소개 · 데이터 출처 · 운영 정보

마지막 업데이트 2026-06-20 · 본 페이지는 도구의 신뢰성(E-E-A-T) 정보를 담습니다.

이 도구는 무엇인가요

「임베딩 모델 비교·벡터 스토리지 비용 계산기」는 OpenAI·Voyage·Cohere·Jina·Google·BGE·Mistral 등 주요 텍스트 임베딩 모델의 차원·최대 컨텍스트·per-1M-tokens 가격·MTEB 점수를 한 표에서 비교하고, RAG 시나리오(문서 수·평균 토큰·월 재임베딩·월 쿼리)를 입력하면 모델별 월 임베딩 비용 + 벡터 스토리지 비용 + 총비용을 즉시 추정하는 무료 도구입니다. 로그인이 필요 없고 모든 계산은 브라우저 안에서만 수행됩니다.

임베딩 비용이 토큰 단가로 20배 넘게 갈리고, 차원이 스토리지 비용을 좌우하는데도 두 비용을 한꺼번에 합산해 보여주는 인터랙티브 도구가 드물어서 만들었습니다. Matryoshka 차원 축소로 스토리지를 얼마나 줄일 수 있는지도 직접 시뮬레이션할 수 있습니다.

데이터 출처

모든 모델 사양·가격·MTEB 점수는 아래 공개 자료를 정리한 것입니다. 데이터 정리 기준일은 2026-06-20입니다.

• OpenAI — Embeddings & pricing
• Voyage AI — Pricing
• Cohere — Pricing
• Jina AI — Embeddings
• Google Vertex AI — Generative AI pricing
• BAAI BGE-M3 (Hugging Face)
• MTEB Leaderboard
• Pinecone — Pricing
• Qdrant — Pricing
• pgvector

계산 방법

• 임베딩 비용 = (총 토큰 ÷ 1,000,000) × per-1M 단가. 총 토큰 = 문서 수 × 평균 토큰.
• 월 비용 = 1회 인덱싱 × 월 재임베딩 횟수 + 월 쿼리 임베딩 비용.
• 스토리지 용량 = 차원 × 문서 수 × 4byte(float32). GB 환산은 1GB = 1024³byte.
• 스토리지 비용 = 용량(GB) × 스토리지 단가($/GB·월).

한계

• 모든 가격·MTEB 점수는 참고용 추정치이며 공급사 정책에 따라 자주 바뀝니다.
• 벡터 DB 비용은 스토리지 단가만 반영한 단순 모델로, 읽기/쓰기 단위·RAM·복제본·최소 요금은 제외됩니다.
• float32(4byte) 기준이며, int8/binary 양자화(4~32배 절감)는 반영되지 않습니다.
• MTEB는 영어 중심 평균이라 한국어 등 특정 언어·도메인 성능을 보장하지 않습니다.

프라이버시

입력값은 서버로 전송되지 않고 브라우저(localStorage)와 공유 링크(?s= 토큰)에만 저장됩니다. 회원가입·추적 쿠키는 사용하지 않으며, 사이트 운영을 위한 광고·접속 통계만 수집됩니다.

운영 주체

이 도구는 한국의 1인 마이크로 SaaS 포트폴리오 bal.pe.kr이 제작·운영합니다. 개발자·RAG 엔지니어가 임베딩 모델을 비용 관점에서 빠르게 비교하도록 돕는 것을 목표로 합니다.

• 운영: bal.pe.kr (개인 운영 마이크로 SaaS)
• 문의: comsamo84@gmail.com
• 관련 도구: bal.pe.kr 도구 모음

면책

본 도구가 제공하는 모든 가격·점수·비용은 참고용 추정치이며, 실제 청구액·성능은 공급사 정책·모델 버전·사용 패턴에 따라 달라집니다. 도입 결정 전 반드시 각 공급사 공식 가격과 자체 평가셋으로 검증하세요.