Calculadora dimensionamiento RAG: cuánto cuesta indexar tu corpus
Ingresa tu corpus y modelo embedding para ver chunks totales, RAM mínima recomendada y costo en CLP de indexación inicial + operación mensual.
¿Cuánto cuesta indexar tu base documental y operarla?
Estimación referencial junio 2026. Asume 1 palabra ≈ 1.3 tokens (español).
Costo embedding inicial
$95
US$0,10 · una vez al indexar todo el corpus
Costo mensual operación (queries)
$10
US$0,01 · 10.000 queries/mes
Chunks totales
5.000
5 por documento
Dimensiones por vector
1.536
Tamaño índice
0 GB
vector float32 puro
RAM mínima recomendada
4 GB
HNSW carga en memoria
Recomendación de infraestructura
Postgres + pgvector en VPS 4-8 GB RAM (~CLP 30-60K/mes).
Cómo se calcula
La calculadora estima 4 dimensiones críticas de un sistema RAG: cantidad total de chunks indexados, tamaño del índice en GB (vectores float32), RAM mínima recomendada para que el índice HNSW corra fluido en memoria, y costo en CLP de la indexación inicial + operación mensual de queries.
Las cifras asumen embeddings con dimensiones específicas según modelo (OpenAI 3-small: 1536, 3-large: 3072, Voyage: 1024) y un factor 2.5x sobre el tamaño del índice para HNSW en RAM (HNSW guarda el grafo de vecinos además de los vectores).
3 reglas que aplicamos para dimensionar RAG en clientes
- Default a OpenAI 3-small + pgvector hasta 50M vectores. Solo subir a 3-large o migrar a Qdrant cuando los números o la calidad lo exijan.
- RAM real = índice × 3-4 (no solo 2.5). El extra cubre Postgres + buffer + picos. Sub-dimensionar dispara la latencia.
- Re-embedding cuando se cambia de modelo: invalida todo el corpus. Diseñar tabla con columna embedding_model para coexistir versiones durante la migración.