湖仓与存储🔥9.0
博主实测算力：100万文本块向量的存储成本远不止调用费
📋总体概括
博主「大Token」用 Python 3.13 标准库脚本实测算了一遍 RAG 知识库中向量存储成本：场景为 100 万条文本块、每块 500 token，指出多数人只关注 embedding 调用费用，忽视向量本身的存储开销。测算对比了 OpenAI text-embedding-3-small（默认 1536 维）与 text-embedding-3-large 等模型在不同维度下的向量占用，提示降维、量化等手段对成本的影响，为向量库选型与容量规划提供参考。
⚡关键信息
- ▸测算场景设定为 100 万条文本块、每块 500 token，用标准库纯算术脚本完成
- ▸OpenAI text-embedding-3-small 默认 1536 维，text-embedding-3-large 默认更高维度
- ▸核心观点：做 RAG 检索时多数人只算 embedding 调用费，忽视向量本身的存储成本
- ▸测算脚本为 outputs/vector_store_measure.py，方法完全透明可复现
🔥犀利点评
这账算得好。向量库营销话术里从来只说「快」「准」，没人告诉你 100 万块 1536 维 float32 就是一堆 GB 起步的存储账单，维度翻倍成本翻倍。只算 API 调用费是典型的「学费思维」——调用费是一次性的，存储费是月月交的。真上规模之前先跑一遍这种算术脚本，比看十篇 RAG 教程都值钱。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 微博-数据库关键词 阅读全文 →