واجهة برمجة تطبيقات Gemini 3.5 Flash لحلقات الوكلاء السريعة

إن مواجهة خطأ 404 بسبب تغيير سلسلة اسم النموذج هي بداية سيئة لحلقة الوكيل (agent loop). تستحق واجهة برمجة تطبيقات Gemini 3.5 Flash أن يتم دمجها في حلقة وكيل سريعة، ولكن فقط بعد التأكد من معرف النموذج الدقيق gemini-3.5-flash مقابل قائمة النماذج المباشرة. تدرج Google Cloud نموذج Gemini 3.5 Flash بسعر 1.50 دولار لكل مليون رمز (token) للمدخلات و9.00 دولار لكل مليون رمز للمخرجات النصية على المستوى العالمي القياسي، مع تسعير Flex/Batch عند 0.75 دولار للمدخلات و4.50 دولار للمخرجات. لقد رأينا نفس الفخ في المصدر: معرف النموذج الذي يعمل اليوم قد يسبب خطأ 404 غداً. غالباً ما تخلط جداول الأسعار عبر الإنترنت بين أسعار البائعين المؤكدة وقوائم الأدلة التي لم يتم التحقق منها. يغطي هذا الدليل ما يمكن التحقق منه الآن، وما لا يمكن، وكيفية بناء حلقة وكيل لا تتعطل عند تغيير معرف النموذج.

أهم النقاط

• تدرج صفحة أسعار منصة الوكيل من Google Cloud نموذج Gemini 3.5 Flash بسعر 1.50 دولار/مليون رمز للمدخلات و9.00 دولار/مليون رمز للمخرجات على المستوى العالمي القياسي، وهو ما يطابق قائمة دليل TokenLab وقت التحديث.
• سلسلة النموذج الدقيقة التي يجب تثبيتها هي gemini-3.5-flash؛ تدرج صفحة نماذج Gemini API الخاصة بـ Google هذا النموذج كمثال على نموذج مستقر. ومع ذلك، تأكد منه من خلال قائمة النماذج المباشرة قبل النشر.
• التوجيه عبر واجهة برمجة التطبيقات الموحدة لـ TokenLab يعني أنك لست مضطراً إلى ترميز سلسلة SDK خاصة بمزود معين؛ حيث تقوم TokenLab بربط اسم نموذج مستقر بأي معرف أساسي صالح حالياً.
• أسعار المنافسين في الجدول أدناه (GPT-5.5, Claude Sonnet 5, DeepSeek V4 Flash) تأتي من دليل TokenLab فقط. لم يتم توفير صفحة أسعار مستقلة من البائع لهذه النماذج في هذه المراجعة — تحقق مباشرة مع OpenAI وAnthropic وDeepSeek قبل وضع ميزانية بناءً عليها.
• لا يتم ذكر أرقام زمن الوصول (latency) المعيارية (الوقت حتى الرمز الأول، مدة الحلقة الكاملة المكونة من 5 خطوات) هنا لأنه لم يتم الحصول عليها بشكل مستقل. قم بقياس حلقتك الخاصة وقياس p50/p95 لكل خطوة بدلاً من اقتباس أرقام من مصادر ثانوية.
• في حلقات الوكيل، تهيمن رموز المخرجات عادةً على الإنفاق — معدل مخرجات Gemini 3.5 Flash (9.00 دولار/مليون) هو 6 أضعاف معدل مدخلاته (1.50 دولار/مليون)، لذا فإن تحديد max_output_tokens أكثر أهمية من تقليل طول المطالبة (prompt).

لقطة المصدر

المصدر	ما يغطيه	تاريخ الملاحظة
أسعار منصة الوكيل من Google Cloud	تسعير رموز Gemini 3.5 Flash القياسي، والمدخلات المخزنة مؤقتاً، وFlex/Batch	2026-07-08
صفحة نماذج Google Gemini API	توجيهات تسمية النماذج المستقرة؛ gemini-3.5-flash مدرج كمثال لنموذج مستقر	2026-07-08
دليل نماذج وأسعار TokenLab	تسعير الرموز لـ gemini-3.5-flash ونماذج المنافسين عبر Google وAnthropic وOpenAI وDeepSeek	2026-07-08

تدرج منصة Gemini Enterprise Agent من Google Cloud نموذج Gemini 3.5 Flash في جدول أسعار خاص بها، منفصل عن صفحة أسعار Gemini Developer API. الأسعار العالمية القياسية هي 1.50 دولار لكل مليون رمز للمدخلات و9.00 دولار لكل مليون رمز للمخرجات النصية. تنخفض الأسعار العالمية لـ Flex/Batch إلى 0.75 دولار للمدخلات و4.50 دولار للمخرجات. المدخلات المخزنة مؤقتاً على المستوى القياسي هي 0.15 دولار لكل مليون رمز. هذا دليل مباشر على أن Gemini 3.5 Flash هو نموذج مستقر ومتاح بشكل عام ومسعّر لأعباء عمل الوكيل المؤسسي على Google Cloud، وليس مجرد عنصر نائب أو تسمية معاينة. يجب على القراء الذين يقارنون التكاليف عبر المقالات التحقق من صفحة الأسعار التي تم سحب السعر منها قبل اعتبار الأرقام قابلة للتبديل.

