حاسبة تخزين التضمينات
تقسيم 10,000 مستند من 2,000 رمز إلى مقاطع من 512 رمز بتداخل 64 رمز ينتج 50,000 متجه؛ وعند 1,536 بُعد تشغل 307.2 MB بصيغة float32 و76.8 MB بصيغة int8 و9.6 MB بالصيغة الثنائية، وتكلفة معالجة 22,560,000 رمز بنموذج text-embedding-3-small هي 0.45 US$ (روجعت الأسعار في 2026-10-16).
طريقة الاستخدام
- أدخل عدد المستندات ومتوسط طولها بالرموز. أضف بايتات البيانات الوصفية لكل متجه إذا كانت قاعدتك تخزن نصًا أو معرّفات بجانب كل متجه.
- حدّد حجم المقطع والتداخل بين المقاطع المتجاورة، وكلاهما بالرموز.
- اختر نموذج التضمين والأبعاد ودقة التخزين. اقرأ الحجم الكلي وعدد المتجهات والرموز المعالجة والتكلفة.
طريقة الحساب
المقاطع لكل مستند = 1 إذا اتسع له مقطع واحد، وإلا ⌈(رموز المستند − التداخل) ÷ (حجم المقطع − التداخل)⌉. المتجهات = المستندات × المقاطع لكل مستند.
بايتات المتجه = الأبعاد × 4 (float32)، × 2 (float16)، × 1 (int8)، أو ⌈الأبعاد ÷ 8⌉ (ثنائي). التخزين = المتجهات × (بايتات المتجه + بايتات البيانات الوصفية)، بوحدات عشرية (1 MB = 1,000,000 بايت).
الرموز المعالجة = المستندات × (رموز المستند + (المقاطع − 1) × التداخل)، لأن الرموز المتداخلة تُعالج مرتين.
التكلفة = الرموز المعالجة × السعر لكل مليون ÷ 1,000,000، بالسعر القياسي وبسعر الدُفعات إن وُجد.
أسئلة شائعة
هل يشمل الحجم الفهرس؟
لا. إنه بيانات المتجهات الخام مع البيانات الوصفية التي تدخلها. تضيف هياكل الفهرسة مثل رسوم HNSW مساحة أخرى يعتمد مقدارها على قاعدة البيانات وإعداداتها.
هل يمكن تقليل الأبعاد؟
تقبل نماذج text-embedding-3 من OpenAI المعامل dimensions، ويمكن ضبط مخرجات Gemini من 128 إلى 3072 مع التوصية بـ 768 و1536 و3072. الأبعاد الأقل توفر المساحة مع تراجع طفيف في جودة البحث.
كم يوفّر التكميم int8 والثنائي؟
يحتاج int8 إلى ربع مساحة float32، والثنائي إلى جزء من اثنين وثلاثين. تحتفظ قواعد متجهات كثيرة بنسخة مضغوطة للبحث ثم تعيد التقييم بالدقة الكاملة، فتحقق مما تخزّنه قاعدتك فعلًا.
كم يكون التداخل؟
نقطة البداية الشائعة 10% إلى 20% من حجم المقطع. التداخل الأكبر يحفظ السياق عند حدود المقاطع لكنه يزيد المتجهات والتخزين والتكلفة، وتعرض هذه الصفحة ذلك مباشرة.