i cada unitat es mesura a 16-18 $ per milió d'unitats de lectura a sobre de l'emmagatzematge. Aquest és el moment en què l'autoallotjament deixa de ser un hobby d'enginyeria i es converteix en una qüestió financera: en quin punt una màquina de cost fix executant Qdrant o Milvus és més barata que el comptador per consulta, i com ho demostres abans de migrar?
Aquest article recorre com mesura realment Pinecone serverless, quant costa de veritat un desplegament autoallotjat de Qdrant o Milvus un cop comptes el temps d'enginyeria, les matemàtiques del punt d'equilibri que localitzen el teu punt de creuament, i com cada opció arriba als teus llibres — perquè un servidor que posseeixes i una factura que pagues no són el mateix tipus de diners.
Com mesura realment Pinecone serverless
El preu serverless de Pinecone té quatre controls, i només un es comporta com una subscripció. El pla Standard inclou un mínim mensual de 50 $ — el pagues fins i tot en un mes tranquil — i per sobre pagues segons l'ús en tres dimensions més l'egress.
L'emmagatzematge és el control més petit: 0,33 $ per GB al mes. Un índex de 10 milions de vectors d'embeddings de 1536 dimensions ocupa aproximadament 60 GB, així que uns 20 $ al mes. Ningú migra per l'emmagatzematge.
Les unitats de lectura són el control que mou la factura. Standard cobra 16-18 $ per milió d'unitats de lectura, amb tarifes que varien segons la regió del núvol, i cada consulta consumeix unitats de lectura aproximadament en proporció a la part de l'índex que escaneja. Les unitats d'escriptura són més barates, a 4-4,50 $ per milió, cosa que importa durant la ingesta massiva i la re-embedding però passa a segon pla per a una càrrega de treball RAG intensiva en lectures. Des del setembre de 2026, l'egress més enllà dels 100 GB inclosos al mes es mesura a 0,10 $ per GB — una línia que gairebé no existia fa un any i ara mereix la seva pròpia fila al teu full de càlcul.
El nivell gratuït Starter (2 GB d'emmagatzematge, 1 milió d'unitats de lectura i 2 milions d'unitats d'escriptura al mes) cobreix els prototips meravellosament, que és precisament per què la factura arriba com una sorpresa: el nivell gratuït s'acaba exactament quan l'ús comença a compondre's. Les comparacions de costos de tercers situen una càrrega de treball de producció de 10 milions de vectors a Pinecone serverless en 1.300 $ o més al mes, i 50 milions de vectors de 768 dimensions en 300-800 $ segons el volum de consultes. Amb 100 milions de vectors, els desplegaments de Pinecone basats en pods s'han estimat en 5.000-15.000 $ al mes. Verifica els preus de llista actuals abans de pressupostar — cada proveïdor reprencia el mesurament almenys un cop l'any — però la forma de la corba és estable: el cost de Pinecone escala amb el teu èxit, linealment i per sempre.
Quant costen de veritat Qdrant i Milvus autoallotjats
L'autoallotjament substitueix un comptador per una línia plana: infraestructura fixa més temps d'enginyeria. Els dos principals motors de codi obert, tots dos amb llicència Apache 2.0, dibuixen aquesta línia plana a altures diferents.
Qdrant és l'opció més lleugera. És un únic binari en Rust amb un consum de memòria modest, un fort filtratge de payload i una quantització agressiva — el seu TurboQuant de 4 bits pot reduir la RAM de vectors densos aproximadament vuit vegades, i la quantització int8 simple aproximadament a la meitat. Una col·lecció de 10 milions de vectors que necessita 60 GB a plena precisió pot cabre en menys de 10 GB quantitzada, que és la diferència entre una màquina de 150 $ i una de 600 $. Un cas d'estudi de migració conegut va situar Qdrant autoallotjat a Kubernetes en uns 850 $ al mes d'infraestructura per a una càrrega de treball que costava 8.400 $ al mes a Pinecone. Les configuracions més petites costen molt menys: un únic servidor dedicat amb 64 GB de RAM es lloga per uns 100-300 $ al mes i conté còmodament desenes de milions de vectors quantitzats.
