Qdrant и Milvus в масштабе: когда самостоятельно развернутый векторный поиск переходит от CapEx к дешевле, чем оплата за запросы в Pinecone

В прошлом квартале ваш счет за Pinecone составлял $52. В этом квартале он $1 300, и вы не изменили ничего, кроме того, что добились успеха. Больше пользователей, больше документов, больше запросов — именно тот рост, которого вы хотели, — и каждая его единица тарифицируется по $16–$18 за миллион единиц чтения сверх стоимости хранения. Это тот момент, когда самостоятельное развертывание перестает быть инженерным хобби и становится финансовым вопросом: в какой момент фиксированный сервер с Qdrant или Milvus дешевле, чем счетчик оплаты за запросы, и как это доказать до миграции?

Этот пост разбирает, как на самом деле тарифицируется Pinecone serverless, сколько на самом деле стоит самостоятельное развертывание Qdrant или Milvus, если учесть инженерное время, математику точки безубыточности, которая определяет вашу точку перехода, и как каждый из вариантов отражается в вашей бухгалтерии — потому что сервер, которым вы владеете, и счет, который вы оплачиваете, — это не один и тот же вид денег.

Как на самом деле тарифицируется Pinecone Serverless​

В тарификации Pinecone serverless четыре регулятора, и только один из них ведет себя как подписка. План Standard включает минимальный ежемесячный платеж в $50 — вы платите его даже в спокойный месяц — а сверх него платите по факту использования по трем измерениям плюс за исходящий трафик.

Хранение — самый маленький регулятор: $0,33 за ГБ в месяц. Индекс на 10 миллионов векторов с эмбеддингами размерности 1536 занимает примерно 60 ГБ, то есть около $20 в месяц. Из-за хранения никто не мигрирует.

Единицы чтения — это тот регулятор, который двигает счет. Standard берет $16–$18 за миллион единиц чтения, причем ставки различаются по облачным регионам, и каждый запрос потребляет единицы чтения примерно пропорционально тому, какую часть индекса он сканирует. Единицы записи дешевле — $4–$4,50 за миллион, что важно при массовой загрузке и повторном эмбеддинге, но отходит на второй план для нагрузки RAG с преобладанием чтения. С сентября 2026 года исходящий трафик сверх включенных 100 ГБ в месяц тарифицируется по $0,10 за ГБ — строка расходов, которой год назад почти не существовало, а теперь она заслуживает отдельной строки в вашей таблице.

Бесплатный тариф Starter (2 ГБ хранилища, 1 миллион единиц чтения и 2 миллиона единиц записи в месяц) прекрасно покрывает прототипы — именно поэтому счет приходит как сюрприз: бесплатный тариф заканчивается ровно тогда, когда использование начинает накапливаться. Сторонние сравнения затрат оценивают производственную нагрузку на 10 миллионов векторов на Pinecone serverless в $1 300 и более в месяц, а 50 миллионов векторов размерности 768 — в $300–$800 в зависимости от объема запросов. При 100 миллионах векторов развертывания Pinecone на основе подов оценивались в $5 000–$15 000 в месяц. Проверьте текущие прайс-листы перед тем, как составлять бюджет — каждый поставщик меняет тарификацию как минимум раз в год, — но форма кривой стабильна: стоимость Pinecone масштабируется вместе с вашим успехом, линейно и навсегда.

Сколько на самом деле стоит самостоятельное развертывание Qdrant и Milvus​

Самостоятельное развертывание заменяет счетчик плоской линией: фиксированная инфраструктура плюс инженерное время. Два ведущих открытых движка, оба под лицензией Apache 2.0, проводят эту плоскую линию на разной высоте.

Qdrant — более легкий вариант. Это единый бинарник на Rust со скромным аппетитом к памяти, мощной фильтрацией по payload и агрессивной квантизацией — его 4-битный TurboQuant может сократить RAM для плотных векторов примерно в восемь раз, а обычная int8-квантизация — примерно вдвое. Коллекция на 10 миллионов векторов, которой нужно 60 ГБ при полной точности, помещается менее чем в 10 ГБ после квантизации — это разница между сервером за $150 и за $600. Один известный пример миграции оценил самостоятельно развернутый Qdrant на Kubernetes примерно в $850 в месяц инфраструктурных затрат для нагрузки, которая стоила $8 400 в месяц на Pinecone. Меньшие конфигурации обходятся гораздо дешевле: один выделенный сервер с 64 ГБ RAM арендуется примерно за $100–$300 в месяц и спокойно вмещает десятки миллионов квантованных векторов.

