Sua fatura do Pinecone foi de $52 no trimestre passado. Neste trimestre é de $1.300, e você não mudou nada além de ter sucesso. Mais usuários, mais documentos, mais consultas — exatamente o crescimento que você queria — e cada unidade dele é medida a $16 a $18 por milhão de unidades de leitura, além do armazenamento. Esse é o momento em que a auto-hospedagem deixa de ser um hobby de engenharia e se torna uma questão financeira: em que ponto uma máquina fixa rodando Qdrant ou Milvus é mais barata que o medidor por consulta, e como você prova isso antes de migrar?
Este post percorre como o Pinecone serverless realmente mede, quanto custa de fato uma implantação auto-hospedada de Qdrant ou Milvus depois de contabilizar o tempo de engenharia, a matemática do ponto de equilíbrio que localiza seu ponto de cruzamento, e como cada lado aparece nos seus livros — porque um servidor que você possui e uma fatura que você paga não são o mesmo tipo de dinheiro.
Como o Pinecone Serverless Realmente Mede
O preço serverless do Pinecone tem quatro mostradores, e apenas um deles se comporta como uma assinatura. O plano Standard tem um mínimo mensal de $50 — você paga isso mesmo em um mês calmo — e acima disso você paga conforme o uso em três dimensões de consumo mais egress.
O armazenamento é o menor mostrador: $0,33 por GB por mês. Um índice de 10 milhões de vetores com embeddings de 1536 dimensões ocupa cerca de 60 GB, então aproximadamente $20 por mês. Ninguém migra por causa do armazenamento.
As unidades de leitura são o mostrador que move a fatura. O Standard cobra $16 a $18 por milhão de unidades de leitura, com tarifas variando por região de nuvem, e cada consulta consome unidades de leitura aproximadamente em proporção ao quanto do índice ela varre. As unidades de escrita são mais baratas, a $4 a $4,50 por milhão, o que importa durante ingestão em massa e re-embedding, mas se torna irrelevante para uma carga de trabalho RAG com predominância de leitura. Desde setembro de 2026, o egress além dos 100 GB mensais incluídos é medido a $0,10 por GB — um item de linha que mal existia há um ano e agora merece sua própria linha na sua planilha.
O tier Starter gratuito (2 GB de armazenamento, 1 milhão de unidades de leitura e 2 milhões de unidades de escrita por mês) cobre protótipos maravilhosamente bem, o que é precisamente por que a fatura chega como surpresa: o tier gratuito termina exatamente quando o uso começa a se multiplicar. Comparações de custo de terceiros colocam uma carga de trabalho de produção de 10 milhões de vetores no Pinecone serverless em $1.300 ou mais por mês, e 50 milhões de vetores de 768 dimensões em $300 a $800 dependendo do volume de consultas. Em 100 milhões de vetores, implantações do Pinecone baseadas em pods foram estimadas em $5.000 a $15.000 por mês. Verifique os preços de tabela atuais antes de orçar — todo fornecedor reajusta a medição pelo menos uma vez por ano — mas a forma da curva é estável: o custo do Pinecone escala com o seu sucesso, linearmente e para sempre.
Quanto Realmente Custam Qdrant e Milvus Auto-hospedados
A auto-hospedagem substitui um medidor por uma linha fixa: infraestrutura fixa mais tempo de engenharia. Os dois principais motores de código aberto, ambos licenciados sob Apache 2.0, traçam essa linha fixa em alturas diferentes.
O Qdrant é a opção mais leve. É um único binário em Rust com apetite de memória modesto, filtragem de payload robusta e quantização agressiva — seu TurboQuant de 4 bits pode reduzir a RAM de vetores densos em cerca de oito vezes, e a quantização int8 simples a reduz aproximadamente pela metade. Uma coleção de 10 milhões de vetores que precisa de 60 GB em precisão total pode caber em menos de 10 GB quantizada, o que é a diferença entre uma máquina de $150 e uma de $600. Um estudo de caso de migração bem conhecido colocou o Qdrant auto-hospedado em Kubernetes a cerca de $850 por mês em infraestrutura para uma carga de trabalho que custava $8.400 por mês no Pinecone. Configurações menores custam muito menos: um único servidor dedicado com 64 GB de RAM é alugado por aproximadamente $100 a $300 por mês e comporta confortavelmente dezenas de milhões de vetores quantizados.