Milvus és l'opció més pesada amb el sostre més alt. És un sistema distribuït i cloud-native — components separats per a la coordinació, els nodes de dades, els nodes de consulta i l'emmagatzematge — cosa que significa que escala més enllà de mil milions de vectors però també significa que estàs operant un clúster, no un binari. Les estimacions de tercers situen Milvus autoallotjat en 600-1.200 $ al mes d'infraestructura per a una càrrega de treball de 50 milions de vectors, i 2.000-5.000 $ amb 100 milions de vectors. A aquesta escala encara supera les alternatives gestionades en la meitat o més, però la bretxa entre la simplicitat de Qdrant i la complexitat de Milvus és personal d'enginyeria real.
Aquest personal és la línia que tothom subestima. El mateix cas d'estudi que va valorar la infraestructura de Qdrant autoallotjat en 850 $ al mes hi va afegir un quart d'enginyer — aproximadament 5.000 $ al mes amb tots els costos — per a les operacions. Actualitzacions de versió, ajust d'índexs, restauracions de còpies de seguretat, avisos a les 3 de la matinada: el comptador que deixes de pagar a Pinecone es converteix en part en sou. Una comparació justa sempre afegeix aquesta fila. Si ja executes Kubernetes i ja tens algú d'avisos, el cost marginal pot ser gairebé zero; si contractaries el teu primer enginyer de plataforma per cuidar un clúster, l'autoallotjament acaba de costar 150.000 $ més a l'any.
També hi ha un camí intermedi que val la pena valorar: codi obert gestionat. Qdrant Cloud factura sobre els recursos reals del clúster sense mínim fix, amb clústers de pagament que comencen a prop de 25 $ al mes, i un clúster gratuït realment gratuït d'1 GB per a càrregues de treball petites. Zilliz Cloud, el Milvus gestionat del seu equip original, cobra l'ús serverless a uns 4 $ per milió de vCU amb un nivell gratuït de 5 GB i 2,5 milions de vCU al mes. Tots dos se solen situar entre Pinecone i l'autoallotjament en preu mentre mantenen la càrrega operativa a prop de zero — la resposta correcta quan el teu volum de consultes ha superat el nivell gratuït de Pinecone però no la teva tolerància al servei de guàrdia.
Les matemàtiques del creuament: trobar el teu punt d'equilibri
La fórmula del punt d'equilibri cap en una fitxa. L'autoallotjament guanya el mes en què:
Infraestructura fixa + temps d'enginyeria supera emmagatzematge + (unitats de lectura × consultes) + escriptures + egress
Executa-ho amb les teves pròpies factures dels últims tres mesos, no amb les calculadores dels proveïdors, perquè la teva ràtio d'unitats de lectura per consulta és l'únic número que cap article de comparació et pot donar. Agafa les línies de la factura, divideix les unitats de lectura entre les consultes servides, i tens el teu cost unitari. Després valora el costat fix: una màquina dedicada o VM al núvol dimensionada per al teu índex quantitzat, més la fracció honesta d'un enginyer.
Un exemple treballat fa la forma concreta. Pren un producte RAG amb 10 milions de vectors de 1536 dimensions i 5 milions de consultes al mes, creixent un 20 per cent al mes. A Pinecone serverless, les estimacions de tercers situen aquesta càrrega de treball al voltant de 1.300 $ al mes avui — i amb un creixement mensual de consultes del 20 per cent, aproximadament es duplica cada quatre mesos. Qdrant autoallotjat quantitzat a int8 encabeix l'índex en uns 30 GB de RAM: un servidor dedicat de 64 GB a, diguem, 200 $ al mes, més un quart d'enginyer a 5.000 $ amb tots els costos, suma uns 5.200 $. Això sembla una pèrdua — fins que estens les línies. La línia de Pinecone es duplica cada quatre mesos (1.300 $, després 2.600 $, després 5.200 $), mentre que la línia autoallotjada es manté plana. El creuament arriba al voltant del mes vuit, i cada mes posterior la bretxa s'eixampla al teu favor. Un creixement més ràpid acosta el creuament; un ús pla potser mai no l'assoleix.
