حاسبة الوقت

ما هي تكلفة استخدام واجهات برمجة التطبيقات للذكاء الاصطناعي؟ تضرب حاسبة تكلفة الرموز الخاصة بنا عدد رموز الإدخال والإخراج في أسعار النموذج لكل رمز.

يكلف GPT-4o مبلغ 2.50 / 10 دولارات لكل مليون رمز (إدخال/إخراج)، بينما يكلف Claude Sonnet 4 مبلغ 3 / 15 دولارات.

أدخل طول النص الخاص بك واعرف التكاليف الدقيقة على الفور.

كم عدد الرموز في نصوصي؟ يبلغ متوسط النصوص الإنجليزية 1.33 رمزاً لكل كلمة. الرسالة الموجهة المؤلفة من 1,000 كلمة تعادل حوالي 1,333 رمزاً.

قد تستخدم الأكواد والنصوص غير الإنجليزية رموزاً أكثر. تحول حاسبتنا الكلمات إلى رموز تلقائياً وتُظهر التكلفة لأي نموذج ذكاء اصطناعي.

أي نموذج ذكاء اصطناعي يقدم أفضل قيمة؟ قارن بين GPT-4o وGPT-4o Mini وClaude Opus وClaude Sonnet وClaude Haiku وGemini جنباً إلى جنب.

تُظهر حاسبة تسعير نماذج اللغة الكبيرة (LLMs) الخاصة بنا التكلفة لكل مكالمة والتقديرات الشهرية لتتمكن من اختيار النموذج المناسب لميزانيتك واحتياجات الجودة لديك.

الرمز (Token) هو وحدة النص الأساسية التي يقرؤها ويولدها نموذج اللغة الكبير، وعادة ما يكون جزءاً فرعياً من الكلمة بدلاً من كلمة كاملة.

تستخدم نماذج اللغة الكبيرة الحديثة ترميز أزواج البايت (Byte Pair Encoding أو BPE) على مستوى البايت، وهي طريقة ضغط قدمها Sennrich وآخرون وتم تحسينها في أدوات التقسيم إلى رموز (Tokenizers) مثل مكتبة tiktoken من OpenAI ومكتبة Hugging Face tokenizers. أثناء استخدام طريقة BPE، تدمج تسلسلات الأحرف المتكررة في رمز واحد، بحيث تصبح الكلمات الشائعة رمزاً واحداً بينما تنقسم المصطلحات النادرة أو التقنية إلى عدة رموز.

نظراً لأن النص مشفر بتنسيق Unicode (راجع معيار UTF-8 لاتحاد Unicode، RFC 3629)، يمكن لرمز تعبيري واحد (Emoji) أو حرف صيني/ياباني/كوري (CJK) استهلاك رموز متعددة. يوضح فهم هذا التعيين سبب ندرة تساوي عدد الرموز مع عدد الكلمات ولماذا تعتبر تقديرات التكلفة تقريبية.

يقوم تقسيم رموز الذكاء الاصطناعي (AI tokenization) بتحويل النص الخام إلى معرفات عددية (Integer IDs) باستخدام مفردات ثابتة يتم تعلمها أثناء تدريب النموذج.

أولاً، يتم تطبيع النص وترجمته كبايتات UTF-8 وفقاً لـ RFC 3629 — ونظراً لأن معظم مفردات BPE حساسة لحالة الأحرف، فإن توحيد النص باستخدام أداة تحويل حالة الأحرف مسبقاً يمكن أن يغير بسبل خفية عمليات الدمج التي يتم تطبيقها؛ ثم تقوم خوارزمية ترميز أزواج البايت (Byte Pair Encoding) أو SentencePiece بجشع بدمج أزواج البايت في أطول إدخالات مطابقة للمفردات. يتطابق كل رمز ناتج مع معرف يقوم النموذج بتضمينه في متجه.

توثق OpenAI هذا في مكتبة tiktoken الخاصة بها، بينما يستخدم نموذج Gemini من جوجل وClaude من Anthropic مخططات فرعية مقارنة خاصة بهما. ونظراً لاختلاف المفردات، يمكن أن ينتج عن النص المتطابق عدد رموز مختلف عبر مزودي الخدمات.

