Esta calculadora estima el almacenamiento bruto necesario para un sistema RAG a partir del número de fragmentos, la dimensión de los embeddings, el tamaño de cada componente numérico y una cantidad adicional de metadatos por fragmento. También permite aplicar un factor de sobrecarga para aproximar índices, estructuras internas y espacio operativo.
El resultado se expresa en gigabytes y separa vectores, metadatos y sobrecarga. Es útil para dimensionar una base vectorial antes de cargar un corpus grande o para comparar cómo cambian los requisitos al modificar el tamaño de los chunks o la dimensión del embedding. No reproduce el formato interno de un producto específico: diferentes motores, tipos de índice, replicación y compresión pueden cambiar de forma importante el almacenamiento real.
1. Cuenta los fragmentos
Estima cuántos chunks tendrá el corpus después de dividir los documentos.
2. Indica la dimensión
Usa el número de componentes que tenga cada embedding.
3. Define bytes por dimensión
Selecciona el tamaño del tipo numérico utilizado para almacenar cada componente.
4. Añade metadatos
Estima bytes medios para ids, texto, referencias y atributos guardados con cada vector.
5. Aplica sobrecarga
Reserva un porcentaje para índices y estructuras internas y revisa el total en GB.
El resultado aproxima el espacio bruto de vectores, metadatos y una sobrecarga configurable de índice.
Replicación, backups, compresión y estructuras específicas de la base de datos pueden hacer que el uso real sea distinto.
Datos: 5.000.000 fragmentos, 1.536 dimensiones, 4 bytes por dimensión, 600 bytes de metadatos y 30 % de sobrecarga.
Cálculo: Vectores = 5.000.000 × 1.536 × 4 = 30.720.000.000 B. Metadatos = 3.000.000.000 B. Base = 33.720.000.000 B. Total con 30 % = 43.836.000.000 B. En GiB: 43.836.000.000 / 1.073.741.824 ≈ 40,82.
Resultado: ≈ 40,82 GB.
Interpretación: La dimensión del vector domina el almacenamiento base en este ejemplo, mientras que índice y metadatos añaden una fracción adicional relevante.
La calculadora aplica una conversión binaria de 1024³ bytes. Algunos proveedores muestran capacidad decimal, por lo que sus cifras pueden diferir.
Ids, referencias de documento, texto almacenado, etiquetas, timestamps u otros campos asociados a cada fragmento.
El almacenamiento de vectores crece linealmente con la dimensión: duplicarla duplica los bytes de esa parte si el tipo numérico no cambia.
No necesariamente. Está pensada para índice y estructuras internas; si replicas datos, añade ese factor por separado al dimensionar infraestructura.
Chunks más pequeños suelen producir más fragmentos para el mismo corpus, aumentando vectores y metadatos aunque cada embedding mantenga la misma dimensión.