嵌入存储计算器
10,000 篇各 2,000 token 的文档，按 512 token 分块、重叠 64 token，会生成 50,000 个向量；1,536 维时 float32 占 307.2 MB，int8 占 76.8 MB，二值占 9.6 MB，用 text-embedding-3-small 嵌入这 22,560,000 个 token 费用为 $0.45(价格核对日期 2026-10-16)。
使用方法
- 输入文档数和每篇文档的平均 token 数。如果数据库在每个向量旁还存文本或 ID，再填每个向量的元数据字节。
- 设置分块大小和相邻分块的重叠，单位都是 token。
- 选择嵌入模型、向量维度和存储精度。查看总容量、向量数、嵌入 token 数和费用。
计算方法
每篇文档的分块数 = 一个分块装得下就是 1，否则为 ⌈(文档 token − 重叠) ÷ (分块大小 − 重叠)⌉。向量数 = 文档数 × 每篇分块数。
每个向量的字节 = 维度 × 4(float32)、× 2(float16)、× 1(int8)，或 ⌈维度 ÷ 8⌉(二值)。容量 = 向量数 × (每个向量字节 + 元数据字节)，按十进制单位显示(1 MB = 1,000,000 字节)。
嵌入 token = 文档数 × (文档 token + (分块数 − 1) × 重叠)，因为重叠部分会被嵌入两次。
嵌入费用 = 嵌入 token × 每百万 token 单价 ÷ 1,000,000，按标准价计算，有批处理价时一并列出。
常见问题
容量包含索引吗？
不包含。只算原始向量数据和你填的元数据。HNSW 图等索引结构会额外占用空间，多少取决于数据库和设置。
可以降低维度吗？
OpenAI text-embedding-3 模型支持 dimensions 参数，Gemini 嵌入可设为 128 到 3072，推荐 768、1536 和 3072。维度越少越省空间，但检索质量可能略降。
int8 和二值量化能省多少？
int8 只需 float32 的四分之一，二值只需三十二分之一。很多向量数据库会保留压缩副本用于检索，再用全精度重新打分，请确认你的数据库实际存了什么。
重叠设多少合适？
常见做法是从分块大小的 10% 到 20% 开始。重叠越大越能保留分块边界的上下文，但向量数、容量和嵌入费用也会增加，本页可以直接看到。