لوحة صدارة LLM API للمطورين: نظرة عامة مباشرة على الأسعار وكيفية قراءة التصنيفات

إجابة مباشرة: لا توجد "لوحة صدارة LLM API" واحدة موثوقة تصنف كل نموذج بشكل صحيح لكل حالة استخدام، لأن لوحات صدارة المعايير (benchmarks)، ولوحات صدارة تصويتات الساحة (arena)، ولوحات صدارة الاستخدام تقيس ثلاثة أشياء مختلفة. فيما يلي لقطة مكثفة للأسعار ونافذة السياق مستمدة من أدلة النماذج الحية في TokenLab (تمت ملاحظتها بتاريخ 2026-07-09)، متبوعة بقواعد القراءة التي تمنعك من اختيار نموذج بناءً على مقياس خاطئ. إذا كنت بحاجة إلى درجات القدرة (مثل MMLU، وHumanEval، وarena Elo)، فإن مجموعة الأدلة هذه لا تتضمنها؛ وقد تمت الإشارة إلى هذه الفجوة بوضوح بدلاً من ملئها بأرقام مخترعة.

أبرز النقاط

• الجدول أدناه عبارة عن لقطة للأسعار/السياق مرتبة حسب تكلفة رمز (token) المخرجات، وليست تصنيفاً للقدرات. درجات معايير القدرة لهذه النماذج المحددة ليست موجودة في مجموعة الأدلة هذه ويجب التحقق منها بشكل منفصل.
• الأسعار الأرخص لكل رمز لا تعني دائماً تكلفة أرخص لكل مهمة مكتملة. يوضح مثال عملي أدناه كيفية حساب التكلفة الحقيقية لكل مهمة بدلاً من الوثوق بالسعر المعلن.
• المقارنات الخاصة بالمهمة (البرمجة، الصور، الفيديو) تتنبأ بمدى ملاءمة النموذج للإنتاج بشكل أفضل من لوحات الصدارة للأغراض العامة.
• أدلة الأسعار الحية في TokenLab هي لقطة في وقت محدد (تمت ملاحظتها بتاريخ 2026-07-09). تتغير أسعار النماذج بشكل متكرر؛ لذا أعد التحقق قبل تخصيص ميزانية لمسار معين.
• لوحات صدارة حجم الاستخدام مثل قائمة نماذج OpenRouter هي مؤشر على الشعبية وكفاءة التكلفة، وليست درجة للجودة.

لقطة المصدر

مصدر الأدلة	ما يغطيه	تمت ملاحظته في	ملاحظات
لقطة أدلة النماذج/الأسعار الحية من TokenLab	أسعار الرموز للمدخلات/المخرجات ونوافذ السياق للنماذج في كتالوج TokenLab	2026-07-09	أساس جدول الأسعار أدناه
صفحات المعايير الرسمية للمزودين (MMLU, HumanEval, arena Elo, LiveBench)	درجات القدرة	غير متوفرة في مجموعة الأدلة هذه	لا يتم تأكيد أي درجة معيارية محددة في هذه المقالة؛ تحقق من موقع المزود أو المعيار مباشرة قبل استخدام تصنيف القدرة كمدخل لاتخاذ القرار
لوحات صدارة المجمعين/الاستخدام (مثل قائمة نماذج OpenRouter)	حجم الاستخدام ومؤشر أسعار السوق	لم يتم إعادة التحقق منها لهذا التحديث	تُعامل كمثال للفئة، وليس كنقطة بيانات مستشهد بها؛ تأكد من الأرقام الحالية من المصدر مباشرة

لقطة الأسعار الحية: مرتبة حسب تكلفة رمز المخرجات

هذه لوحة صدارة للأسعار، وليست لوحة صدارة للمعايير. إنها تصنف النماذج حسب سعر رمز المخرجات الحي في TokenLab، من الأرخص إلى الأغلى. استخدمها لاختيار المرشحين بناءً على الميزانية، ثم قم بإجراء تقييمك الخاص قبل الالتزام.