Milvus — более тяжелый вариант с более высоким потолком. Это распределенная cloud-native система — отдельные компоненты для координации, узлов данных, узлов запросов и хранения, — что означает, что она масштабируется за пределы миллиарда векторов, но также означает, что вы управляете кластером, а не бинарником. Сторонние оценки ставят самостоятельно развернутый Milvus в $600–$1 200 в месяц инфраструктурных затрат для нагрузки на 50 миллионов векторов и в $2 000–$5 000 при 100 миллионах векторов. В этом масштабе он все еще обходится вдвое или более дешевле управляемых альтернатив, но разрыв между простотой Qdrant и сложностью Milvus — это реальный инженерный штат.

Этот штат — строка, которую все недооценивают. Тот же пример миграции, который оценил инфраструктуру самостоятельно развернутого Qdrant в $850 в месяц, добавил четверть инженера — примерно $5 000 в месяц с полной нагрузкой — на эксплуатацию. Обновления версий, настройка индексов, восстановление из резервных копий, вызовы в 3 часа ночи: счетчик, который вы перестаете платить Pinecone, частично превращается в зарплату. Честное сравнение всегда добавляет эту строку. Если вы уже управляете Kubernetes и у вас уже есть дежурный, предельные затраты могут быть близки к нулю; если вам придется нанять первого платформенного инженера, чтобы присматривать за кластером, самостоятельное развертывание только что подорожало на $150 000 в год.

Есть также серединный путь, который стоит оценить: управляемые open-source решения. Qdrant Cloud тарифицирует по фактическим ресурсам кластера без фиксированного минимума, платные кластеры начинаются примерно с $25 в месяц, а для небольших нагрузок есть действительно бесплатный кластер на 1 ГБ. Zilliz Cloud — управляемый Milvus от его изначальной команды — берет за serverless-использование около $4 за миллион vCU с бесплатным тарифом в 5 ГБ и 2,5 миллиона vCU в месяц. Оба обычно располагаются по цене между Pinecone и самостоятельным развертыванием, сохраняя эксплуатационную нагрузку близкой к нулю — правильный ответ, когда объем ваших запросов перерос бесплатный тариф Pinecone, но не вашу терпимость к дежурствам.

Математика точки перехода: как найти точку безубыточности​

Формула безубыточности помещается на каталожную карточку. Самостоятельное развертывание выигрывает в тот месяц, когда:

Фиксированная инфраструктура + инженерное время меньше, чем хранение + (единицы чтения × запросы) + записи + исходящий трафик

Считайте по своим счетам за последние три месяца, а не калькуляторами поставщиков, потому что ваше соотношение единиц чтения на запрос — единственное число, которое не может дать ни одна статья-сравнение. Вытащите строки из счетов, разделите единицы чтения на обслуженные запросы, и вы получите свою удельную стоимость. Затем оцените фиксированную сторону: один выделенный сервер или облачная ВМ, рассчитанная под ваш квантованный индекс, плюс честная доля инженера.

Проработанный пример делает форму наглядной. Возьмем RAG-продукт с 10 миллионами векторов размерности 1536 и 5 миллионами запросов в месяц, растущими на 20 процентов в месяц. На Pinecone serverless сторонние оценки ставят эту нагрузку примерно в $1 300 в месяц сегодня — а при росте запросов на 20 процентов в месяц она примерно удваивается каждые четыре месяца. Самостоятельно развернутый Qdrant с int8-квантизацией умещает индекс примерно в 30 ГБ RAM: один выделенный сервер с 64 ГБ, скажем, за $200 в месяц, плюс четверть инженера за $5 000 с полной нагрузкой — итого около $5 200. Это выглядит как проигрыш — пока вы не продлите линии. Линия Pinecone удваивается каждые четыре месяца ($1 300, затем $2 600, затем $5 200), тогда как линия самостоятельного развертывания остается плоской. Точка перехода приходится примерно на восьмой месяц, и с каждым месяцем после этого разрыв растет в вашу пользу. Более быстрый рост приближает точку перехода; при неизменном использовании вы можете так и не ее достичь.

