Pinecone ou Weaviate: US$ 5 não decidem onde guardar 100 milhões de vetores

Para um RAG, Pinecone é uma escolha direta quando a prioridade é contratar um banco vetorial gerenciado com cobrança por consumo. Weaviate amplia a escolha: além do Weaviate Cloud, o banco pode ser operado na infraestrutura da própria equipe. Entre as opções gerenciadas, a decisão depende do tamanho do corpus, do tráfego, da região e da qualidade de recuperação exigida.

A tabela do Pinecone apresenta Starter gratuito, Builder por US$ 20 mensais e Standard com consumo mínimo de US$ 50 mensais; a tabela do Weaviate Cloud apresenta Free gratuito e Flex a partir de US$ 45 mensais, uma diferença inicial de US$ 5 entre Standard e Flex. Esses pisos não compram a mesma quantidade de vetores ou consultas. Também não incluem, da mesma maneira, o trabalho de manter uma implantação própria.

O que entra em cada cobrança

No Pinecone Standard, o mínimo mensal é aplicado ao consumo; acima dele, a cobrança acompanha o uso. Para um índice sob demanda, a estimativa precisa considerar armazenamento e unidades de leitura e gravação. Uma unidade faturável não equivale necessariamente a uma consulta ou a um documento: o desenho da busca e o volume processado importam para a conta. O Builder tem preço fixo e limites próprios, portanto não deve ser tratado como uma versão mais barata da mesma capacidade contratada no Standard.

No Weaviate Cloud Flex, o mínimo cobre o custo básico do cluster compartilhado e inclui cobranças por dimensões vetoriais e armazenamento até esse piso. Backups são cobrados à parte. O preço das dimensões varia conforme tipo de índice, compressão, provedor de nuvem e região. Assim, duas bases com o mesmo número de objetos podem produzir contas diferentes se usarem embeddings de tamanhos distintos ou configurações de busca diferentes.

Em ambos os serviços, embeddings e recursos adicionais podem acrescentar despesas ao banco vetorial. Convém separar esses itens do custo de armazenar e consultar vetores: caso contrário, uma proposta que inclui a geração dos embeddings parecerá mais cara que outra que a deixa para um fornecedor externo. A comparação justa usa o mesmo conjunto de funções em todas as alternativas.

A planilha de decisão começa pela carga, não pela mensalidade

Uma planilha útil dá uma linha a cada combinação de serviço, plano, região e configuração. As colunas de entrada devem descrever a mesma aplicação de RAG: objetos ativos, dimensão de cada embedding, tamanho dos metadados, retenção, crescimento, leituras, gravações e picos de tráfego. Registrar apenas o total de vetores oculta justamente as variáveis que movem a cobrança e a capacidade.

• Volume: multiplique objetos ativos pelas dimensões de cada vetor e estime separadamente os bytes dos embeddings e dos metadados. Acrescente índice, cópias e backups conforme a configuração; o tamanho bruto dos vetores, sozinho, não representa a infraestrutura necessária.
• Leituras e gravações: anote consultas mensais, resultados pedidos por consulta, filtros, lotes de ingestão e atualizações. Converta essa carga nas unidades cobradas pelo Pinecone, mantendo também uma coluna para o pico por segundo, que afeta a capacidade e a latência.
• Weaviate Cloud: calcule dimensões vetoriais e armazenamento para o índice e a compressão escolhidos; some backups e serviços adicionais usados pelo RAG. Compare o resultado com o mínimo do plano, sem presumir que o preço inicial seja a fatura de um corpus grande.
• Operação própria: some computação, memória, disco, rede, réplicas, backups, monitoramento e horas de administração. Reserve capacidade para ingestão e reconstrução de índices, inclusive quando essas tarefas coincidirem com consultas.
• Resultado: coloque custo mensal e custo por consulta útil ao lado de latência de cauda, recall e tempo de ingestão. O menor preço por busca tem pouco valor se a recuperação não encontra os trechos necessários para a resposta.