O Milvus é a opção mais pesada, com o teto mais alto. É um sistema distribuído e nativo da nuvem — componentes separados para coordenação, nós de dados, nós de consulta e armazenamento — o que significa que escala além de um bilhão de vetores, mas também que você está operando um cluster, não um binário. Estimativas de terceiros colocam o Milvus auto-hospedado em $600 a $1.200 por mês em infraestrutura para uma carga de trabalho de 50 milhões de vetores, e $2.000 a $5.000 em 100 milhões de vetores. Nessa escala, ainda supera alternativas gerenciadas pela metade ou mais, mas a diferença entre a simplicidade do Qdrant e a complexidade do Milvus é mão de obra de engenharia real.
Essa mão de obra é a linha que todos subestimam. O mesmo estudo de caso que orçou a infraestrutura do Qdrant auto-hospedado em $850 por mês acrescentou um quarto de engenheiro — aproximadamente $5.000 por mês com todos os encargos — para operações. Atualizações de versão, ajuste de índices, restauração de backups, chamados às 3 da manhã: o medidor que você para de pagar ao Pinecone se converte em parte em salário. Uma comparação justa sempre adiciona essa linha. Se você já opera Kubernetes e já tem alguém de plantão, o custo marginal pode ser próximo de zero; se você fosse contratar seu primeiro engenheiro de plataforma para cuidar de um cluster, a auto-hospedagem acabou de ficar $150.000 por ano mais cara.
Há também um caminho intermediário que vale precificar: código aberto gerenciado. O Qdrant Cloud cobra pelos recursos reais do cluster sem mínimo fixo, com clusters pagos a partir de cerca de $25 por mês, e um cluster genuinamente gratuito de 1 GB para cargas pequenas. O Zilliz Cloud, o Milvus gerenciado pela equipe original, cobra uso serverless a cerca de $4 por milhão de vCUs com um tier gratuito de 5 GB e 2,5 milhões de vCUs por mês. Ambos tipicamente ficam entre o Pinecone e a auto-hospedagem em preço, mantendo a carga operacional próxima de zero — a resposta certa quando seu volume de consultas superou o tier gratuito do Pinecone, mas não sua tolerância ao plantão.
A Matemática do Cruzamento: Encontrando Seu Ponto de Equilíbrio
A fórmula do ponto de equilíbrio cabe em uma ficha. A auto-hospedagem vence no mês em que:
Infraestrutura fixa + tempo de engenharia supera armazenamento + (unidades de leitura × consultas) + escritas + egress
Faça a conta com seus próprios três meses de faturas anteriores, não com calculadoras de fornecedores, porque sua proporção de unidades de leitura por consulta é o único número que nenhum artigo de comparação pode lhe dar. Extraia as linhas da fatura, divida as unidades de leitura pelas consultas atendidas, e você tem seu custo unitário. Depois precifique o lado fixo: uma máquina dedicada ou VM de nuvem dimensionada para seu índice quantizado, mais a fração honesta de um engenheiro.
Um exemplo trabalhado torna a forma concreta. Pegue um produto RAG com 10 milhões de vetores de 1536 dimensões e 5 milhões de consultas por mês, crescendo 20 por cento ao mês. No Pinecone serverless, estimativas de terceiros colocam essa carga de trabalho em torno de $1.300 por mês hoje — e com crescimento mensal de 20 por cento em consultas, ela aproximadamente dobra a cada quatro meses. O Qdrant auto-hospedado quantizado em int8 encaixa o índice em cerca de 30 GB de RAM: um servidor dedicado de 64 GB a, digamos, $200 por mês, mais um quarto de engenheiro a $5.000 com todos os encargos, totaliza cerca de $5.200. Isso parece uma perda — até você estender as linhas. A linha do Pinecone dobra a cada quatro meses ($1.300, depois $2.600, depois $5.200), enquanto a linha auto-hospedada permanece fixa. O cruzamento ocorre por volta do oitavo mês, e a cada mês seguinte a diferença se amplia a seu favor. Um crescimento mais rápido aproxima o cruzamento; uso estável pode nunca alcançá-lo.
