Je Pinecone-factuur was vorig kwartaal $52. Dit kwartaal is het $1.300, en je hebt niets veranderd behalve succes hebben. Meer gebruikers, meer documenten, meer queries — precies de groei die je wilde — en elke eenheid ervan wordt gemeten tegen $16 tot $18 per miljoen read units bovenop opslag. Dat is het moment waarop zelf hosten ophoudt een technische hobby te zijn en een financiële vraag wordt: op welk punt is een vaste machine met Qdrant of Milvus goedkoper dan de per-query-meter, en hoe bewijs je dat vóór je migreert?
Dit artikel loopt door hoe Pinecone serverless daadwerkelijk meet, wat een zelf-gehoste Qdrant- of Milvus-implementatie echt kost zodra je engineeringtijd meerekent, de break-even-berekening die je omslagpunt lokaliseert, en hoe elke kant op je boeken terechtkomt — want een server die je bezit en een factuur die je betaalt zijn niet hetzelfde soort geld.
Hoe Pinecone Serverless daadwerkelijk meet
Pinecone's serverless prijsstelling heeft vier knoppen, en slechts één ervan gedraagt zich als een abonnement. Het Standard-plan heeft een maandelijks minimum van $50 — dat betaal je zelfs in een rustige maand — en daarboven betaal je naar gebruik op drie verbruiks dimensies plus egress.
Opslag is de kleinste knop: $0,33 per GB per maand. Een index van 10 miljoen vectoren met 1536-dimensionale embeddings beslaat ongeveer 60 GB, dus ongeveer $20 per maand. Niemand migreert vanwege opslag.
Read units zijn de knop die de factuur laat bewegen. Standard rekent $16 tot $18 per miljoen read units, met tarieven die per cloudregio verschillen, en elke query verbruikt read units ongeveer in verhouding tot hoeveel van de index hij scant. Write units zijn goedkoper met $4 tot $4,50 per miljoen, wat uitmaakt tijdens bulk-invoer en her-embeddings maar op de achtergrond verdwijnt voor een leesintensieve RAG-workload. Sinds september 2026 wordt egress boven de inbegrepen 100 GB per maand gemeten tegen $0,10 per GB — een post die een jaar geleden nauwelijks bestond en nu een eigen rij in je spreadsheet verdient.
De gratis Starter-tier (2 GB opslag, 1 miljoen read units en 2 miljoen write units per maand) dekt prototypes prachtig, wat precies de reden is dat de factuur als een verrassing komt: de gratis tier eindigt precies wanneer het gebruik begint te compounden. Vergelijkingen van kosten door derden plaatsen een productie-workload van 10 miljoen vectoren op Pinecone serverless op $1.300 of meer per maand, en 50 miljoen 768-dimensionale vectoren op $300 tot $800 afhankelijk van queryvolume. Bij 100 miljoen vectoren zijn pod-gebaseerde Pinecone-implementaties geschat op $5.000 tot $15.000 per maand. Verifieer de actuele lijstprijzen voordat je budgetteert — elke leverancier herprijst meting minstens één keer per jaar — maar de vorm van de curve is stabiel: Pinecone's kosten schalen mee met je succes, lineair en voor altijd.
Wat zelf-gehoste Qdrant en Milvus echt kosten
Zelf hosten vervangt een meter door een vlakke lijn: vaste infrastructuur plus engineeringtijd. De twee toonaangevende open-source engines, beide onder Apache 2.0-licentie, trekken die vlakke lijn op verschillende hoogtes.
Qdrant is de lichtere opgave. Het is een enkele Rust-binary met bescheiden geheugenbehoefte, sterke payload-filtering en agressieve kwantisering — zijn 4-bit TurboQuant kan dicht-vector-RAM ruwweg achtvoudig verkleinen, en gewone int8-kwantisering ongeveer halveren. Een collectie van 10 miljoen vectoren die op volle precisie 60 GB nodig heeft, past gekwantiseerd in minder dan 10 GB, wat het verschil is tussen een machine van $150 en een van $600. Een bekende migratie-case study plaatste zelf-gehoste Qdrant op Kubernetes op ongeveer $850 per maand aan infrastructuur voor een workload die $8.400 per maand kostte op Pinecone. Kleinere opstellingen kosten veel minder: een enkele dedicated server met 64 GB RAM huur je voor ruwweg $100 tot $300 per maand en bevat comfortabel tientallen miljoenen gekwantiseerde vectoren.
