أدوات الذكاء الاصطناعي

حاسبة تخزين المتجهات (Embedding Storage)

احسب متطلبات التخزين وتكاليف التوليد للمتجهات (Vector Embeddings) عبر النماذج الشائعة من OpenAI و Voyage AI و Google وموفري البرمجيات مفتوحة المصدر.

المعلمات

عدد المستندات*

إجمالي عدد المستندات أو النصوص المراد تضمينها (Embed).

نموذج التضمين (Embedding Model)

حدد نموذج التضمين المطلوب الحساب له.

النتائج

تخزين المتجهات الخام585.9 MB

100,000 vectors × 1536 dimensions × 4 bytes (float32)

نتائج أخرى (3)

مع زيادة الفهرس (~40%)820.3 MB

يشمل فهارس HNSW/IVF وتخزين البيانات الوصفية في قواعد بيانات المتجهات

تكلفة توليد المتجهات$0.5120

~256 tokens/doc × 100,000 docs at $0.02/1M tokens

مقارنة النماذج

[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

لماذا تختار حاسبة تخزين المتجهات (Embedding Storage)

قدّر متطلبات تخزين المتجهات وتكاليف توليدها لخطوط أنابيب RAG. يغطي OpenAI text-embedding-3 و Voyage AI و Google Gecko والنماذج مفتوحة المصدر مثل BGE و Nomic.

✓حساب متطلبات الذاكرة والتخزين لقواعد بيانات المتجهات
✓تقدير تكاليف API لتوليد المتجهات مع OpenAI و Google و Voyage AI
✓مقارنة حجم أبعاد المتجهات والتأثير التخزيني للنماذج الرئيسية
✓تخطيط توسيع قواعد البيانات بما في ذلك زيادة VRAM لفهرس HNSW

خطوات الاستخدام

1أدخل العدد الإجمالي للمستندات أو النصوص في مجموعة البيانات الخاصة بك
2حدد نموذج التضمين المستهدف من قائمة الموفرين
3راجع حجم تخزين المتجهات الثنائية الخام والحجم المقدر مع زيادة الفهرس
4حلل تقدير التكلفة لتوليد هذه المتجهات عبر API

الأسئلة الشائعة (FAQ)

ما هي زيادة فهرس قاعدة بيانات المتجهات (Index Overhead)؟

تستخدم قواعد بيانات المتجهات هياكل فهرسة (مثل HNSW أو IVF) لتمكين البحث السريع عن التشابه. تتطلب هذه الفهارس ذاكرة وتخزينًا إضافيين، مما يضيف عادةً من 30% إلى 50% كزيادة فوق بيانات المتجهات الخام.

كيف يؤثر حجم أبعاد المتجه على التخزين؟

يتناسب التخزين طرديًا مع عدد الأبعاد. فالمتجه ذو 1536 بعدًا (مثل OpenAI text-embedding-ada-002) يستهلك ضعف مساحة التخزين التي يستهلكها متجه ذو 768 بعدًا (مثل Nomic Embed) لكل مستند.

ما هي الدقة المستخدمة في حسابات التخزين؟

نحسب التخزين بافتراض استخدام أرقام عائمة قياسية 32 بت أحادية الدقة (4 بايت لكل بعد)، وهو التمثيل الافتراضي لمعظم أنظمة قواعد بيانات المتجهات.

مراجع ومصادر موثوقة

OpenAI Embeddings

عرض المصدر

Voyage AI