ولهذا السبب، يستخدم المقدر الخاص بنا النسبة المقتبسة على نطاق واسع التي تبلغ حوالي ~1.33 رمز لكل كلمة إنجليزية كتقريب سريع بدلاً من استخدام أداة تقسيم رموز دقيقة خاصة بكل نموذج.

تُحسب تكلفة واجهة برمجة تطبيقات الذكاء الاصطناعي (AI API cost) عن طريق ضرب عدد رموز الإخراج والإدخال في معدل كل مليون رمز المنشور لكل مزود، ثم جمعها.

يسرد مزودو الخدمات مثل OpenAI وAnthropic أسعار إدخال وإخراج منفصلة في وثائق التسعير الرسمية الخاصة بهم، وعادة ما تكلف رموز الإخراج أضعاف تكلفة رموز الإدخال نظراً لأن عملية التوليد تتطلب حسابياً جهداً أكبر.

الصيغة هي: التكلفة = (رموز الإدخال × معدل الإدخال / 1,000,000) + (رموز الإخراج × معدل الإخراج / 1,000,000). تُحتسب رسائل النظام، وأمثلة اللقطات القليلة (few-shot)، والسياق المسترجع كإدخال مفوتر في كل مكالمة.

نظراً لتغير الأسعار، احرص دائماً على تأكيد الأسعار الحالية على صفحة التسعير الرسمية للمزود قبل وضع اللمسات الأخيرة على ميزانية الإنتاج.

لحساب الرموز بدقة، قم بتمرير نصك الفعلي عبر أداة تقسيم الرموز (Tokenizer) الخاصة بالنموذج بدلاً من الاعتماد على نسبة عدد الكلمات. بالنسبة لنماذج OpenAI، تُرجع مكتبة tiktoken مفتوحة المصدر أعداداً دقيقة؛ بينما توفر Anthropic وGoogle نقاط نهاية لحساب الرموز وحزم تطوير البرمجيات (SDKs) في وثائق المطورين الرسمية الخاصة بها.

يُعد التقدير القائم على الكلمات (الكلمات × 1.33) مناسباً لإعداد الميزانية، ولكنه قد ينحرف بنسبة 10 إلى 20 بالمائة للأكواد البرمجية، أو تنسيق JSON، أو عناوين URL، أو النصوص غير الإنجليزية، والتي تتجزأ إلى رموز صغيرة عديدة.

تذكر أن حمولة الطلب بالكامل يتم تقسيمها إلى رموز، بما في ذلك إرشادات النظام، وفواصل الأدوار، وتعريفات الوظائف أو الأدوات. للقيام بعملية قياس قابلة للتكرار، قم بتقسيم الطلب المجمع إلى رموز تماماً كما يرسله عميل واجهة برمجة التطبيقات (API) الخاص بك.

تختلف أعداد الرموز عبر نماذج GPT وClaude وGemini نظراً لأن كل نموذج تم تدريبه بمفردات وقواعد دمج مميزة لأداة تقسيم الرموز (Tokenizer)، لذا تنقسم نفس الجملة إلى وحدات فرعية مختلفة.

تستخدم نماذج OpenAI الأحدث مفردات أكبر مقارنة بالنماذج القديمة، مما يقلل من عدد الرموز للنصوص الإنجليزية الشائعة، بينما قد يتم تقسيم النصوص غير اللاتينية بشكل أقل كفاءة على بعض النماذج. تنشر Anthropic وGoogle سلوك تقسيم الرموز الخاص بكل منهما في وثائق المطورين الخاصة بهما.

هذا التباين يعني أن الرسالة الموجهة التي تتكون من 1,000 رمز على نموذج واحد قد تكون 1,050 أو 950 رمزاً على نموذج آخر، مما يغير كل من التكلفة واستخدام نافذة السياق (Context Window). احرص دائماً على إجراء اختبار قياسي (Benchmark) باستخدام أداة تقسيم الرموز الفعلية لكل مزود عندما تكون الدقة أمراً مهماً.