Milvus is de zwaardere opgave met het hogere plafond. Het is een gedistribueerd, cloud-native systeem — afzonderlijke componenten voor coördinatie, datanodes, querynodes en opslag — wat betekent dat het voorbij een miljard vectoren schaalt, maar ook dat je een cluster beheert, geen binary. Schattingen van derden plaatsen zelf-gehoste Milvus op $600 tot $1.200 per maand aan infrastructuur voor een workload van 50 miljoen vectoren, en $2.000 tot $5.000 bij 100 miljoen vectoren. Op die schaal onderbiedt het nog steeds beheerde alternatieven met de helft of meer, maar de kloof tussen Qdrant-eenvoudig en Milvus-complex is echte engineering-formatie.
Die formatie is de post die iedereen onderschat. Dezelfde case study die zelf-gehoste Qdrant-infrastructuur op $850 per maand prijsde, telde een kwart engineer erbij — ruwweg $5.000 per maand volledig belast — voor operations. Versie-upgrades, indextuning, back-ups herstellen, pagina's om 3 uur 's nachts: de meter die je stopt met betalen aan Pinecone, zet zich deels om in salaris. Een eerlijke vergelijking voegt deze rij altijd toe. Als je al Kubernetes draait en al iemand paget, is de marginale kost mogelijk bijna nul; als je je eerste platform engineer zou aannemen om een cluster te babysitten, is zelf hosten net $150.000 per jaar duurder geworden.
Er is ook een tussenweg die het prijzen waard is: beheerde open-source. Qdrant Cloud factureert op werkelijke clusterresources zonder vast minimum, betaalde clusters beginnen rond $25 per maand, en er is een echt gratis cluster van 1 GB voor kleine workloads. Zilliz Cloud, de beheerde Milvus van het oorspronkelijke team, rekent serverless gebruik tegen ongeveer $4 per miljoen vCU's met een gratis tier van 5 GB en 2,5 miljoen vCU's per maand. Beide landen doorgaans tussen Pinecone en zelf-gehost op prijs terwijl de operationele last bijna nul blijft — het juiste antwoord wanneer je queryvolume Pinecone's gratis tier is ontgroeid maar je tolerantie voor pagerduty nog niet.
De omslagberekening: je break-even-punt vinden
De break-even-formule past op een kaartje. Zelf hosten wint de maand dat:
Vaste infrastructuur + engineeringtijd minder is dan opslag + (read units × queries) + writes + egress
Reken het met je eigen laatste drie maanden aan facturen, niet met leverancierscalculators, want je read-units-per-query-ratio is het ene getal dat geen enkel vergelijkingsartikel je kan geven. Pak de factuurregels, deel read units door bediende queries, en je hebt je eenheidskost. Prijs dan de vaste kant: één dedicated machine of cloud-VM afgestemd op je gekwantiseerde index, plus het eerlijke deel van een engineer.
Een uitgewerkt voorbeeld maakt de vorm concreet. Neem een RAG-product met 10 miljoen 1536-dimensionale vectoren en 5 miljoen queries per maand, met 20 procent groei per maand. Op Pinecone serverless plaatsen schattingen van derden deze workload vandaag op ongeveer $1.300 per maand — en bij 20 procent maandelijkse querygroei verdubbelt dat ruwweg elke vier maanden. Zelf-gehoste Qdrant gekwantiseerd naar int8 past de index in ongeveer 30 GB RAM: één dedicated server van 64 GB tegen, zeg, $200 per maand, plus een kwart-engineer tegen $5.000 volledig belast, komt op ongeveer $5.200. Dat lijkt een verlies — tot je de lijnen doortrekt. De Pinecone-lijn verdubbelt elke vier maanden ($1.300, dan $2.600, dan $5.200), terwijl de zelf-gehoste lijn vlak blijft. Het omslagpunt valt rond maand acht, en elke maand daarna wordt de kloof in jouw voordeel groter. Snellere groei trekt het omslagpunt dichterbij; vlak gebruik bereikt het mogelijk nooit.