مقارنة النماذج والتكلفة لواجهة برمجة تطبيقات Gemini 3.5 Flash

جميع الأرقام أدناه هي قوائم من دليل TokenLab. الصفوف التي تحمل علامة "تحقق مع البائع" ليس لها استشهاد مستقل مقدم لهذه المراجعة.

النموذج	المزود	نافذة السياق	المدخلات $/مليون رمز	المخرجات $/مليون رمز	ملاحظة
gemini-3.5-flash	Google	1,048,576	$1.50	$9.00	دليل TokenLab؛ تحقق من صفحة الأسعار المباشرة لـ Google
gemini-3.1-flash-lite	Google	n/a	$0.25	$1.50	دليل TokenLab
gemini-3-pro-image	Google	n/a	$2.00	$12.00	دليل TokenLab، مستوى الصور؛ لا تستخدمه كبديل لوكيل النصوص
gpt-5	OpenAI	n/a	$1.25	$10.00	دليل TokenLab
gpt-5.5	OpenAI	1,050,000	$5.00	$30.00	دليل TokenLab - تحقق مع OpenAI
claude-sonnet-5	Anthropic	1,000,000	$2.00	$10.00	دليل TokenLab - تحقق مع Anthropic
claude-haiku-4-5	Anthropic	n/a	$1.00	$5.00	دليل TokenLab
deepseek-v4-flash	DeepSeek	1,048,576	$0.09	$0.18	دليل TokenLab - تحقق مع DeepSeek

بالنسبة لحلقات الوكيل التي تقوم بالعديد من عمليات استدعاء الأدوات الصغيرة، فإن أرخص سعر لكل رمز ليس دائماً هو الأرخص لكل مهمة — فالنموذج الذي يحتاج إلى عدد أقل من عمليات إعادة المحاولة أو آثار تفكير أقصر يمكن أن يتفوق على سعر معلن أقل. قم بقياس التكلفة لكل مهمة مكتملة، وليس فقط التكلفة لكل رمز.

خطوات التنفيذ لواجهة برمجة تطبيقات Gemini 3.5 Flash

1. تأكد من معرف النموذج قبل كتابة الكود. وقت التحديث، كان معرف النموذج المراد تثبيته هو gemini-3.5-flash، وتدرجه وثائق نماذج Google كمثال لنموذج مستقر. ومع ذلك، اتصل بنقطة نهاية قائمة النماذج الخاصة بمزودك أو تحقق من دليل TokenLab قبل النشر. هذا هو الحل لمشكلة "خطأ في SDK": السلسلة لم تكن موجودة وقت الاستدعاء. لا يوجد قدر من منطق إعادة المحاولة يصلح معرفاً خاطئاً. على سبيل المثال، يصف المصدر نمط الفشل هذا مباشرة.

2. قم بالتوجيه عبر نقطة نهاية موحدة بدلاً من استخدام SDK خاص بمزود معين. استخدام TokenLab (أو بوابة مشابهة) يعني أن كود تطبيقك يشير إلى اسم مستقر، وتقوم البوابة بحله إلى أي معرف صالح حالياً للمزود. هذا يفصل حلقة الوكيل الخاصة بك عن عمليات إعادة تسمية النماذج أو إيقافها من جانب المزود.

3. ابنِ الحلقة بخطوات صريحة وأدوات قياس:

# هيكل توضيحي فقط - تأكد من نقطة النهاية/النموذج الدقيق
# مقابل وثائق بوابتك الحالية قبل النشر.
import time

def agent_loop(task):
    timings = {}

    t0 = time.time()
    plan = call_model(model="gemini-3.5-flash", prompt=build_plan_prompt(task))
    timings["plan"] = time.time() - t0

    t0 = time.time()
    context = retrieve_context(plan)
    timings["retrieve"] = time.time() - t0

    t0 = time.time()
    tool_result = call_tool(plan, context)
    timings["tool_call"] = time.time() - t0

    t0 = time.time()
    synthesis = call_model(
        model="gemini-3.5-flash",
        prompt=build_synthesis_prompt(tool_result),
        max_output_tokens=512,
    )
    timings["synthesize"] = time.time() - t0

    t0 = time.time()
    response = format_response(synthesis)
    timings["respond"] = time.time() - t0

    return response, timings

في خط الأنابيب الخاص بنا، نقوم بتسجيل timings لكل تشغيل وحساب p50/p95 الخاص بنا عبر مجموعة تمثيلية من المهام. لا تنشر أو تعتمد على رقم ثابت "N ثانية لكل حلقة" مأخوذ من بيئة شخص آخر — فظروف الشبكة، وطول المطالبة، وحمل المزود كلها تغير هذه الأرقام.

