Эмбеддинг — это не мусорный кэш. В нём остаются признаки договора, заявки и персонального профиля. Поэтому BGE-M3 запускается внутри контура, а исходный текст и векторы не уходят в API внешнего провайдера. Qdrant размещаем на собственных серверах в РФ: WAL, snapshots и резервные копии контролируются той же политикой доступа, что и документы. Граница безопасности проходит до поиска: tenant_id, document_acl и версия индекса передаются в payload, фильтр применяется до выдачи кандидатов, а не после генерации ответа. Для миллиона векторов BGE-M3 размерности 1024 float32 нужен минимум 4 ГБ только под сырые значения; HNSW, payload, WAL и запас под compaction требуют планировать примерно 8–12 ГБ RAM и быстрый NVMe. Это инженерный расчёт, а не магия «векторной базы». Экономика прямолинейна: облако выставляет счёт за ingestion, хранение, запросы и egress, затем добавляет стоимость внешнего эмбеддера. На bare-metal вы один раз оплачиваете сервер и электричество, после чего себестоимость запроса определяется CPU/GPU, QPS и размером индекса. При стабильной нагрузке фиксированная инфраструктура предсказуемее тарифа за каждый найденный фрагмент. Минимальный контур: BGE-M3 как pinned-образ, Qdrant без публичного интерфейса, WireGuard между узлами, /32 в AllowedIPs, шифрование диска и регулярная проверка восстановления snapshot. Сначала измерьте p95 latency, recall@k и стоимость миллиона запросов — затем сравнивайте с SaaS. Практика локального контура: https://run-as-daemon.dev/? utm_source=telegram&utm_medium=smm&utm_campaign=rad_ru&utm_content=lokalnye-bazy-vektornyh-embeddingo