Из опубликованных сравнений вытекают три примерные зоны. При менее чем примерно миллионе векторов с умеренным числом запросов serverless выигрывает безоговорочно — бесплатный тариф Pinecone или минимум в $50 дешевле времени любого инженера. Примерно между 10 и 50 миллионами векторов с устойчивым объемом запросов находится зона перехода, где ответ зависит от темпов вашего роста и от того, есть ли у вас уже платформенная инженерия. За 100 миллионами векторов с серьезной нагрузкой запросов самостоятельно развернутые Qdrant или Milvus почти всегда выигрывают уже на одной инфраструктуре, часто на 50–75 процентов.

Одно предостережение: моделируйте ваш рост, а не текущее положение. Команды, которые принимают решение по сегодняшнему счету и игнорируют кривую роста в 20 процентов в месяц, через шесть месяцев заново проводят весь этот анализ под давлением сроков — а это самый дорогой из возможных способов миграции.

CapEx или OpEx? Как каждый вариант попадает в вашу бухгалтерию​

Здесь два варианта перестают быть взаимозаменяемыми, потому что сервер, которым вы владеете, и счет, который вы оплачиваете, — это разные виды денег с разным налоговым таймингом.

Счета Pinecone, Qdrant Cloud и Zilliz Cloud — это операционные расходы, вычитаемые в год оплаты. Единственный вопрос суждения — это классификация: если векторная база данных напрямую обслуживает запросы к продукту, за который платят клиенты, ее стоимость относится к себестоимости продаж наряду с остальной инфраструктурой хостинга, где она честно уменьшает валовую маржу. Если она питает внутренний инструмент — поиск по документации поддержки для вашей собственной команды — она относится к общим операционным расходам вместе с остальным стеком SaaS. Разделяйте счет по назначению, когда один индекс обслуживает и то и другое; команда due diligence вашего будущего покупателя все равно перенесет ваш бухгалтерский учет к стандартному определению COGS для SaaS, так что классифицируйте правильно уже сейчас.

Арендованная инфраструктура для самостоятельного развертывания — облачные ВМ, выделенные серверы от хостинг-провайдера — это тоже операционные расходы: ежемесячная плата за хостинг, без актива, без графика амортизации. Это удивляет команды, которые считают «самостоятельное развертывание» автоматически капитальными затратами. Аренда сервера — это аренда, каким бы голым железом он ни был.

Собственное оборудование — это и есть настоящий случай CapEx. Покупая сервер целиком, вы капитализируете его как основной актив и затем амортизируете — компьютерное оборудование обычно попадает под 5-летнее имущество MACRS, а вычет по Section 179 или бонусная амортизация могут позволить вычесть гораздо больше в первый год, с учетом действующих лимитов, которые должен подтвердить ваш CPA. Налоговый тайминг может сделать сервер за $6 000 дешевле в терминах приведенной стоимости, чем $150 в месяц аренды, даже до учета экономии на хостинге. Но собственное оборудование также означает, что вы несете риск актива: сдохший диск в 2 часа ночи — это ваш диск, а нагрузка, переросшая сервер, замораживает капитал.

Затраты на миграцию — повторный эмбеддинг корпуса, параллельная работа обеих систем, инженерные недели — в почти каждом случае малого бизнеса списываются в расходы по мере возникновения. Планируйте их как разовый удар по периоду окупаемости, а не как актив. Если миграция экономит $4 000 в месяц и стоит $15 000 в инженерном времени и вычислениях для повторного эмбеддинга, окупаемость — менее четырех месяцев; финансируйте решение по этому сроку.

В ledger на основе открытого текста два режима выглядят так — тарифицируемый счет как ежемесячный расход против себестоимости выручки, арендованный сервер как хостинг, а собственный сервер амортизируется понемногу каждый месяц (механику проводок см. в документации Beancount):

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" "Октябрьский счет, 4,1 млн единиц чтения и 62 ГБ хранения"
  Expenses:COGS:VectorDB  312.44 USD
  Assets:Checking
 
2026-11-01 * "Хостинг-провайдер" "Аренда за ноябрь, выделенный сервер 64 ГБ для Qdrant"
  Expenses:Infra:Hosting  199.00 USD
  Assets:Checking
 
2026-11-30 * "Конец месяца" "Амортизация, собственный сервер векторного поиска, месяц 3 из 60"
  Expenses:Depreciation:Servers  100.00 USD
  Assets:Servers:Accumulated-Depreciation  -100.00 USD

Держите тарифицируемые и фиксированные строки на отдельных счетах даже во время миграции с параллельной работой. Когда обе системы обслуживают продакшн месяц или два, смешанные счета скрывают именно то сравнение, которое миграция должна была доказать.