Drie ruwe zones vallen uit de gepubliceerde vergelijkingen. Onder ongeveer een miljoen vectoren met bescheiden queries wint serverless outright — Pinecone's gratis tier of $50 minimum verslaat de tijd van elke engineer. Tussen ruwweg 10 en 50 miljoen vectoren met gestaag queryvolume ligt de omslagzone, waar het antwoord afhangt van je groeisnelheid en of je al platform-engineering hebt. Voorbij 100 miljoen vectoren met serieuze querybelasting winnen zelf-gehoste Qdrant of Milvus bijna altijd op infrastructuur alleen, vaak met 50 tot 75 procent.
Eén waarschuwing: modelleer je groei, niet je heden. Teams die de beslissing baseren op de factuur van vandaag en een groeicurve van 20 procent per maand negeren, draaien deze hele analyse zes maanden later opnieuw onder tijdsdruk, wat de duurst mogelijke manier van migreren is.
CapEx of OpEx? Hoe elke kant op je boeken terechtkomt
Hier houden de twee opties op inwisselbaar te zijn, want een server die je bezit en een factuur die je betaalt zijn verschillende soorten geld met verschillende fiscale timing.
Pinecone-, Qdrant Cloud- en Zilliz Cloud-facturen zijn operationele kosten, aftrekbaar in het jaar van betaling. De enige beoordelingsvraag is plaatsing: als de vectordatabase rechtstreeks queries bedient voor een product waarvoor klanten betalen, hoort de kost in cost of goods sold naast je andere hostinginfrastructuur, waar het de brutomarge eerlijk verlaagt. Als het een interne tool aandrijft — een zoekfunctie in supportdocumentatie voor je eigen team — zit het in algemene operationele kosten bij de rest van je SaaS-stack. Splits de factuur naar gebruik wanneer één index beide dient; het due-diligence-team van je toekomstige overnemer zal je grootboek sowieso herindelen naar een standaard SaaS-COGS-definitie, dus classificeer het nu correct.
Gehuurde zelf-gehoste infrastructuur — cloud-VM's, dedicated servers van een hostingprovider — zijn ook operationele kosten: maandelijkse hosting, geen actief, geen afschrijvingsschema. Dit verrast teams die "zelf-gehost" automatisch als kapitaaluitgave beschouwen. Een machine huren is huren, hoe bare de metal ook is.
Eigen hardware is het echte CapEx-geval. Koop de server outright en je kapitaliseert hem als vast actief, en dan schrijf je hem af — computerapparatuur valt doorgaans onder 5-jaars MACRS-eigendom, en Section 179-aftrek of bonusafschrijving kan je toelaten veel meer in jaar één af te trekken, afhankelijk van actuele limieten die je CPA moet bevestigen. De fiscale timing kan een server van $6.000 in contante waarde goedkoper maken dan $150 per maand huur, zelfs vóór de hostingbesparingen. Maar eigen hardware betekent ook dat je het activarisico draagt: een dode schijf om 2 uur 's nachts is jouw schijf, en een workload die de machine ontgroeit, laat het kapitaal gestrand achter.
Migratiekosten — je corpus opnieuw embedden, beide systemen parallel draaien, de engineeringweken — worden in bijna elk kleinbedrijfgeval geboekt als gemaakt. Budgetteer ze als een eenmalige klap tegen de terugverdientijd, niet als een actief. Als de migratie $4.000 per maand bespaart en $15.000 kost aan engineeringtijd en her-embedding-compute, is de terugverdientijd minder dan vier maanden; financier de beslissing op die klok.
In een plain-text-grootboek zien de twee regimes er zo uit — de gemeten factuur als maandelijkse kost tegen cost of revenue, de gehuurde machine als hosting, en de eigen server die elke maand een beetje afschrijft (zie de Beancount-documentatie voor de boekingsmechanica):
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" "Oktoberfactuur, 4,1M read units en 62 GB opslag"
Expenses:COGS:VectorDB 312.44 USD
Assets:Checking
2026-11-01 * "Hostingprovider" "Novemberhuur, 64 GB dedicated server voor Qdrant"
Expenses:Infra:Hosting 199.00 USD
Assets:Checking
2026-11-30 * "Maandeinde" "Afschrijving, eigen vectorzoek-server, maand 3 van 60"
Expenses:Depreciation:Servers 100.00 USD
Assets:Servers:Accumulated-Depreciation -100.00 USDHoud de gemeten en vaste lijnen in afzonderlijke rekeningen, zelfs tijdens een parallelle migratie. Wanneer beide systemen een maand of twee productie dienen, verbergen vermengde rekeningen precies de vergelijking die de migratie moest bewijzen.