Três zonas aproximadas emergem das comparações publicadas. Abaixo de cerca de um milhão de vetores com consultas modestas, o serverless vence de forma absoluta — o tier gratuito ou o mínimo de $50 do Pinecone supera o tempo de qualquer engenheiro. Entre aproximadamente 10 e 50 milhões de vetores com volume de consultas estável fica a zona de cruzamento, onde a resposta depende da sua taxa de crescimento e de você já ter engenharia de plataforma. Acima de 100 milhões de vetores com carga séria de consultas, Qdrant ou Milvus auto-hospedados quase sempre vencem apenas com base na infraestrutura, frequentemente em 50 a 75 por cento.
Uma cautela: modele seu crescimento, não seu presente. Equipes que dimensionam a decisão pela fatura de hoje e ignoram uma curva de crescimento mensal de 20 por cento refazem toda essa análise seis meses depois sob pressão de prazo, o que é a maneira mais cara possível de migrar.
CapEx ou OpEx? Como Cada Lado Aparece nos Seus Livros
Aqui é onde as duas opções deixam de ser intercambiáveis, porque um servidor que você possui e uma fatura que você paga são tipos diferentes de dinheiro com timing fiscal diferente.
As faturas do Pinecone, Qdrant Cloud e Zilliz Cloud são despesas operacionais, dedutíveis no ano em que são pagas. A única decisão de julgamento é a alocação: se o banco de dados vetorial atende diretamente consultas de um produto pelo qual os clientes pagam, seu custo pertence ao custo dos produtos vendidos, junto com sua outra infraestrutura de hospedagem, onde reduz a margem bruta de forma honesta. Se ele alimenta uma ferramenta interna — uma busca de documentação de suporte para sua própria equipe — fica na despesa operacional geral com o resto da sua pilha de SaaS. Divida a fatura por uso quando um índice serve a ambos; a equipe de due diligence do seu futuro adquirente remapeará seus livros para uma definição padrão de COGS de SaaS de qualquer forma, então classifique corretamente agora.
A infraestrutura auto-hospedada alugada — VMs de nuvem, servidores dedicados de um provedor de hospedagem — também é despesa operacional: hospedagem mensal, sem ativo, sem cronograma de depreciação. Isso surpreende equipes que pensam na "auto-hospedagem" como automaticamente despesa de capital. Alugar uma máquina é alugar, por mais básico que seja o hardware.
O hardware próprio é o verdadeiro caso de CapEx. Compre o servidor à vista e capitalize-o como ativo imobilizado, depois deprecie-o — equipamentos de informática geralmente se enquadram na propriedade MACRS de 5 anos, e a dedução da Seção 179 ou a depreciação acelerada podem permitir deduzir muito mais no primeiro ano, sujeito aos limites atuais que seu contador deve confirmar. O timing fiscal pode tornar um servidor de $6.000 mais barato em termos de valor presente do que $150 por mês em aluguel, mesmo antes da economia com hospedagem. Mas hardware próprio também significa que você carrega o risco do ativo: um disco morto às 2 da manhã é o seu disco, e uma carga de trabalho que supera a máquina deixa o capital encalhado.
Os custos de migração — re-embedding do seu corpus, execução dupla de ambos os sistemas, as semanas de engenharia — são despesificados conforme incorridos em quase todos os casos de pequenas empresas. Orce-os como um impacto único contra o período de retorno, não como um ativo. Se a migração economiza $4.000 por mês e custa $15.000 em tempo de engenharia e computação de re-embedding, o retorno é de menos de quatro meses; financie a decisão com base nesse relógio.
Em um razão de texto puro, os dois regimes se parecem com isto — a fatura medida como despesa mensal contra custo de receita, a máquina alugada como hospedagem, e o servidor próprio depreciando um pouco a cada mês (veja a documentação do Beancount para a mecânica de lançamento):
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" "Fatura de outubro, 4,1M unidades de leitura e 62 GB de armazenamento"
Expenses:COGS:VectorDB 312.44 USD
Assets:Checking
2026-11-01 * "Provedor de hospedagem" "Aluguel de novembro, servidor dedicado de 64 GB para Qdrant"
Expenses:Infra:Hosting 199.00 USD
Assets:Checking
2026-11-30 * "Fechamento do mês" "Depreciação, servidor de busca vetorial próprio, mês 3 de 60"
Expenses:Depreciation:Servers 100.00 USD
Assets:Servers:Accumulated-Depreciation -100.00 USDMantenha as linhas medidas e fixas em contas separadas mesmo durante uma migração com execução dupla. Quando ambos os sistemas atendem produção por um mês ou dois, contas misturadas escondem exatamente a comparação que a migração deveria provar.
