Inicio rápido
-
Introduzca count y dims
por ejemplo, 100k vectores a 1536 dims (text-embedding-3-small).
-
Elegir dtype
float32, float16 o int8 establecen bytes por valor.
Incorporar calculadora de almacenamiento
Estime rápidamente el tamaño de la carga útil de incrustación densa al planificar la capacidad de RAG o DB vectorial (índice excluido).
Privacidad: procesado localmente, nunca cargado.
↓ Pega en el área de entrada de abajo para ver los resultados al instante
按向量条数、维度与数据类型估算原始向量存储占用（不含索引开销）。
字节
614,400,000
MB
585.94
GB
0.5722
Notas
存储说明
仅计算稠密向量本体大小。向量库索引、元数据与副本会额外占用磁盘。
Estime rápidamente el tamaño de la carga útil de incrustación densa al planificar la capacidad de RAG o DB vectorial (índice excluido).
Gastos generales del índice
Los índices de HNSW y FIV a menudo superan a los vectores crudos; Esta herramienta cuenta solo la carga útil.
Flujo de trabajo típico
Al implementar un sistema RAG, los desarrolladores generalmente identifican primero el modelo de incrustación (por ejemplo, text-embedding-3-large con 3072 dimensiones) y estiman el número de trozos de documento. Al introducir estos tres parámetros clave (count, dimensiones, dtype), esta herramienta calcula instantáneamente los requisitos de almacenamiento bruto, ayudando en la configuración del servidor o la planificación del almacenamiento en la nube.
Ejemplo: 1 millón de vectores float32 con 768 dimensiones ocupan ~3GB. Cambiar a float16 reduce el tamaño a la mitad pero puede perder precisión. La herramienta permite ajustes de parámetros en tiempo real para comparar los resultados, ideal para validar los costos de almacenamiento durante la selección del modelo.
Ejemplos
Ejemplo
Input
100000 vectors, 1536 dims, float32
Output
~586 MB
FAQ
¿Incluye metadatos?
No hay identificadores de documentos, cargas útiles u otros campos de metadatos.
¿Por qué el almacenamiento real de mi base de datos excede la estimación de la herramienta?
Las bases de datos vectoriales requieren espacio adicional para estructuras de índices (por ejemplo, gráficos HNSW), metadatos de documentos y gastos generales de compresión. Milvus/Pinecone normalmente necesitan 1.3-2x el tamaño de los datos en bruto. Esta herramienta se centra en el cálculo bruto: ajuste los presupuestos según la documentación de su base de datos.