الترتيب	النموذج (تسمية TokenLab)	المزود	نافذة السياق	المدخلات $/مليون رمز	المخرجات $/مليون رمز	المصدر	تمت ملاحظته
1	DeepSeek V4 Flash	DeepSeek	1,048,576	$0.090	$0.180	أدلة الأسعار الحية من TokenLab	2026-07-09
2	DeepSeek V4 Pro	DeepSeek	1,048,576	$0.435	$0.870	أدلة الأسعار الحية من TokenLab	2026-07-09
3	MiniMax M3	MiniMax	1,048,576	$0.300	$1.200	أدلة الأسعار الحية من TokenLab	2026-07-09
4	Qwen3.7 Plus	Alibaba	1,000,000	$0.320	$1.280	أدلة الأسعار الحية من TokenLab	2026-07-09
5	GLM-5.2	Z.AI	1,048,576	$0.930	$3.000	أدلة الأسعار الحية من TokenLab	2026-07-09
6	Kimi K2.7 Code	Moonshot AI	262,144	$0.740	$3.500	أدلة الأسعار الحية من TokenLab	2026-07-09
7	Gemini 3.5 Flash	Google	1,048,576	$1.500	$9.000	أدلة الأسعار الحية من TokenLab	2026-07-09
8	Claude Sonnet 5	Anthropic	1,000,000	$2.000	$10.000	أدلة الأسعار الحية من TokenLab	2026-07-09
9	GPT-5.5 Batch/Flex	OpenAI	1,050,000	$2.500	$15.000	أدلة الأسعار الحية من TokenLab	2026-07-09
10	Claude Opus 4.8	Anthropic	1,000,000	$5.000	$25.000	أدلة الأسعار الحية من TokenLab	2026-07-09
11	GPT-5.5	OpenAI	1,050,000	$5.000	$30.000	أدلة الأسعار الحية من TokenLab	2026-07-09
12	Claude Fable 5	Anthropic	1,000,000	$10.000	$50.000	أدلة الأسعار الحية من TokenLab	2026-07-09

لاحظ الفرق: تكلفة رمز المخرجات لنموذج Claude Fable 5 تبلغ حوالي 278 ضعف تكلفة DeepSeek V4 Flash. لا يخبرك أي موقع في هذا الجدول بالنموذج الذي سينجز مهمتك بشكل صحيح؛ فهذا سؤال منفصل، تمت تغطيته في المثال العملي أدناه.

تحقق من الأسعار الحالية وقائمة النماذج الكاملة على دليل نماذج TokenLab قبل البناء باستخدام أي منها، حيث يمكن أن تتغير أسعار المزودين بين اللقطات.

ما الذي يقيسه رقم لوحة الصدارة فعلياً

قبل الوثوق بتصنيف ما، حدد ما يتم قياسه. تظهر ثلاثة أنواع متميزة تحت نفس كلمة "لوحة صدارة":

لوحات الصدارة القائمة على المعايير (Benchmark-based) تصنف النماذج بناءً على مجموعات اختبار ثابتة (MMLU، وHumanEval، وGPQA، وما شابه ذلك). هذه تقيس القدرة على مجموعة الاختبار تلك، وليس على مطالباتك (prompts)، أو تنسيق بياناتك، أو ميزانية زمن الاستجابة (latency) الخاصة بك. لا تذكر هذه المقالة درجات معيارية محددة للنماذج أعلاه لأنه لم تكن هناك أدلة معيارية متاحة لهذا التحديث؛ تحقق من الدرجات الحالية مباشرة على موقع مزود المعيار.

لوحات الصدارة على نمط الساحة (Arena-style) تستخدم تصويتات بشرية أو تصويتات نماذج مقترنة. إنها تلتقط الجودة المتصورة في التبادلات القصيرة، وتميل إلى مكافأة الردود المطولة والمقبولة. هذا التحيز لا يتوافق بشكل جيد مع المخرجات المهيكلة أو مهام توليد الأكواد حيث تكون الإيجاز والامتثال للتنسيق أكثر أهمية من الصقل الحواري.

لوحات صدارة المجمعين/الاستخدام تصنف حسب حجم حركة المرور عبر منصة ما (تعد قائمة نماذج OpenRouter مثالاً شائع الاستشهاد به لهذه الفئة). هذا مؤشر على الشعبية وكفاءة التكلفة بين مستهلكي واجهة برمجة التطبيقات الحقيقيين، وليس درجة للقدرة. يمكن أن يحتل النموذج مرتبة عالية لأنه رخيص ومستخدم على نطاق واسع، وليس لأنه يتفوق في التفكير المنطقي الصعب.