Затраты, которые все забывают​

Четыре категории затрат регулярно ускользают из таблицы и устраивают засаду после миграции.

Во-первых, исходящий трафик и повторная загрузка. Перемещение 100 миллионов векторов не бесплатно ни с одной стороны: исходящий трафик на стороне Pinecone сверх включенной квоты плюс вычисления для повторного эмбеддинга, если вы одновременно меняете модели эмбеддинга или разбиение на чанки. Опубликованные оценки ставят полный повторный эмбеддинг в $50–$5 000 вычислений в зависимости от размера корпуса, плюс 4–12 недель инженерной работы на саму миграцию. Оценивайте миграцию, а не только пункт назначения.

Во-вторых, регрессия качества поиска. Другой ANN-индекс с другой квантизацией возвращает других соседей, а «другие» иногда означают «хуже» для ваших конкретных запросов. Команды, которые мигрируют только ради экономии и пропускают параллельную оценку релевантности, узнают о регрессии из жалоб пользователей. Сохраните выборку запросов, оцените обе системы и требуйте паритета перед переключением — неделя оценки входит в бюджет миграции.

В-третьих, задержка, за которую вы платите, но которую не можете использовать. Одно сравнение измерило Pinecone на уровне примерно 22 мс P95 против 150 мс у альтернативы на основе Postgres — разрыв, который никто не замечает в 95 процентах сценариев B2B RAG, где сама языковая модель занимает секунды. Если узкое место вашего чат-бота — генерация токенов, покупка поиска с однозначными миллисекундами — это покупка скорости, которую ваши пользователи никогда не почувствуют. Согласуйте SLO по задержке с продуктом, прежде чем сопоставлять поставщика с SLO.

В-четвертых, асимметрия стоимости выхода. Миграция с Pinecone на Qdrant означает экспорт векторов и перестройку индекса — хлопотно, но ограничено. Миграция между самостоятельно развернутыми движками или обратно на управляемое решение позже снова влечет тот же счет за повторный эмбеддинг и перенастройку. Отдавайте предпочтение движкам со стандартными путями экспорта и открытыми форматами данных, чтобы следующая миграция, в любом направлении, начиналась с кнопки экспорта, а не с экспертного расследования.

Решайте с помощью шести вопросов​

Возьмите на вооружение структуру принятия решений, к которой сходятся лучшие сравнения, и ответьте на нее своими собственными числами:

1. Насколько велик корпус сегодня и где он будет через двенадцать месяцев? Меньше миллиона векторов — остановитесь здесь и оставайтесь на serverless.
2. Какова ваша полная стоимость на миллион запросов по текущему счету? Разделите счета за три месяца на обслуженные запросы.
3. Управляете ли вы уже stateful-инфраструктурой? Существующий кластер Kubernetes с дежурствами делает самостоятельное развертывание почти бесплатным на пределе; его отсутствие превращает это в план найма.
4. Какая задержка на самом деле нужна продукту? Если ответ — «быстрее, чем LLM», то подходит почти любой вариант.
5. Нужен ли вам гибридный поиск — ключевые слова плюс векторы в одном запросе? Qdrant, Milvus и Weaviate предлагают его нативно; Pinecone и решения на основе Postgres требуют ручной сборки, что тоже инженерное время на тарифицируемой стороне бухгалтерии.
6. Что кривая роста делает с датой перехода? Нагрузка без роста, которая никогда не пересечет точку перехода, — это решение остаться, принятое сознательно, а не по инерции.

Достаньте свои последние три счета Pinecone на этой неделе, вычислите стоимость на миллион запросов и оцените один выделенный сервер, рассчитанный под ваш квантованный индекс. Если линии пересекаются в течение года, начинайте оценку релевантности сейчас — миграция занимает недели, математика — один день, а самый дорогой результат — заново проводить и то и другое под давлением сроков через шесть месяцев.