1. حدد رموز المخرجات بشكل متعمد. تكلف رموز المخرجات حوالي 6 أضعاف رموز المدخلات لـ gemini-3.5-flash وفقاً لتسعير الدليل أعلاه. لقد اختبرنا حسابات التسعير. اضبط max_output_tokens لكل خطوة بدلاً من السماح للنموذج بالعمل لفترة طويلة. هذا يهم أكثر في خطوة التوليف حيث تكون الإجابات المطولة شائعة.

2. أضف سلسلة احتياطية (fallback chain). قم بتهيئة نموذج ثانوي (على سبيل المثال، gemini-3.1-flash-lite للتكلفة، أو مزود مختلف تماماً) بحيث لا يؤدي انقطاع نموذج واحد أو إيقافه إلى تعطيل وكيلك بالكامل.

متى تستخدم TokenLab

• تريد اسماً مستقراً للنموذج بدلاً من سلسلة مزود هشة. نهج دليل TokenLab يعني أن كودك لا يحتاج إلى إعادة كتابة في كل مرة يقوم فيها المزود بإعادة تسمية نموذج أو إيقافه. إيقاف Veo 3.0 الخاص بـ Google مقرر في 30 يونيو 2026، مما يوضح المخاطر.
• تحتاج إلى مكان واحد لمقارنة التكلفة عبر المزودين قبل الالتزام ببائع، بدلاً من التحقق يدوياً من أربع صفحات أسعار منفصلة في كل مرة تقيم فيها تبديل نموذج.
• تقوم بتشغيل منطق احتياطي متعدد المزودين وتريد شكلاً متسقاً للطلب/الاستجابة عبر نماذج Google وAnthropic وOpenAI وDeepSeek بدلاً من صيانة أربعة تكاملات SDK منفصلة.

قراءة ذات صلة

• مقارنة أسعار واجهة برمجة تطبيقات الذكاء الاصطناعي
• دليل ترحيل TokenLab

الأسئلة الشائعة

هل gemini-3.5-flash معرف نموذج صالح يمكنني استدعاؤه مباشرة مقابل SDK الخاص بـ Google؟

لا تفترض ذلك. تأكد منه مقابل قائمة نماذج Google الحالية قبل النشر — تتغير سلاسل معرفات النماذج، وتتغير حالة المعاينة/الإتاحة العامة بمرور الوقت. إذا كنت تقوم بالتوجيه عبر TokenLab، فإن البوابة تتعامل مع هذا الربط نيابة عنك.

من أين تأتي أسعار المنافسين في جدول المقارنة؟

إنها قوائم من دليل TokenLab. فقط تسعير فيديو Veo في هذه المقالة يعود إلى مصدر Google مؤرخ بشكل مستقل (تمت ملاحظته في 2026-07-08). أسعار GPT-5.5 وClaude Sonnet 5 وDeepSeek V4 Flash هنا ليس لها استشهاد مستقل مقدم — تحقق مع كل بائع قبل استخدام هذه الأرقام في تقدير التكلفة الموجه للعملاء.

ما مدى سرعة حلقة وكيل Gemini 3.5 Flash المكونة من 5 خطوات؟

لا يتم تضمين رقم معياري هنا لأنه لم يتم الحصول عليه بشكل مستقل لهذه المقالة. قم بقياس حلقتك الخاصة (انظر نموذج الكود أعلاه) وقياس زمن الوصول الفعلي p50/p95 في بيئتك بدلاً من الاعتماد على رقم من مصدر ثانوي.

ماذا يحدث إذا تم إيقاف النموذج الذي أستخدمه في منتصف المشروع؟

هذا هو السيناريو الذي يوضحه إيقاف Veo 3.0 من Google (30 يونيو 2026) بالضبط. ابنِ سلسلة احتياطية، وحيثما أمكن، قم بالتوجيه عبر بوابة تحافظ على أسماء نماذج محدثة بحيث لا يتطلب الإيقاف إعادة كتابة الكود.

أنشئ مفتاح واجهة برمجة تطبيقات TokenLab لمقارنة معرفات النماذج الحالية قبل النشر.