لا شيء من هذه خاطئ. إنها تجيب على أسئلة مختلفة. الخطأ هو التعامل مع أي نوع من لوحات الصدارة كحكم عالمي على "أفضل نموذج" لتكاملك.

السعر لكل رمز مقابل السعر لكل مهمة: مثال عملي

هذا هو الحساب الذي تتجاهله معظم التصنيفات. إليك شرح توضيحي ملموس باستخدام لقطة الأسعار أعلاه، حتى تتمكن من رؤية الطريقة واستبدالها بأرقامك المقاسة بدلاً من إجراء اختبار أعمى بقيمة 500 دولار.

السيناريو: استخراج JSON مهيكل من تذكرة دعم مكونة من 2000 رمز، مع توقع حوالي 300 رمز مخرجات لكل رد. مقارنة DeepSeek V4 Flash مقابل Claude Sonnet 5 من الجدول أعلاه.

التكلفة لكل استدعاء API واحد (قبل إعادة المحاولة):

• DeepSeek V4 Flash: (2,000 × $0.090 + 300 × $0.180) / 1,000,000 = $0.000234 لكل استدعاء
• Claude Sonnet 5: (2,000 × $2.000 + 300 × $10.000) / 1,000,000 = $0.007000 لكل استدعاء

الآن افترض (معدلات إعادة المحاولة هذه هي افتراضات توضيحية لتوضيح الصيغة، وليست بيانات مقاسة) أن النموذج الأرخص ينتج JSON مشوهاً بشكل متكرر بما يكفي للحاجة إلى إعادة المحاولة في 40% من الحالات (متوسط 1.4 استدعاء لكل مهمة مكتملة)، بينما يحتاج النموذج الأغلى إلى إعادة المحاولة في 2% من الحالات (متوسط 1.02 استدعاء لكل مهمة مكتملة):

• التكلفة الفعلية لـ DeepSeek V4 Flash لكل مهمة مكتملة: $0.000234 × 1.4 = $0.000328
• التكلفة الفعلية لـ Claude Sonnet 5 لكل مهمة مكتملة: $0.007000 × 1.02 = $0.007140

حتى مع افتراض إعادة محاولة متشائم للغاية للنموذج الرخيص، فإنه لا يزال أرخص بحوالي 21 ضعفاً لكل مهمة مكتملة في هذا المثال الافتراضي. الصيغة التي تهم:

التكلفة لكل مهمة مكتملة = (متوسط الاستدعاءات المطلوبة للنجاح) × (رموز المدخلات × سعر المدخلات + رموز المخرجات × سعر المخرجات) / 1,000,000

قم بتشغيل هذا باستخدام معدل إعادة المحاولة المقاس الخاص بك (سجل معدلات المخرجات المشوهة الفعلية من عينة من 50-100 طلب مقابل مطالباتك الحقيقية) قبل افتراض أي اتجاه. فجوة السعر 10 أضعاف لكل رمز تنجو عادةً من اختلافات معدل إعادة المحاولة المعتدلة؛ ولا تنقلب إلا عندما يكون معدل فشل النموذج الرخيص متطرفاً مقارنة بالنموذج الغالي، أو عندما يختلف طول المخرجات بشكل حاد بين النماذج لنفس المهمة. هذا غير مقاس في مجموعة الأدلة هذه للنماذج المحددة أعلاه؛ تعامل معه كطريقة حساب، وليس كحكم على معدل إعادة المحاولة في العالم الحقيقي لأي نموذج مسمى.

احصل على أرقامك الخاصة بسرعة: اسحب 50 طلباً حقيقياً من خط أنابيبك، وقم بتشغيلها مقابل 2-3 نماذج مدرجة في القائمة المختصرة من دليل نماذج TokenLab، وسجل النجاح/الفشل وعدد الرموز، ثم ضعها في الصيغة أعلاه. هذا اختبار أرخص وأكثر صلة من الوثوق بأي درجة إجمالية لأي لوحة صدارة عامة لمهمتك المحددة.

لوحات الصدارة العامة مقابل التصنيفات الخاصة بالمهمة

النموذج الذي يحتل مرتبة قريبة من القمة في إجمالي المعايير العامة قد يظل غير مناسب لخط أنابيبك المحدد. لوحات الصدارة العامة تحسب متوسط الأداء عبر التفكير المنطقي، والكتابة، والرياضيات. إذا كنت تبني مساعد برمجة، أو خط أنابيب صور، أو ميزة توليد فيديو، فإن هذا المتوسط الممزوج يكاد يكون غير ذي صلة.

