معيار توجيه نماذج الذكاء الاصطناعي: التكلفة لكل مهمة تتفوق على التكلفة لكل token

تخبرك التكلفة لكل رمز (Token) بما يتقاضاه النموذج، وليس ما تكلفه لإنهاء المهمة. يقيس معيار توجيه نماذج الذكاء الاصطناعي القائم على التكلفة لكل مهمة إجمالي الإنفاق للوصول إلى مخرجات صحيحة وقابلة للاستخدام، بما في ذلك عمليات إعادة المحاولة، وطول السياق، وإسهاب المخرجات، وهو الرقم الذي يظهر فعلياً في فاتورتك.

أبرز النقاط

• تتجاهل التكلفة لكل رمز عمليات إعادة المحاولة، والإسهاب، والمخرجات الفاشلة، وكلها عوامل تغير السعر الحقيقي للمهمة.
• تعمل التكلفة لكل مهمة على توحيد مقاييس طول المخرجات ومعدل النجاح، مما يجعل المقارنات بين النماذج ذات معنى.
• منطق التوجيه الذي يختار النماذج حسب نوع المهمة، وليس حسب أقل سعر مدرج، يميل إلى خفض إجمالي الإنفاق أكثر من الانتقال إلى نموذج واحد "رخيص".
• قياس أداء عبء العمل الخاص بك يتفوق على الوثوق بجدول أسعار البائع، حيث أن مهام البرمجة، والفيديو، والصور لها ملفات تعريف مختلفة للفشل وإعادة المحاولة.

لماذا تعتبر التكلفة لكل رمز مقياساً خاطئاً؟

تسعير الرموز (Tokens) هو الوحدة التي يحبها الاقتصاديون وتسيء فرق العمل استخدامها. يبدو النموذج الذي يبلغ سعره 0.15 دولار لكل مليون رمز إدخال أرخص من نموذج بسعر 0.50 دولار، لكن هذه المقارنة لا تصح إلا إذا أنتج كلا النموذجين نفس طول المخرجات ونجحا من المحاولة الأولى.

في الواقع، نادراً ما يحدث ذلك. فالنموذج المُسهب الذي يملأ الإجابات بنص توضيحي يمكن أن يستهلك 3 أضعاف رموز المخرجات مقارنة بنموذج أكثر إيجازاً، حتى عند طرح نفس السؤال على كليهما. وغالباً ما يتطلب النموذج ذو سقف استدلال أقل في مهام البرمجة متعددة الخطوات محاولتين أو ثلاثاً للحصول على نتيجة قابلة للتجميع، وكل إعادة محاولة تعيد إرسال نافذة السياق بالكامل. وثقت مدونة Fireworks AI هذا النمط مراراً وتكراراً عند مقارنة متغيرات النماذج المحسنة للإنتاجية مقابل المحسنة للدقة، مشيرة إلى أن سعر الرمز الخام وسعر المهمة الفعلي يتباعدان بمجرد أخذ معدلات إعادة المحاولة في الاعتبار (fireworks.ai/blog، تمت الملاحظة في 2026-07-07).

النتيجة: الفرق التي تختار النماذج بناءً على أسعار الرموز المدرجة فقط غالباً ما ينتهي بها الأمر بدفع المزيد لكل مهمة مكتملة مقارنة بالفرق التي تختار بناءً على معدل نجاح المهمة، لأن المحاولات الفاشلة لا تزال تستهلك رموزاً وتضيف عبئاً هندسياً ناتجاً عن زمن الوصول.

ما الذي تقيسه التكلفة لكل مهمة فعلياً؟

التكلفة لكل مهمة هي مقياس مشتق:

التكلفة لكل مهمة = (رموز الإدخال x سعر الإدخال + رموز المخرجات x سعر المخرجات) x متوسط محاولات النجاح

مصطلح "متوسط محاولات النجاح" هو الجزء الذي تتجاهله مقارنات أسعار الرموز تماماً. وهو يتطلب منك تحديد ما يعنيه النجاح لعبء العمل الخاص بك؛ مثل اجتياز مجموعة اختبار، أو مطابقة مخطط JSON، أو تقديم صورة قابلة للاستخدام، أو الوصول إلى حد جودة معين في توليد الفيديو.

لهذا السبب تعتبر مقارنة الأسعار المباشرة، مثل تلك التي تحصل عليها من مقارنة الأسعار العامة، نقطة بداية وليست إجابة نهائية. فهي تخبرك بما يتقاضاه كل مزود لكل رمز، لكنها لا تخبرك بعدد الرموز التي يحتاجها نوع مهمتك المحدد في المتوسط، أو عدد المرات التي يحتاج فيها نموذج معين إلى تمريرة ثانية.

