Проиндексировать базу из 10 000 документов стоит от 8 до 1 161 ₽, и платите вы за это один раз. Если по базе задают 10 000 вопросов в месяц, генерация ответов на недорогой модели обойдётся в 2–3,5 тысячи рублей, а эмбеддинги самих вопросов — в сумму до 40 ₽. Большая часть счёта за RAG — генерация, а не эмбеддинги.
Ниже — откуда эти числа, какие допущения за ними стоят и на что смотреть при выборе модели. Цены — по данным каталога LLMFinder на 5 октября 2026 года. Долларовые цены пересчитаны по курсу ЦБ на 3 октября 2026 года, 83,48 ₽ за доллар.
Сколько стоят эмбеддинги у разных провайдеров
Одна и та же модель у разных провайдеров отличается в цене в 3–8 раз. Цена — за 1 млн входных токенов, у эмбеддингов выходных нет.
| Модель | Дешевле всего | Дороже всего | Провайдеров |
|---|---|---|---|
| text-embedding-3-large | 10,85 ₽ — AIHubMix, ZenMux | 45 ₽ — Timeweb Cloud | 10 |
| text-embedding-3-small | 1,67 ₽ — AIHubMix, ZenMux | 6 ₽ — VseGPT | 10 |
| Qwen3-Embedding-8B | 1,17 ₽ — Polza.ai | 9 ₽ — VseGPT | 11 |
| bge-m3 | 0,61 ₽ — Cloud.ru, MWS GPT | 1,93 ₽ — ZvenoAI | 7 |
| GigaChat Embeddings | 14 ₽ — GigaChat API | — | 1 |
| Yandex Text Embeddings | 10,1 ₽ — Yandex AI Studio | — | 1 |
Официальная цена OpenAI — $0,02 за миллион токенов для text-embedding-3-small и $0,13 для text-embedding-3-large (цены OpenAI, на 5 октября 2026 года). AIHubMix и ZenMux продают эти модели по официальной цене в долларах. Рублёвые цены у российских провайдеров выше: в них наценка, а у части — НДС. Сравнивать цены с НДС и без него мы разбирали в статье «Во сколько раз российские провайдеры дороже официальной цены».
У GigaChat API синхронный запрос к эмбеддингам стоит 0,014 ₽ за 1 000 токенов, асинхронный — 0,007 ₽, то есть 14 и 7 ₽ за миллион с НДС (тарифы GigaChat для юрлиц). У Yandex AI Studio получение эмбеддингов стоит 0,0101 ₽ за 1 000 токенов с НДС (тарифы AI Studio). Обе цены — на 5 октября 2026 года.
Все провайдеры и цены — на странице эмбеддингов.
Русский текст в эмбеддингах OpenAI занимает почти вдвое больше токенов
Цена за миллион токенов не говорит, сколько стоит ваш текст. Каждая модель режет текст на токены своим токенизатором, и на русском разница большая.
Эмбеддинги OpenAI работают на старом токенизаторе cl100k_base — так указано в библиотеке OpenAI tiktoken (model.py). Русский текст он режет мелко. Мы посчитали токены на двух текстах: Всеобщая декларация прав человека в официальном переводе ООН (11 791 знак) и наша инструкция по возврату товара в стиле базы знаний (1 095 знаков).
| Токенизатор | Знаков на токен | Токенов на 1 000 знаков |
|---|---|---|
cl100k_base (text-embedding-3-small и -large) |
2,3 | около 430 |
| Qwen3-Embedding-8B | 3,1–3,3 | около 310 |
| bge-m3 | 3,9–4,6 | около 230 |
Токенизаторы взяли из tiktoken 0.12.0 и из файлов tokenizer.json открытых моделей Qwen3-Embedding-8B и bge-m3 на Hugging Face. Знаки считали с пробелами, служебные токены не считали. Меньшее число в диапазоне — на тексте базы знаний, большее — на декларации.
Поэтому 1 000 знаков в text-embedding-3-small — это около 430 токенов, а в bge-m3 — около 230. При одинаковой цене за токен русский текст в моделях OpenAI обошёлся бы почти вдвое дороже. Токенизаторы эмбеддингов GigaChat и Yandex не опубликованы. Сколько токенов насчитали за ваш текст, видно в поле usage ответа API.