المقارنات الخاصة بالمهمة أكثر تنبؤاً لقرارات الإنتاج:

• بالنسبة لسير عمل توليد الأكواد ومراجعتها، راجع أفضل نماذج الذكاء الاصطناعي للبرمجة 2026، والتي تنظر في المهام الخاصة بالبرمجة بدلاً من جودة الدردشة العامة. تشمل المرشحين الحاليين ذوي الصلة بالبرمجة في كتالوج TokenLab كلاً من Claude Sonnet 5، وKimi K2.7 Code، وDeepSeek V4 Pro، وDeepSeek V4 Flash.
• بالنسبة لأحمال عمل توليد الصور، استخدم أفضل واجهة برمجة تطبيقات لنماذج الصور بالذكاء الاصطناعي 2026 بدلاً من لوحة صدارة نماذج النصوص. تسعير الصور في أدلة TokenLab الحية مهيكل لكل صورة أو لكل رمز بشكل مختلف عن نماذج النصوص (على سبيل المثال، يتم تسعير نماذج Flux لكل صورة، وليس لكل رمز)، لذا فإن رتبة لوحة صدارة النصوص لا تخبرك بشيء عن تكلفة الصورة.
• بالنسبة لواجهات برمجة تطبيقات توليد الفيديو، تغطي أفضل واجهة برمجة تطبيقات لنماذج الفيديو بالذكاء الاصطناعي 2026 نماذج التسعير لكل ثانية مثل Veo 3 ومزودي الخدمة لكل ثانية مثل Pixverse، حيث تتناسب التكلفة مع مدة المقطع بدلاً من عدد الرموز.
• إذا كنت تقوم بالتوجيه عبر مزودين متعددين من خلال مجمع بدلاً من اختيار بائع واحد مباشرة، فإن مقارنة OpenRouter تغطي كيفية اختلاف التسعير القائم على التوجيه واختيار النموذج عن تكامل واجهة برمجة تطبيقات لمزود واحد.

القيود: إذا كان حمل عملك متعدد الوسائط (نص بالإضافة إلى صورة أو فيديو في طلب واحد)، فيجب التحقق من شكل حمولة الطلب/الاستجابة الدقيق للنموذج الذي تختاره في وثائق واجهة برمجة تطبيقات ذلك المزود الحالية. لا يتم تأكيد أي مخطط حمولة متعدد الوسائط في هذه المقالة، حيث لم يتم توفير أي منها في مجموعة الأدلة لهذا التحديث.

قائمة مرجعية عملية لقراءة أي لوحة صدارة

الفحص	لماذا يهم
ما هو المقياس المصنف: درجة المعيار، تصويت الساحة، أم حجم الاستخدام؟	يحدد ما إذا كانت الرتبة تعكس القدرة، أو جودة الدردشة المتصورة، أو الشعبية
هل يتم عرض التسعير لكل رمز، مع فصل المدخلات والمخرجات؟	التسعير الممزوج يخفي فروق التكلفة الحقيقية، وعادة ما يتم تسعير رموز المخرجات بشكل أعلى
هل البيانات حالية، تم التحقق منها خلال آخر 30-60 يوماً؟	تتغير أسعار النماذج وإصداراتها بشكل متكرر بما يكفي لجعل اللقطات القديمة تمثل التكلفة الحالية بشكل خاطئ
هل يغطي المصدر مهمتك المحددة (برمجة، صور، فيديو، دردشة عامة)؟	التصنيفات العامة لا تتنبأ بالأداء الخاص بالمهمة
هل نافذة السياق وحدود المعدل مدرجة بجانب درجة الجودة أو السعر؟	النموذج عالي الدرجات ذو نافذة سياق صغيرة قد لا يناسب حمل عملك بدون تقسيم
هل يمكنك التصفية حسب المزود، والنمط، وفئة السعر؟	القدرة على التصفية تشير إلى ما إذا كان المصدر مبنياً لاتخاذ القرارات أم للتسويق

إذا فشل مصدر ما في أكثر من اثنين من هذه الفحوصات، فتعامل مع تصنيفه كنقطة بداية للبحث، وليس كإجابة نهائية.

