¿Cuánto cuesta ejecutar una app RAG?
Una app con recuperación aumentada toca cuatro capas de pago. Esta es la combinación viable más barata para una carga de referencia, con una nota sobre cada una.
La llamada de generación. Domina la entrada (contexto recuperado), así que el precio de entrada en caché y un modelo barato pero capaz son lo que más importa.
◈ o self-host: 1× A40 a ~55% de uso de GPU $358/mo· se amortiza por encima de ~2.8M peticiones/mes
Un vector por fragmento al indexar, más un pequeño embedding por consulta. El índice inicial es un pago único; el costo continuo es mínimo.
Almacena y busca los vectores. Serverless factura almacenamiento + consultas; dedicado factura tiempo de cómputo: el cruce está en torno a unos pocos millones de vectores.
Los documentos en bruto van en almacenamiento de objetos. Barato; el factor que oscila es la salida si reindexas a menudo.
Trazado y eval. Langfuse y Helicone tienen planes gratuitos generosos: 0 $ hasta que hay volumen real.
Precios en vivo, actualizados 2026-09-15. Un modelo, no un presupuesto: cada capa se valora en su proveedor más barato; los embeddings amortizan el índice inicial en 12 meses. Confirma en el sitio de cada proveedor.