Подробнее о том, почему русский текст дороже английского, — в статье «Почему русский текст в нейросетях стоит дороже».
Сколько стоит проиндексировать базу
Допущения расчёта:
- документ — 5 000 знаков с пробелами, это 2–3 страницы;
- документ режем на фрагменты по 1 500 знаков с перекрытием 300 знаков, получается 4 фрагмента и 6 000 знаков на эмбеддинг;
- токенов на 1 000 знаков — как в таблице выше: 430 у моделей OpenAI, 310 у Qwen3-Embedding, 230 у bge-m3.
Тогда 1 000 документов — это 2,58 млн токенов в text-embedding-3, 1,86 млн в Qwen3-Embedding и 1,38 млн в bge-m3. Для 10 000 документов — в десять раз больше. Стоимость = токены × цена за миллион.
| Модель и провайдер | Цена за 1 млн токенов | 1 000 документов | 10 000 документов |
|---|---|---|---|
| bge-m3, Cloud.ru или MWS GPT | 0,61 ₽ | 0,84 ₽ | 8 ₽ |
| Qwen3-Embedding-8B, дешевле всего | 1,17 ₽ | 2 ₽ | 22 ₽ |
| Qwen3-Embedding-8B, дороже всего | 9 ₽ | 17 ₽ | 167 ₽ |
| text-embedding-3-small, дешевле всего | 1,67 ₽ | 4 ₽ | 43 ₽ |
| text-embedding-3-small, дороже всего | 6 ₽ | 15 ₽ | 155 ₽ |
| text-embedding-3-large, дешевле всего | 10,85 ₽ | 28 ₽ | 280 ₽ |
| text-embedding-3-large, ProxyAPI | 34 ₽ | 88 ₽ | 877 ₽ |
| text-embedding-3-large, дороже всего | 45 ₽ | 116 ₽ | 1 161 ₽ |
Для GigaChat Embeddings и Yandex Text Embeddings точного расчёта нет: неизвестно, сколько токенов у них займёт ваш текст. Если от 230 до 430 токенов на 1 000 знаков, 10 000 документов обойдутся в 193–361 ₽ у GigaChat в синхронном режиме, в 97–181 ₽ в асинхронном и в 139–261 ₽ у Yandex.
Расчёт держится на допущениях. Прежде чем индексировать всю базу, прогоните 100 своих документов и умножьте фактическое число токенов из usage на размер базы.
Индексацию можно удешевить вдвое пакетной обработкой, если она нужна не срочно. У OpenAI Batch API даёт скидку 50 % и выполняет пакет в течение 24 часов, эмбеддинги в нём поддерживаются (документация Batch API). У ProxyAPI text-embedding-3-large в пакетном режиме стоит 17 ₽ вместо 34 ₽ (страница модели). У GigaChat асинхронный режим тоже вдвое дешевле синхронного.
Сколько стоят вопросы за месяц
Индексация — разовый расход. Каждый месяц вы платите за вопросы пользователей, и на каждый вопрос работают две модели: эмбеддинги превращают вопрос в вектор, чтобы найти фрагменты, а языковая модель пишет ответ по найденному.
Допущения: 10 000 вопросов в месяц, вопрос — 200 знаков. В языковую модель уходят инструкция, вопрос и пять найденных фрагментов по 1 500 знаков — около 3 000 входных токенов с запасом. Ответ — около 400 токенов.
| Статья расхода | Расчёт | В месяц |
|---|---|---|
| Эмбеддинги вопросов, bge-m3 у Cloud.ru | 0,46 млн токенов × 0,61 ₽ | 0,3 ₽ |
| Эмбеддинги вопросов, text-embedding-3-large за 45 ₽ | 0,86 млн токенов × 45 ₽ | 39 ₽ |
| Ответы, GigaChat 2 Lite в синхронном режиме | 34 млн токенов × 65 ₽ | 2 210 ₽ |
| Ответы, Qwen3.6-35B-A3B у MWS GPT | 30 млн × 70,76 ₽ + 4 млн × 283,04 ₽ | 3 255 ₽ |
| Ответы, GPT-5.4 mini по цене OpenAI | 30 млн × 62,61 ₽ + 4 млн × 375,68 ₽ | 3 381 ₽ |
| Ответы, GigaChat 2 Max в синхронном режиме | 34 млн токенов × 650 ₽ | 22 100 ₽ |
Цены генерации: GPT-5.4 mini — $0,75 / $4,5 за миллион входных и выходных токенов (цены OpenAI); GigaChat Lite и Max в синхронном режиме — 0,065 и 0,65 ₽ за 1 000 токенов с НДС (тарифы GigaChat); Qwen3.6-35B-A3B у MWS GPT — 70,76 / 283,04 ₽ с НДС (тарификация MWS GPT). Всё — на 5 октября 2026 года.