Os Custos Que Todos Esquecem
Quatro custos rotineiramente escapam da planilha e emboscam a migração depois.
Primeiro, egress e re-ingestão. Mover 100 milhões de vetores não é gratuito em nenhum dos lados: egress do lado do Pinecone além da franquia incluída, mais a computação para re-embedding se você mudar modelos de embedding ou chunking ao mesmo tempo. Estimativas publicadas colocam um re-embedding completo entre $50 e $5.000 em computação, dependendo do tamanho do corpus, mais 4 a 12 semanas de engenharia para a própria migração. Precifique a migração, não apenas o destino.
Segundo, regressão na qualidade de recuperação. Um índice ANN diferente com quantização diferente retorna vizinhos diferentes, e "diferente" às vezes significa pior para suas consultas específicas. Equipes que migram apenas por custo e pulam uma avaliação de relevância lado a lado descobrem a regressão pelas reclamações dos usuários. Guarde uma amostra de consultas, pontue ambos os sistemas e exija paridade antes do corte — a semana de avaliação faz parte do orçamento de migração.
Terceiro, latência que você paga mas não pode usar. Uma comparação mediu o Pinecone em cerca de 22 ms P95 contra 150 ms de uma alternativa baseada em Postgres — uma diferença que nenhum humano percebe em 95 por cento dos cenários de RAG B2B, onde o próprio modelo de linguagem leva segundos. Se o gargalo do seu chatbot é a geração de tokens, comprar recuperação de milissegundos de um dígito é comprar velocidade que seus usuários nunca sentirão. Alinhe o SLO de latência ao produto antes de alinhar o fornecedor ao SLO.
Quarto, a assimetria do custo de saída. Migrar do Pinecone para o Qdrant significa exportar vetores e reconstruir um índice — chato, mas limitado. Migrar entre motores auto-hospedados, ou de volta para gerenciado mais tarde, carrega a mesma conta de re-embedding e re-ajuste novamente. Prefira motores com caminhos de exportação padrão e formatos de dados abertos, para que a próxima migração, em qualquer direção, comece de um botão de exportar em vez de um projeto forense.
Decida Com Seis Perguntas
Empreste o framework de decisão para o qual as melhores comparações convergem, e responda com seus próprios números:
- Qual o tamanho do corpus hoje, e onde estará em doze meses? Abaixo de um milhão de vetores, pare aqui e fique no serverless.
- Qual é seu custo total por milhão de consultas na fatura atual? Divida três meses de faturas pelas consultas atendidas.
- Você já opera infraestrutura com estado? Um cluster Kubernetes existente com rotação de plantão torna a auto-hospedagem quase gratuita no marginal; sua ausência a torna um plano de contratação.
- Qual latência o produto realmente precisa? Se a resposta é "mais rápido que o LLM", quase toda opção qualifica.
- Você precisa de busca híbrida — palavra-chave mais vetor em uma consulta? Qdrant, Milvus e Weaviate a oferecem nativamente; Pinecone e configurações baseadas em Postgres precisam de montagem manual, o que também é tempo de engenharia do lado medido do razão.
- O que a curva de crescimento faz com a data de cruzamento? Uma carga de trabalho estável que nunca cruza é uma decisão de ficar, tomada deliberadamente em vez de por inércia.
Extraia suas últimas três faturas do Pinecone esta semana, calcule o custo por milhão de consultas e precifique uma máquina dedicada dimensionada para seu índice quantizado. Se as linhas se cruzarem dentro de um ano, comece a avaliação de relevância agora — a migração leva semanas, a matemática leva uma tarde, e o resultado mais caro é refazer ambos sob pressão de prazo seis meses a partir de hoje.
