Quanto custa implementar RAG: embeddings, armazenamento, consultas e modelos
Publicado em 2026-11-16 por ArduBot
Modelo de custos de um serviço RAG: indexação inicial, OCR, embeddings, banco de dados vetorial, buscas, geração, manutenção e picos.
Um protótipo RAG parece barato quando testado com três PDFs, mas o custo muda se você processar milhares de páginas e receber consultas o dia todo. Antes de definir um preço mensal, é preciso separar indexação, recuperação e geração.
Os cinco custos que vale a pena orçar
1. Extração: baixar, converter HTML ou ler PDFs. Páginas digitalizadas podem precisar de OCR, o que adiciona processamento e revisão de erros.
2. Embeddings: transformar fragmentos em vetores. A cobrança pode depender do volume de texto processado e do provedor; reindexar documentos atualizados gera novos consumos.
3. Armazenamento e índice: conservar texto, metadados, vetores, cópias e versões em um banco de dados ou mecanismo especializado.
4. Recuperação: busca, filtros, reranking opcional e recursos do servidor. Algumas soluções cobram por consulta; outras exigem pagar capacidade reservada.
5. Resposta do LLM: se o serviço redigir respostas, os tokens de entrada e saída são um custo adicional. Uma API que retorna apenas fragmentos pode operar sem pagar geração por cada busca.
Exemplo numérico: não confundir pressupostos com preços
Suponha 10.000 páginas, 5 fragmentos úteis por página e 20.000 perguntas mensais. Teríamos cerca de 50.000 unidades indexadas antes de duplicados ou filtros. Se cada consulta retornar 5 fragmentos, o sistema recuperará até 100.000 fragmentos por mês, mas isso não significa 100.000 chamadas de embeddings: geralmente calcula-se um embedding por pergunta e embeddings por novo conteúdo processado, de acordo com a arquitetura.
Para orçar, multiplique a quantidade estimada de tokens de documentos pela tarifa vigente do provedor de embeddings, some o custo de armazenamento, CPU/ram, OCR, reranking e, se existir, geração. Finalmente, adicione uma margem para picos, retentativas e reindexação por mudanças de modelo.
Não existe aqui um “preço universal de RAG”. As tarifas dos provedores podem mudar e dependem da arquitetura concreta; peça sempre cotações atuais.
O que influencia mais do que parece
Um PDF com tabelas mal extraídas pode produzir fragmentos inúteis e obrigar a repetir o trabalho. Um produto que permite upload de arquivos ilimitados pode consumir mais na ingestão do que em buscas. As políticas de retenção também importam: guardar versões indefinidamente incrementa o tamanho e o risco.
O cache pode economizar consultas repetidas, mas você deve invalidá-lo quando mudarem a fonte, as permissões ou a identidade autorizada. Nunca compartilhe um cache de respostas privadas entre clientes.
Uma planilha de cálculo prática
Costo mensual =
infraestructura fija
+ documentos nuevos/reindexados × costo de procesamiento
+ preguntas × costo de recuperación
+ preguntas respondidas × costo de generación
+ almacenamiento, backups, monitoreo y soporte A tarifa comercial precisa, além disso, cobrir desenvolvimento, incidentes, suporte e margem, não apenas a fatura do provedor.
Como medir a rentabilidade de um nó RAG
Ofereça aos primeiros interessados uma prova com um limite claro de documentos e perguntas. Registre o tempo de implantação, o custo mensal e a economia operacional real do cliente. Se o custo do suporte manual for maior que a receita, o serviço não escala, mesmo que os embeddings sejam baratos.
Na ArduMaker estamos avaliando um RAG administrado por API, mas não anunciamos um preço nem disponibilidade antes de validar infraestrutura e demanda. Se você estiver interessado, indique páginas ou GB, perguntas por mês e necessidade de geração ao visitar ArduMaker.
Fontes para projetar a arquitetura: RAG na Microsoft · Custos de API de IA: artigo relacionado.