إعداد المعيار: مقارنة النماذج عبر أنواع المهام

يفصل معيار التوجيه المفيد أعباء العمل حسب فئة المهمة، لأن أنماط الفشل والإسهاب تختلف بشكل حاد بينها.

نوع المهمة	محرك التكلفة الأساسي	نمط الفشل النموذجي	أين تتحقق من النماذج الحالية
توليد الكود	معدل إعادة المحاولة عند فشل التجميع/الاختبار	أخطاء منطقية، وظائف غير مكتملة	أفضل نماذج الذكاء الاصطناعي للبرمجة
النصوص الطويلة	إسهاب رموز المخرجات	الحشو، الانحراف عن الموضوع	مقارنة OpenRouter
توليد الصور	سعر ثابت لكل صورة مقابل فئات الدقة	سوء تفسير المطالبة، الحاجة لإعادة التوليد	أفضل نماذج الذكاء الاصطناعي للصور
توليد الفيديو	تكلفة العرض لكل ثانية	ظهور تشوهات تتطلب إعادة عرض	أفضل نماذج الذكاء الاصطناعي للفيديو

بالنسبة لمهام النصوص والكود، قم بتشغيل كل نموذج مرشح مقابل مجموعة ثابتة من المطالبات التمثيلية المستخرجة من سجلاتك الخاصة، وليس من مجموعات المعايير العامة. تتبع ثلاثة أرقام لكل نموذج: متوسط رموز الإدخال، ومتوسط رموز المخرجات، ومعدل النجاح في المحاولة الأولى. اضرب النتائج باستخدام الصيغة أعلاه مع استخدام الأسعار الحالية المنشورة، والتي يجب عليك التحقق منها مباشرة لأن الأسعار تتغير بشكل متكرر عبر المزودين. يسرد دليل نماذج TokenLab الأسعار الحالية ونوافذ السياق عبر المزودين في مكان واحد، وهو أمر مفيد للحصول على أرقام أساسية قبل تشغيل اختباراتك الخاصة (tokenlab.sh/en/models، تمت الملاحظة في 2026-07-07).

بالنسبة لمهام الصور والفيديو، تكون الحسابات أبسط لأن التسعير عادة ما يكون لكل وحدة مخرجات بدلاً من كل رمز، ولكن ينطبق نفس المبدأ: النموذج ذو السعر الأقل لكل صورة ولكن مع معدل إعادة توليد أعلى بسبب سوء قراءة المطالبات يمكن أن يكلف أكثر لكل مخرجات مقبولة.

استراتيجيات التوجيه التي تقلل التكلفة لكل مهمة

بمجرد حصولك على أرقام التكلفة لكل مهمة لمجموعة من النماذج، تصبح قرارات التوجيه ميكانيكية بدلاً من كونها مسألة اختيار مزود مفضل.

وجه المهام حسب الفئة، وليس حسب النموذج الافتراضي. مهام البرمجة ومهام الكتابة الطويلة لها نماذج مثالية مختلفة حتى ضمن تشكيلة نفس المزود. الموجه الذي يرسل كل شيء إلى نموذج افتراضي واحد يترك وفورات محتملة إذا كان هذا النموذج مفرطاً في الإمكانات للمهام البسيطة وغير كافٍ للمهام المعقدة.

حدد ميزانية لإعادة المحاولة لكل نوع مهمة. إذا أظهر نوع مهمة معدل نجاح في المحاولة الأولى أقل من عتبتك، فقم بوضع حد أقصى لإعادة المحاولات وانتقل إلى نموذج أقوى وأغلى ثمناً بدلاً من إعادة المحاولة إلى ما لا نهاية على النموذج الأرخص. ثلاث محاولات فاشلة على نموذج رخيص يمكن أن تكلف أكثر من محاولة واحدة ناجحة على نموذج أغلى ثمناً.

حدد طول المخرجات حيث لا يضيف الإسهاب أي قيمة. بالنسبة للمخرجات المهيكلة مثل JSON، أو فروق الكود (diffs)، أو استجابات API، قم بتقييد الحد الأقصى للرموز أو استخدم مطالبات النظام التي توجه نحو مخرجات موجزة. هذا يقلل مباشرة من مصطلح رموز المخرجات في صيغة التكلفة لكل مهمة دون تغيير النموذج.

أعد قياس الأداء ربع سنوي. تتغير أسعار المزودين وإصدارات النماذج بشكل متكرر لدرجة أن إعداد التوجيه الذي تم ضبطه قبل ستة أشهر قد لا يعكس المسار الأرخص لكل مهمة. تجعل لوحة صدارة النماذج المباشرة (model leaderboard) من السهل اكتشاف متى يغير نموذج جديد ترتيب التكلفة لكل مهمة لفئة معينة.