يمكنك تقليل استخدام رموز نماذج اللغة الكبيرة (LLMs) عن طريق تقليم المدخلات، وتحديد سقف للمخرجات، وإعادة استخدام الحسابات:

• تقصير رسائل النظام وأمثلة اللقطات القليلة (few-shot)، نظراً لإعادة فوترتها في كل طلب
• تعيين حد أقصى لرموز الإخراج (max-output-tokens) لإيقاف عمليات التوليد الجامحة
• توجيه المهام البسيطة إلى نماذج أرخص

يسمح لك التخزين المؤقت للرسائل الموجهة (Prompt caching)، المتوفر في واجهات برمجة التطبيقات الرسمية لـ OpenAI وAnthropic، بتجنب إعادة فوترة السياق المتكرر بسعرها الكامل، وغالباً ما تقدم نقاط نهاية الدُفعات (Batch endpoints) خصومات على المهام غير المتزامنة. يساعد التوليد المعزز بالاسترجاع (Retrieval-augmented generation) عن طريق إرسال الأجزاء ذات الصلة فقط بدلاً من المستندات بأكملها.

ونظراً لأن رموز الإخراج هي المكون الأغلى ثمناً، فإن الاستجابات الموجزة والمنظمة (على سبيل المثال، طلب تنسيق JSON) توفر عادة أكبر قدر من التوفير دون الإضرار بالجودة.

يفرض كل نموذج نافذة سياق (Context window)، وهي الحد الأقصى المجموع لرموز الإدخال والإخراج التي يمكنه معالجتها في طلب واحد، ويؤدي تجاوزها إلى اقتطاع النص أو حدوث أخطاء.

بغض النظر عن السعة، تعامل مع الرسائل الموجهة كسطح أمني: تُدرج قائمة OWASP لأعلى 10 مخاطر لتطبيقات نماذج اللغة الكبيرة حقن الرسائل الموجهة (Prompt injection) باعتباره الخطر الأبرز، حيث تقوم النصوص غير الموثوقة بتمرير تعليمات خفية إلى سياقك وتضخيم استخدام الرموز أو اختطاف السلوك.

لا تقم أبداً وضع معلومات سرية، أو مفاتيح واجهات برمجة التطبيقات (API keys)، أو بيانات شخصية في الرسائل الموجهة، فقد يقوم مزودو الخدمات بتسجيل الطلبات وتؤدي السياقات الطويلة إلى توسيع نطاق الهجوم. يوصي إطار عمل إدارة المخاطر المرتبط بالذكاء الاصطناعي الصادر عن المعهد الوطني للمعايير والتكنولوجيا (NIST) بتقييد المدخلات والتحقق من صحة المخرجات.

يساعدك حساب الرموز قبل الإرسال أيضاً على اكتشاف الحمولات الكبيرة بشكل غير طبيعي والضارة المحتملة في وقت مبكر.

الخطأ الأكثر شيوعاً هو تقدير التكلفة بناءً على عدد الكلمات وحدها، مع تجاهل أن الأكواد البرمجية، وJSON، وعلامات الترقيم، والنصوص غير الإنجليزية يتم تحويلها إلى رموز بكثافة أعلى بكثير مقارنة بالنصوص العادية.

ينسى آخرون أيضاً أن مطالبات النظام (system prompts)، وسجل الدردشة، وتعاريف الأدوات يتم احتساب تكلفتها كمدخلات في كل اتصال فردي، مما يجعل المحادثات متعددة الجولات تتضاعف تكلفتها بسرعة.

كما يقوم العديد من المستخدمين تطبيق نفس السعر على المدخلات والمخرجات على الرغم من أن رموز المخرجات تكلف أضعافاً مضاعفة، ويتغاضون عن أن الأسعار على الصفحات الرسمية لـ OpenAI وAnthropic وGoogle تتغير بمرور الوقت.

أخيراً، فإن افتراض أن عدد الرموز لدى موفر خدمة واحد سينطبق على موفر آخر يؤدي إلى مفاجآت في الميزانية. تحقق دائماً باستخدام أداة العد الفعلية والأسعار الحالية المنشورة.