Даже в худшем сочетании, самые дорогие эмбеддинги и самая дешёвая генерация из таблицы, эмбеддинги вопросов — меньше 2 % счёта. Поэтому экономить в RAG стоит на генерации: короче инструкция, меньше фрагментов в контексте, модель подешевле там, где она справляется.
Есть и расход, которого нет в прайсах провайдеров: хранение векторов. Один вектор text-embedding-3-large — 3 072 числа, во float32 это 12 КБ. 10 000 документов по 4 фрагмента — 40 000 векторов, около 490 МБ без индексов векторной базы. У text-embedding-3-small (1 536 чисел) — около 250 МБ, у bge-m3 (1 024) — около 160 МБ. Сколько это стоит, зависит от того, где вы держите векторную базу.
Какую модель взять для русского
Для русского языка есть отдельный рейтинг — MTEB(rus, v1): 23 задачи, среди них классификация, кластеризация, поиск и переранжирование (лидерборд MTEB, на 5 октября 2026 года). Результаты по поиску для моделей OpenAI и Qwen3-Embedding в нём не опубликованы, поэтому сравнить четыре модели можно только по задачам, где измерены все:
| Модель | Классификация | Кластеризация | Классификация пар | Поиск |
|---|---|---|---|---|
| Qwen3-Embedding-8B | 74,35 | 66,72 | 71,33 | нет данных |
| text-embedding-3-large | 62,87 | 57,84 | 58,08 | нет данных |
| bge-m3 | 60,44 | 52,38 | 60,60 | 74,79 |
| text-embedding-3-small | 58,28 | 52,74 | 53,73 | нет данных |
По этим задачам Qwen3-Embedding-8B опережает text-embedding-3-large на 9–13 баллов и при этом дешевле в 9 раз по минимальной цене. text-embedding-3-small — последняя в таблице. Выше всех в русском рейтинге — Giga-Embeddings-instruct от ai-sage: её веса открыты под лицензией MIT (карточка модели), модель можно запустить на своём сервере.
Что из этого следует:
- text-embedding-3-small дешевле large в 6,5 раза, но на русском уступает ей во всех трёх задачах. Её стоит брать, если важнее всего цена и качество поиска на ваших вопросах вас устроило.
- text-embedding-3-large закрыта, у себя её не запустить. Если провайдеры перестанут её продавать, базу придётся переиндексировать другой моделью.
- Qwen3-Embedding-8B и bge-m3 открыты. Их продают несколько провайдеров, а в крайнем случае модель можно запустить на своём сервере и не пересчитывать базу.
Рейтинг — это усреднение по чужим данным. Перед тем как индексировать всю базу, соберите 30–50 настоящих вопросов пользователей, отметьте для каждого правильный фрагмент и посчитайте, как часто он попадает в первые пять результатов у двух-трёх моделей. На 1 000 документов такая проверка стоит меньше 30 ₽ даже для text-embedding-3-large по минимальной цене.
Почему смена модели — это переиндексация
Векторы разных моделей несопоставимы. Каждая модель раскладывает смысл по своим координатам, и вопрос, превращённый в вектор новой моделью, нельзя сравнивать с документами, которые индексировала старая. Часто у векторов даже разная длина: 1 536 у text-embedding-3-small, 3 072 у large, 1 024 у bge-m3.
Поэтому модель эмбеддингов выбирают один раз и надолго, а провайдера можно менять. Если вы индексировали базу text-embedding-3-large у одного провайдера, вопросы можно отправлять в ту же модель у другого — векторы будут совместимы, если провайдер действительно отдаёт ту же модель. Проверить просто: получите эмбеддинг одного и того же текста у обоих и сравните, векторы должны почти совпасть. Подробнее — в статье о проверке подмены модели. Сменить модель — значит заново оплатить и прогнать всю базу.