De les comparacions publicades en surten tres zones aproximades. Per sota d'un milió de vectors amb consultes modestes, el serverless guanya de ple — el nivell gratuït o el mínim de 50 $ de Pinecone supera el temps de qualsevol enginyer. Entre aproximadament 10 i 50 milions de vectors amb un volum de consultes estable hi ha la zona de creuament, on la resposta depèn de la teva taxa de creixement i de si ja tens enginyeria de plataforma. Més enllà de 100 milions de vectors amb una càrrega de consultes important, Qdrant o Milvus autoallotjats gairebé sempre guanyen només per infraestructura, sovint en un 50-75 per cent.
Una advertència: modela el teu creixement, no el teu present. Els equips que dimensionen la decisió amb la factura d'avui i ignoren una corba de creixement mensual del 20 per cent tornen a executar tota aquesta anàlisi sis mesos després sota pressió de terminis, que és la manera més cara possible de migrar.
CapEx o OpEx? Com cada opció arriba als teus llibres
Aquí és on les dues opcions deixen de ser intercanviables, perquè un servidor que posseeixes i una factura que pagues són tipus de diners diferents amb un moment fiscal diferent.
Les factures de Pinecone, Qdrant Cloud i Zilliz Cloud són despeses operatives, deduïbles l'any en què es paguen. L'única decisió de criteri és la ubicació: si la base de dades vectorial serveix directament consultes per a un producte pel qual els clients paguen, el seu cost pertany al cost de béns venuts juntament amb la resta de la teva infraestructura d'allotjament, on redueix el marge brut honestament. Si alimenta una eina interna — una cerca de documentació de suport per al teu propi equip — se situa a la despesa operativa general amb la resta de la teva pila SaaS. Divideix la factura per ús quan un índex serveix tots dos; l'equip de diligència del teu futur adquirent re-mapejarà el teu llibre major a una definició estàndard de COGS SaaS de totes maneres, així que classifica-ho correctament ara.
La infraestructura autoallotjada llogada — VM al núvol, servidors dedicats d'un proveïdor d'allotjament — també és despesa operativa: allotjament mensual, sense actiu, sense calendari de depreciació. Això sorprèn els equips que pensen que "autoallotjat" és automàticament despesa de capital. Llogar una màquina és llogar, per molt nua que sigui el maquinari.
El maquinari en propietat és el cas real de CapEx. Compra el servidor directament i el capitalitzes com a actiu fix, després el deprecies — l'equip informàtic generalment cau sota la propietat MACRS de 5 anys, i la despesa de la Secció 179 o la depreciació bonus poden permetre't deduir molt més el primer any, subjecte als límits actuals que el teu comptador hauria de confirmar. El moment fiscal pot fer que un servidor de 6.000 $ sigui més barat en termes de valor actual que 150 $ al mes de lloguer, fins i tot abans de l'estalvi d'allotjament. Però el maquinari en propietat també significa que assumeixes el risc de l'actiu: un disc mort a les 2 de la matinada és el teu disc, i una càrrega de treball que supera la màquina deixa el capital encallat.
Els costos de migració — re-embedding del teu corpus, executar tots dos sistemes en paral·lel, les setmanes d'enginyeria — es despesen a mesura que es produeixen en gairebé tots els casos de petita empresa. Pressuposta'ls com un cop únic contra el període de recuperació, no com un actiu. Si la migració estalvia 4.000 $ al mes i costa 15.000 $ en temps d'enginyeria i còmput de re-embedding, la recuperació és de menys de quatre mesos; finança la decisió amb aquest rellotge.
En un llibre major de text pla, els dos règims es veuen així — la factura mesurada com a despesa mensual contra el cost d'ingressos, la màquina llogada com a allotjament, i el servidor en propietat depreciant-se una mica cada mes (consulta la documentació de Beancount per a la mecànica de registre):
2026-01-01 open Assets:Checking USD
2026-01-01 open Expenses:COGS:VectorDB USD
2026-01-01 open Expenses:Infra:Hosting USD
2026-01-01 open Assets:Servers:VectorDB USD
2026-01-01 open Assets:Servers:Accumulated-Depreciation USD
2026-01-01 open Expenses:Depreciation:Servers USD
2026-11-01 * "Pinecone" "October bill, 4.1M read units and 62 GB storage"
Expenses:COGS:VectorDB 312.44 USD
Assets:Checking
2026-11-01 * "Hosting provider" "November rent, 64 GB dedicated server for Qdrant"
Expenses:Infra:Hosting 199.00 USD
Assets:Checking
2026-11-30 * "Month-end" "Depreciation, owned vector-search server, month 3 of 60"
Expenses:Depreciation:Servers 100.00 USD
Assets:Servers:Accumulated-Depreciation -100.00 USDMantén les línies mesurades i fixes en comptes separats fins i tot durant una migració en paral·lel. Quan tots dos sistemes serveixen producció durant un mes o dos, els comptes barrejats amaguen exactament la comparació que la migració havia de demostrar.