A região merece uma coluna explícita. Ela pode alterar a tarifa publicada e a distância entre a aplicação e o índice. Para um serviço voltado ao Brasil, interessa medir a latência a partir da região onde a aplicação roda e verificar quais configurações estão disponíveis ali. Uma medição feita perto do banco não substitui essa observação.

Quando operar o Weaviate muda a conta

A documentação de implantação do Weaviate distingue o serviço hospedado da instância administrada pelo cliente: Docker é indicado para desenvolvimento e testes, e Kubernetes para implantação escalável em produção. Na instalação própria, o preço do Weaviate Cloud deixa de ser a referência. A equipe assume a infraestrutura, a disponibilidade e a manutenção do banco.

Esse caminho pode ser atraente para quem já administra serviços de dados, precisa controlar diretamente a configuração do índice ou tem requisitos de localização dos dados que limitam as ofertas gerenciadas. A economia potencial, porém, depende do custo dessa capacidade já existente. Plantão, recuperação de falhas, atualizações, segurança e recursos ociosos pertencem à mesma linha de decisão que máquinas e armazenamento.

Também é preciso comparar responsabilidades equivalentes. Uma instância autogerida e um cluster gerenciado podem executar o mesmo software de banco, mas distribuem de forma diferente o trabalho de manter réplicas, aplicar mudanças e restaurar dados. Para uma equipe pequena, essas tarefas podem pesar mais que a diferença entre tarifas unitárias. Para uma equipe com operação consolidada, a flexibilidade de configurar o ambiente pode compensar esse esforço.

O que o benchmark em escala mostra

O benchmark da Novel Cognition relata testes com 10 mil, 1 milhão e 100 milhões de vetores de 1.024 dimensões; no maior corpus, informa latência p99 de 34 ms para Pinecone, 62 ms para Weaviate autogerido e 94 ms para pgvector. A carga combinava buscas e inserções, de modo que os resultados dizem respeito às configurações testadas sob tráfego misto. Eles não são uma previsão de desempenho para qualquer corpus ou plano comercial.

Há lacunas relevantes na descrição do ensaio. O texto informa instâncias com 128 GiB de memória e afirma que os vetores ficaram em memória, mas os vetores brutos do maior corpus ocupariam cerca de 409,6 GB se cada componente usasse quatro bytes, antes de índice e metadados. Sem detalhes suficientes sobre compressão, quantidade de instâncias e distribuição dos dados, não é possível reconciliar diretamente essas medidas. A metodologia também combina a designação Serverless do Pinecone com a referência a um tipo de índice de outra modalidade, enquanto o Weaviate foi testado em implantação própria.

O valor prático do teste está nas perguntas que ele expõe. Latência p99 sob gravações simultâneas, recall e custo da configuração completa precisam ser medidos juntos. Um índice ajustado para recuperar mais resultados relevantes pode gastar mais memória ou responder mais devagar. Para RAG em português, o corpus, o modelo de embeddings, os filtros e a proporção de leituras e gravações da aplicação são mais informativos que a posição de cada produto em uma tabela geral; pgvector pode servir de referência adicional quando PostgreSQL já faz parte da operação.

Qual escolha faz sentido para cada cenário

Se a prioridade é reduzir o trabalho de infraestrutura, compare Pinecone e Weaviate Cloud com a mesma carga, região e exigência de recuperação. Se controlar a implantação é um requisito, inclua Weaviate autogerido como alternativa separada e contabilize a equipe e os recursos necessários para operá-lo. O serviço com menor custo estimado só vence a comparação se também atender à latência, à disponibilidade e à qualidade de busca exigidas pelo RAG.

Leia também:

• Metade das marcas erra o cachê de criadores — calculadora não resolve tudo
• Apagar Minha atividade não limpa tudo — o navegador guarda outra cópia
• OpenAI abre operação no Brasil após país chegar a 215 milhões de mensagens diárias