Embedding 向量化費用計算機

什麼是 Embedding 向量化費用？一句話定義

Embedding 費用是把你的文件（文字）送進 API 轉成數值向量的費用，通常按「每百萬 token（1M tokens）」計費。在 RAG 知識庫場景，這筆費用分兩塊：一次性建庫費用（把全部文件向量化）與每月增量費用（新增或更新的文件持續向量化）。

Embedding 費用怎麼算？文件數 × 字數 × token 單價公式

計算公式很直觀：

總 token = 文件總數 × 每篇平均字數 × 每字 token 係數
建庫費用 = 總 token / 1,000,000 × 模型單價（USD/1M）× 匯率（TWD）

• 中文：每字 ≈ 1.6 token
• 英文：每字 ≈ 0.75 token

例如：10,000 篇文件 × 每篇 800 中文字 × 1.6 token/字 = 1,280 萬 tokens。 用 text-embedding-3-small（$0.02/1M）建庫費用 ≈ NT$8.3，非常便宜。

OpenAI / Voyage / Cohere / Jina / Google / Mistral 價格比較（2026）

以下為 2026 年 6 月各家官網現役模型定價，按每百萬 token 由低到高排序：

一次性建庫費用 vs 每月增量成本：RAG 建庫費用怎麼拆

多數 RAG 專案的費用拆解是：初始建庫（一次性）約佔前幾個月費用的 80%，之後每月只需為新增/修改的文件重新 Embedding。月增量比例（預設 5%）代表每月有 5% 的文件需要更新向量，一般企業知識庫在這個範圍很正常。

Batch API 折扣與 200M 免費額度：怎麼把 embedding 費用壓更低

Voyage 200M 免費額度：每個帳號首 200M tokens 完全免費，以中文文件計，相當於前 12.5 萬篇 800 字文件免費向量化，中小型知識庫初始建庫可能完全不用付費。

OpenAI Batch API -50%：把建庫任務用 Batch 方式提交，費用砍半。代價是非同步，最長 24 小時才完成，對「離線一次性建庫」完全沒影響。

MTEB 品質分數對照：費用最低不一定最划算

MTEB（Massive Text Embedding Benchmark）是學術界最常用的 embedding 綜合評分，分數高代表語意搜尋精度更好。費用便宜（如 $0.02/1M）的模型 MTEB 分數普遍在 62–64，中高階模型（$0.06–0.12）則在 64–66 左右。對多數繁體中文 RAG 場景，text-embedding-3-small 或 voyage-4-lite 的分數已足夠好，除非你的場景需要精準法律/醫療語意搜尋才建議升級。

什麼時候自架開源模型比 API 便宜？

當每月增量 token 超過約 1,200 萬以上（約 75 萬篇 1,000 字中文文件），API 計費開始累積，自架開源模型（如 BGE-M3、GTE-large）的固定 VPS 月費（約 NT$1,300–2,600）可能比 API 更划算。本工具的「12 個月 TCO」圖表可以直接看到長期趨勢。