قائمة المراجعة: تقييم موجه النماذج للتكلفة لكل مهمة

استخدم هذه القائمة قبل الالتزام بإعداد التوجيه:

• سحب أسعار الرموز/المخرجات الحالية من المزود مباشرة، وليس من الذاكرة أو من منشور مقارنة قديم
• تشغيل ما لا يقل عن 20 مطالبة تمثيلية لكل فئة مهمة عبر كل نموذج مرشح
• تسجيل متوسط رموز الإدخال، ومتوسط رموز المخرجات، ومعدل النجاح في المحاولة الأولى لكل نموذج لكل نوع مهمة
• حساب التكلفة لكل مهمة باستخدام الصيغة المعدلة لإعادة المحاولة، وليس سعر الرمز الخام
• تعيين حد أقصى لإعادة المحاولة لكل فئة مهمة مع نموذج احتياطي محدد
• تقييد الحد الأقصى لرموز المخرجات لأنواع المهام المهيكلة أو ذات الإجابات القصيرة
• جدولة مراجعة دورية (شهرية أو ربع سنوية) لإعادة التحقق من التصنيفات مع تحديث النماذج والأسعار

حدود الأدلة

تكون أبحاث توجيه النماذج أقوى عندما تجمع بين ثلاثة أنواع من الأدلة. تخبرك أدلة النماذج العامة وصفحات التسعير الرسمية بسعر الوحدة والتوافر في وقت معين. تساعد مصادر الأداء المستقلة، مثل Artificial Analysis، في كشف السرعة، وزمن الوصول، وإشارات الجودة العامة. تشرح أبحاث الموجهات، بما في ذلك RouteLLM، سبب قدرة سياسة التوجيه على تقليل التكلفة مع الحفاظ على جودة مقبولة، لكنها لا تزال تعتمد على تسميات وبيانات تقييم خاصة بعبء العمل.

لا تنسخ نتيجة توجيه منشورة في مجموعتك الخاصة كتقدير عالمي للوفورات. الوفورات الحقيقية تأتي من مزيج مطالباتك، وتعريف النجاح، وميزانية إعادة المحاولة، وسياسة الاحتياط. مصنف دعم العملاء، ووكيل البرمجة، ومنسق وظائف الفيديو، جميعهم لديهم تكاليف فشل مختلفة. تعامل مع المصادر المذكورة هنا كسقالات لتصميم معيارك الخاص: فهي تشرح ما يجب قياسه، بينما تقرر سجلاتك ومجموعة التقييم الخاصة بك أي نموذج يفوز فعلياً.

الأسئلة الشائعة

هل يعني السعر الأقل لكل رمز دائماً تكلفة أقل لكل مهمة؟ لا. يمكن لمعدل إعادة المحاولة وإسهاب المخرجات أن يعوضا سعر الرمز الأقل تماماً. النموذج الذي يكون سعره أعلى لكل رمز ولكن مع معدل نجاح أعلى في المحاولة الأولى وأسلوب مخرجات أكثر إيجازاً غالباً ما يكلف أقل لكل مهمة مكتملة. اختبر كلاهما، باستخدام مطالباتك الخاصة، قبل افتراض أن السعر الأرخص هو الأفضل.

كم عدد مطالبات الاختبار التي أحتاجها قبل الوثوق برقم التكلفة لكل مهمة؟ لا توجد قاعدة ثابتة، ولكن أقل من 15-20 مطالبة لكل فئة مهمة تميل إلى إنتاج تقديرات صاخبة لمعدل النجاح، خاصة لمهام البرمجة حيث يكون النجاح/الفشل ثنائياً. أحجام العينات الأكبر تهم أكثر لأنواع المهام ذات الصعوبة المتغيرة.

هل يجب أن أوجه كل شيء عبر مزود واحد من أجل البساطة؟ للبساطة تكلفة أيضاً، ولكن للتجزئة تكلفة كذلك. قارن بين المزودين مباشرة باستخدام موارد مثل مقارنة OpenRouter وصفحات مقارنة الأسعار، ثم قرر ما إذا كان التوجيه عبر مزودين متعددين يستحق عمل التكامل الإضافي لمزيج مهامك المحدد. بالنسبة للفرق التي تدير أحجاماً كبيرة عبر توليد الكود، والنصوص، والصور، والفيديو، فإن التوجيه القائم على المهام عبر المزودين أكثر شيوعاً بشكل عام من الافتراضات التي تعتمد على مزود واحد.

---

لرؤية الأسعار الحالية، ونوافذ السياق، والتصنيفات الخاصة بالمهام عبر المزودين في مكان واحد، ابدأ مع دليل نماذج TokenLab قبل تشغيل اختبارات التكلفة لكل مهمة الخاصة بك.

بمجرد تشغيل معيارك، قارن نتائجك مع النتائج الميدانية. تصفح لوحة صدارة النماذج للتحقق من ترتيب النماذج التي اخترتها بناءً على بيانات التسعير والأداء الحالية.