Введите объём документов — посчитаем число фрагментов, память под векторную базу и длину запроса, который получит модель.
Коротко
Память под базу и сервер — к результату
Векторная база живёт в обычной оперативной памяти; видеокарты нужны для ответа модели, и их число зависит от длины запроса и числа пользователей.
Посчитать память под модель с таким контекстом Посчитать число GPU под пользователей
Под результат: 1 карта H200. Наличие и срок уточняем при запросе.
ближайшая конфигурация: 2 × H200 NVL (другая редакция — H200 NVL, карта PCIe; памяти на карту столько же)
Серверы на H200
Модели до 122 млрд параметров в 8 битах
ближайшая конфигурация: 2 × H200 NVL — вариант этой позиции (другая редакция — H200 NVL, карта PCIe; памяти на карту столько же)
Серверы на H200
Модели до 405 млрд параметров в 8 битах
ближайшая конфигурация: 8 × H200
Серверы на H200
Модели до 753 млрд параметров в 8 битах
Объём базы — арифметика по вашим вводным; коэффициент индекса зависит от выбранной базы. Сервер — по памяти под один запрос; число GPU под ваших пользователей считают соседние калькуляторы. Расчёт — оценка по формуле и опубликованным данным на дату, указанную в источниках. Это не обязательство и не оферта. Точную конфигурацию определяет инженер по вашей нагрузке и проверяет тестом.
Фрагментов — объём текста, делённый на размер фрагмента без перекрытия, с округлением вверх. Память под векторы — фрагменты × размерность × 4 байта; с индексом — умножить на коэффициент запаса. Запрос к модели — число фрагментов × размер фрагмента + вопрос + инструкция; нужный контекст — запрос + ответ.
Сервер: видеопамять под выбранную модель в 8 битах с нужным контекстом и одним запросом — той же формулой и тем же «оптимальным вариантом», что в калькуляторе памяти.
Размерности векторов — из описаний моделей на Hugging Face. Коэффициент индекса 1,5 — распространённое правило для векторных баз; первоисточник при подготовке открыть не удалось, поэтому коэффициент вынесен в поле ввода.
Чего калькулятор не считает: время индексации документов — надёжных публичных замеров для длинных фрагментов нет; память под модель эмбеддингов — она невелика и на выбор сервера не влияет.
Погрешность. Объём — арифметика; коэффициент индекса — допущение в поле ввода.
Данные справочников — на 06.10.2026.
Что считаем. Для базы знаний на своих документах: сколько получится фрагментов, сколько памяти займут векторы для поиска, какой длины будет запрос к модели и какой видеопамяти хватит для модели.
Фрагментов = объём текста ÷ (размер фрагмента − перекрытие), вверх до целого. Память под векторы = фрагменты × размерность × 4 байта; с индексом поиска — умноженная на коэффициент запаса. Запрос к модели = число фрагментов в запросе × размер фрагмента + вопрос + инструкция; нужный контекст = запрос + ответ.
Размерности векторов — из описаний моделей эмбеддингов на Hugging Face. Коэффициент индекса 1,5 — распространённое правило для векторных баз, поэтому он вынесен в поле ввода. Время индексации документов и память под модель эмбеддингов калькулятор не считает. Сервер подбирается тем же расчётом памяти, что и в калькуляторе памяти.
Результат. 1 116 072 фрагмента, 4,57 ГБ векторов (6,86 ГБ с индексом), запрос к модели — 4 596 токенов, нужный контекст — 5 596 токенов.
| Случай | Фрагментов | Векторы, ГБ | С индексом, ГБ | Запрос, токенов | Контекст, токенов | Помещается в контекст модели |
|---|---|---|---|---|---|---|
| 500 млн токенов, фрагмент 512 / перекрытие 64, вектор 1 024 | 1 116 072 | 4,57 | 6,86 | 4 596 | 5 596 | — |
| 50 млн токенов, фрагмент 1 000 / перекрытие 100, вектор 4 096, 8 фрагментов в запросе | 55 556 | 0,91 | 1,37 | 8 500 | 9 500 | да (Qwen3 32B) |
| 5 000 млн токенов, фрагмент 512 / перекрытие 64, вектор 1 024 | 11 160 715 | 45,71 | 68,57 | 4 596 | 5 596 | — |
| 10 млн токенов, фрагмент 256 / перекрытие 32, вектор 1 536, 20 фрагментов в запросе | 44 643 | 0,27 | 0,41 | 5 620 | 6 620 | да (YandexGPT 5 Lite 8B) |
| 200 млн токенов, фрагмент 2 000 / перекрытие 200, вектор 2 560, 30 фрагментов в запросе | 111 112 | 1,14 | 1,71 | 60 500 | 61 500 | нет (T-pro-it-2.1) |
Источник: эталон расчёта сайта (контрольные примеры) и данные — параметры моделей, опубликованные замеры и оценки, проверено 06.10.2026.
Из эталона расчёта сайта (контрольные примеры tests.json); где фрагментов в запросе не указано — 8 по умолчанию. Первая строка совпадает с примером выше. Черновая оценка: объём — арифметика, коэффициент индекса — допущение.
Параметры переносить не нужно: у каждого инструмента свои поля и свой результат.
Проверяйте важное у инженера
Отвечает программа. Не пишите персональные данные; контакты — только в форме.
Политика обработкиКонтакты оставляйте в форме: в чат их писать не нужно. Перед отправкой я заменю их меткой.