De kosten die iedereen vergeet
Vier kosten ontsnappen routinematig aan de spreadsheet en overvallen de migratie achteraf.
Ten eerste, egress en her-invoer. 100 miljoen vectoren verplaatsen is aan geen enkele kant gratis: egress aan de Pinecone-kant boven de inbegrepen toelage, plus de compute om opnieuw te embedden als je tegelijkertijd embeddingmodellen of chunking wijzigt. Gepubliceerde schattingen plaatsen een volledige her-embedding tussen $50 en $5.000 aan compute afhankelijk van corpusgrootte, plus 4 tot 12 weken engineering voor de migratie zelf. Prijs de migratie, niet alleen de bestemming.
Ten tweede, regressie in retrievalkwaliteit. Een andere ANN-index met andere kwantisering retourneert andere buren, en "anders" betekent soms slechter voor jouw specifieke queries. Teams die alleen op kosten migreren en een zij-aan-zij relevantie-evaluatie overslaan, ontdekken de regressie via klachten van gebruikers. Houd een querysteekproef achter, scoor beide systemen, en eis pariteit vóór de cutover — de evaluatieweek is deel van het migratiebudget.
Ten derde, latentie die je betaalt maar niet kunt gebruiken. Eén vergelijking mat Pinecone op ruwweg 22 ms P95 tegen 150 ms voor een Postgres-gebaseerd alternatief — een kloof die geen mens opmerkt in 95 procent van B2B-RAG-scenario's, waar het taalmodel zelf seconden kost. Als de bottleneck van je chatbot token-generatie is, dan koop je met retrieval van enkele milliseconden snelheid die je gebruikers nooit zullen voelen. Stem de latentie-SLO af op het product voordat je de leverancier afstemt op de SLO.
Ten vierde, de asymmetrie van exitkosten. Migreren van Pinecone naar Qdrant betekent vectoren exporteren en een index herbouwen — vervelend maar begrensd. Migreren tussen zelf-gehoste engines, of later terug naar beheerd, draagt opnieuw dezelfde her-embedding- en her-tuning-factuur. Geef de voorkeur aan engines met standaard exportpaden en open dataformaten, zodat de volgende migratie, in welke richting dan ook, begint bij een exportknop in plaats van een forensisch project.
Beslis met zes vragen
Leen het beslissingskader waar de beste vergelijkingen op uitkomen, en beantwoord het met je eigen cijfers:
- Hoe groot is het corpus vandaag, en waar staat het over twaalf maanden? Onder een miljoen vectoren: stop hier en blijf serverless.
- Wat is je volledig belaste kost per miljoen queries op de huidige factuur? Deel drie maanden facturen door bediende queries.
- Beheer je al stateful infrastructuur? Een bestaand Kubernetes-cluster met on-call-rotatie maakt zelf hosten marginaal bijna gratis; het ontbreken ervan maakt het een wervingsplan.
- Welke latentie heeft het product echt nodig? Als het antwoord "sneller dan het LLM" is, kwalificeert bijna elke optie.
- Heb je hybride zoeken nodig — keyword plus vector in één query? Qdrant, Milvus en Weaviate leveren het native; Pinecone en Postgres-gebaseerde opstellingen vereisen handmatige assemblage, wat ook engineeringtijd is aan de gemeten kant van het grootboek.
- Wat doet de groeicurve met de omslagdatum? Een vlakke workload die nooit omslaat, is een beslissing om te blijven, bewust genomen in plaats van door inertie.
Pak deze week je laatste drie Pinecone-facturen, bereken de kost per miljoen queries, en prijs één dedicated machine afgestemd op je gekwantiseerde index. Als de lijnen binnen een jaar kruisen, start dan nu de relevantie-evaluatie — de migratie duurt weken, de berekening een middag, en de duurste uitkomst is beide opnieuw doen onder tijdsdruk over zes maanden.
