AI Rate Card¿Cuánto cuesta un RAG? Embeddings y reranking para búsqueda en documentos, con precios del día
Actualizado el 10 nov 2026
El RAG permite a un asistente responder con sus documentos: los fragmentos se convierten en vectores (embeddings), en cada pregunta se buscan los más cercanos, a menudo se reordenan (reranking) y pasan al modelo de respuesta. La calculadora RAG calcula embeddings y reranking en cada modelo, en el vendedor más barato.
Cómo usarla
- Páginas y tokens por página: una página de texto tiene unos 500-700 tokens.
- Cambia al mes: la parte a reindexar.
- Consultas al día: cada pregunta también se convierte en embedding.
- Fragmentos reordenados por consulta: 0 sin reranking, 10-50 lo habitual.
Ejemplo con precios de hoy
10.000 páginas (6 M de tokens), 10 % de cambios, 1.000 consultas al día, 20 fragmentos:
- Indexar una vez: desde 0,03 $ (modelos abiertos pequeños), unos 0,10 $ con text-embedding-3-small, 0,62 $ con -large, unos 0,90 $ con Gemini Embedding.
- Cada mes (1,5 M de tokens): céntimos.
- Reranking (258 M de tokens): unos 2,60 $ con Qwen3 Reranker 0.6B, unos 13 $ con Cohere Rerank 5 Pro. Lo caro es el modelo de respuesta: vea la calculadora del agente.
Elegir modelo
- Pruebe con sus propias preguntas.
- Multilingüe: BGE M3, Qwen3 Embedding, Cohere Embed v4, Gemini Embedding.
- Cambiar de modelo obliga a reindexarlo todo.