Длину вектора можно уменьшить без смены модели. У text-embedding-3 для этого есть параметр dimensions: OpenAI предлагает, например, укоротить вектор large с 3 072 до 1 024 чисел и пишет, что часть точности при этом теряется (руководство OpenAI по эмбеддингам). У Qwen3-Embedding-8B длину можно задать от 32 до 4 096 (карточка модели). Но длину тоже выбирают при индексации: векторы длиной 1 024 и 3 072 между собой не сравнить.
Нужен ли реранкер
Реранкер — вторая модель, которая перепроверяет найденное. Поиск по векторам возвращает, например, 20 фрагментов, реранкер читает каждый вместе с вопросом и выставляет новые оценки, а в ответ уходят лучшие пять.
С первого дня он не нужен. Добавлять его стоит, если на ваших проверочных вопросах нужный фрагмент часто есть среди первых 20 результатов, но не среди первых пяти.
Реранкер читает все кандидаты целиком, поэтому токенов ему нужно много. 20 фрагментов по 1 500 знаков на 10 000 вопросов — 300 млн знаков в месяц:
| Реранкер | Цена за 1 млн токенов | В месяц |
|---|---|---|
| bge-reranker-v2-m3, MWS GPT | Preview, не тарифицируется | 0 ₽ |
| bge-reranker-v2-m3, Cloud.ru | 0,244 ₽ | около 17 ₽ |
| Qwen3-Reranker-0.6B, Cloud.ru | 0,854 ₽ | около 80 ₽ |
| Qwen3-Reranker-8B, AITUNNEL | 36 ₽ | около 3 370 ₽ |
Токены посчитаны по токенизаторам bge-m3 (около 70 млн) и Qwen3 (около 94 млн). Модели в стадии Preview у MWS GPT не тарифицируются, но на них не распространяется соглашение об уровне обслуживания (тарификация MWS GPT). Цены Cloud.ru — по каталогу Foundation Models на 5 октября 2026 года.
Реранкер может и сэкономить. Если после него в ответ уходят три фрагмента вместо пяти, это минус 3 000 знаков, около 700 токенов на вопрос. Для GPT-5.4 mini при 10 000 вопросов в месяц это около 440 ₽ — больше, чем стоит дешёвый реранкер.
Все реранкеры с ценами — на странице реранкеров.
Где данные остаются в России
Если в документах есть персональные данные клиентов или сотрудников, важно, где их обрабатывают. Две площадки с самой дешёвой bge-m3 пишут об этом прямо:
- Cloud.ru: «Модели развернуты на российских серверах» (страница Evolution Foundation Models);
- MWS GPT: «Запросы обрабатываются в контуре MWS Cloud на мощных GPU и не покидают контур провайдера» (страница MWS GPT).
Обе площадки продают и чужие модели: у Cloud.ru есть text-embedding-3 от OpenAI, у MWS GPT — прокси-модели. Веса text-embedding-3 OpenAI не публикует, поэтому где обрабатываются запросы к ней, нужно уточнять у площадки отдельно.
Где хранятся логи запросов и кто юрлицо провайдера, лучше спросить до оплаты — список вопросов есть в статье «10 вопросов провайдеру перед пополнением баланса». Провайдеры, которые работают с юрлицами по счёту с закрывающими документами, собраны на странице для бизнеса, а об НДС и ЭДО — в статье «API нейросетей для юрлиц и ИП».
Что в итоге
- Индексация 10 000 документов стоит от 8 до 1 161 ₽ и делается один раз. Пакетный режим удешевляет её вдвое.
- Эмбеддинги вопросов — меньше 2 % месячного счёта, основная часть уходит на генерацию ответов.
- В русском рейтинге MTEB Qwen3-Embedding-8B обходит text-embedding-3-large во всех задачах, где измерены обе, и стоит в 9 раз меньше. Проверьте выбранную модель на своих вопросах до индексации всей базы.
- Модель меняется только с переиндексацией, провайдер — без неё.
- Реранкер при 10 000 вопросов в месяц обходится от 0 до 3 370 ₽ в зависимости от модели и провайдера.
Цены и курс — по данным на 5 октября 2026 года. Провайдеров можно сравнить по сервису и цене в рейтинге.
