Quanto custa rodar uma app RAG?
Uma app com recuperação aumentada toca quatro camadas pagas. Esta é a combinação viável mais barata para uma carga de referência, com uma nota sobre cada uma.
A chamada de geração. Domina a entrada (contexto recuperado), então o preço de entrada em cache e um modelo barato mas capaz são o que mais importa.
◈ ou self-host: 1× A40 a ~55% de uso de GPU $358/mo· se paga acima de ~2.8M requisições/mês
Um vetor por trecho ao indexar, mais um pequeno embedding por consulta. O índice inicial é pagamento único; o custo contínuo é mínimo.
Armazena e busca os vetores. Serverless fatura armazenamento + consultas; dedicado fatura tempo de computação — o cruzamento está em alguns milhões de vetores.
Os documentos em bruto ficam no armazenamento de objetos. Barato; o fator que varia é a saída se você reindexa com frequência.
Rastreamento e eval. Langfuse e Helicone têm planos gratuitos generosos — 0 $ até haver volume real.
Preços ao vivo, atualizados 2026-09-15. Um modelo, não um orçamento — cada camada é precificada no provedor mais barato; os embeddings amortizam o índice inicial em 12 meses. Confirme no site de cada provedor.