Els costos que tothom oblida
Quatre costos s'escapen habitualment del full de càlcul i embosquen la migració després.
Primer, l'egress i la re-ingestió. Moure 100 milions de vectors no és gratuït per cap de les dues bandes: l'egress del costat de Pinecone per sobre de la franquícia inclosa, més el còmput per re-embedding si canvies de models d'embedding o de chunking al mateix temps. Les estimacions publicades situen un re-embedding complet entre 50 i 5.000 $ en còmput segons la mida del corpus, més 4 a 12 setmanes d'enginyeria per a la migració mateixa. Valora la migració, no només la destinació.
Segon, la regressió de la qualitat de recuperació. Un índex ANN diferent amb una quantització diferent retorna veïns diferents, i "diferent" de vegades significa pitjor per a les teves consultes específiques. Els equips que migren només pel cost i s'estalvien una avaluació de rellevància comparativa descobreixen la regressió per les queixes dels usuaris. Reserva una mostra de consultes, puntua tots dos sistemes, i exigeix paritat abans del tall — la setmana d'avaluació forma part del pressupost de migració.
Tercer, la latència que pagues però no pots aprofitar. Una comparació va mesurar Pinecone en aproximadament 22 ms P95 contra 150 ms per a una alternativa basada en Postgres — una bretxa que cap humà nota en el 95 per cent dels escenaris RAG B2B, on el model de llenguatge mateix triga segons. Si el coll d'ampolla del teu xatbot és la generació de tokens, comprar una recuperació d'un sol dígit de mil·lisegons és comprar velocitat que els teus usuaris mai no sentiran. Fes coincidir l'SLO de latència amb el producte abans de fer coincidir el proveïdor amb l'SLO.
Quart, l'asimetria del cost de sortida. Migrar de Pinecone a Qdrant significa exportar vectors i reconstruir un índex — molest però acotat. Migrar entre motors autoallotjats, o tornar a gestionat més endavant, comporta la mateixa factura de re-embedding i re-ajust una altra vegada. Afavoreix motors amb vies d'exportació estàndard i formats de dades oberts perquè la propera migració, en qualsevol direcció, comenci des d'un botó d'exportació en lloc d'un projecte forense.
Decideix amb sis preguntes
Pren prestat el marc de decisió en què convergeixen les millors comparacions, i respon-lo amb els teus propis números:
- Quina mida té el corpus avui, i on serà d'aquí a dotze mesos? Per sota d'un milió de vectors, atura't aquí i queda't amb serverless.
- Quin és el teu cost total per milió de consultes a la factura actual? Divideix tres mesos de factures entre les consultes servides.
- Ja operes infraestructura amb estat? Un clúster Kubernetes existent amb rotació de guàrdia fa l'autoallotjament gairebé gratuït al marge; la seva absència el converteix en un pla de contractació.
- Quina latència necessita realment el producte? Si la resposta és "més ràpid que l'LLM", gairebé totes les opcions compleixen.
- Necessites cerca híbrida — paraula clau més vector en una sola consulta? Qdrant, Milvus i Weaviate la inclouen de manera nativa; Pinecone i les configuracions basades en Postgres necessiten muntatge manual, que també és temps d'enginyeria al costat mesurat del llibre major.
- Què fa la corba de creixement a la data de creuament? Una càrrega de treball plana que mai no creua és una decisió de quedar-se, presa deliberadament en lloc de per inèrcia.
Agafa les teves últimes tres factures de Pinecone aquesta setmana, calcula el cost per milió de consultes, i valora una màquina dedicada dimensionada per al teu índex quantitzat. Si les línies es creuen dins d'un any, comença ara l'avaluació de rellevància — la migració triga setmanes, les matemàtiques triguen una tarda, i el resultat més car és tornar a executar les dues sota pressió de terminis d'aquí a sis mesos.