قيود مجموعة الأدلة هذه

• لا تتضمن هذه المقالة أي درجات معيارية لطرف ثالث (MMLU, HumanEval, arena Elo, LiveBench) للنماذج المحددة في جدول الأسعار أعلاه. تحقق من الدرجات الحالية مباشرة مع مزود المعيار قبل استخدامها كعامل اختيار.
• أرقام معدل إعادة المحاولة وتضخم الرموز في المثال العملي هي افتراضات توضيحية تستخدم لإثبات صيغة التكلفة لكل مهمة. وهي ليست بيانات مقاسة لأي نموذج محدد ولا ينبغي الاستشهاد بها كمعدلات إعادة محاولة في العالم الحقيقي.
• زمن الاستجابة والإنتاجية غير مقاسين في مجموعة الأدلة هذه لأي نموذج مدرج أعلاه.
• تعكس لقطة الأسعار أدلة TokenLab الحية التي تمت ملاحظتها بتاريخ 2026-07-09. يمكن أن تتغير الأسعار والتوافر ونوافذ السياق بعد ذلك التاريخ؛ أعد التحقق من دليل نماذج TokenLab قبل الانتهاء من المسار.
• يتم الإشارة إلى أرقام لوحة صدارة المجمعين/الاستخدام (مثل قائمة نماذج OpenRouter) كمثال للفئة، ولم يتم إعادة التحقق منها بأرقام حية في جولة التحديث هذه.

الإسناد الترافقي للتصنيفات مع دليل نماذج حي

تصبح لوحات الصدارة الثابتة قديمة بسرعة. يمكن أن يتغير سعر النموذج أو توافره في غضون أسابيع من آخر تحديث للوحة الصدارة، خاصة مع قيام المزودين بتعديل الأسعار أو إيقاف الإصدارات القديمة. قم بإجراء إسناد ترافقي لأي تصنيف مقابل مصدر حي يتم تحديثه بشكل متكرر قبل الالتزام.

تصفح تصنيفات النماذج لرؤية مؤشرات الاستخدام، وفئة التكلفة، وملاءمة المهمة جنباً إلى جنب مع التسعير الحالي في عرض واحد، بدلاً من الإسناد الترافقي اليدوي لثلاثة مصادر منفصلة.

تحويل التصنيفات إلى قرار

بمجرد تحديد نوع لوحة الصدارة الذي يجيب فعلياً على سؤالك والتحقق من الأسعار مقابل مصدر حالي، ضيق قائمتك المختصرة إلى 2-3 نماذج واختبرها مقابل مطالباتك الخاصة، وليس مجموعة اختبار المعيار. تخبرك التصنيفات بما هو معقول. التقييم الصغير على بياناتك الخاصة، باستخدام صيغة التكلفة لكل مهمة أعلاه، يخبرك بما هو صحيح لمنتجك.

ابدأ على دليل نماذج TokenLab، حيث يمكنك التصفية حسب النمط، والسعر، ونافذة السياق قبل تشغيل اختبار القائمة المختصرة الخاص بك.

الأسئلة الشائعة

ما الفرق بين لوحة صدارة LLM ولوحة صدارة LLM API؟ غالباً ما تصنف لوحة صدارة LLM العامة قدرة النموذج الخام باستخدام المعايير أو تصويتات البشر، أحياناً دون الإشارة إلى الوصول إلى واجهة برمجة التطبيقات، أو التسعير، أو حدود المعدل. يجب أن تتضمن لوحة صدارة LLM API للمطورين التفاصيل التشغيلية، والسعر لكل رمز، ونافذة السياق، والتوافر، التي تحدد ما إذا كان النموذج قابلاً للاستخدام في تكامل الإنتاج، وليس فقط ما إذا كان يحقق درجات جيدة في مجموعة اختبار ثابتة.

هل جدول الأسعار أعلاه هو لوحة صدارة للمعايير؟ لا. إنها لقطة أسعار من أدلة نماذج TokenLab الحية، مرتبة حسب تكلفة رمز المخرجات. وهي لا تتضمن درجات معايير القدرة لهذه النماذج، لأنه لم تكن هناك بيانات معيارية متاحة لهذا التحديث. استخدمها للاختيار حسب الميزانية، ثم تحقق من القدرة من خلال تقييمك الخاص أو مصدر معيار مخصص.

هل يجب أن أثق في التصنيفات القائمة على الاستخدام مثل قائمة نماذج OpenRouter؟ التصنيفات القائمة على الاستخدام هي مؤشر مفيد لما هو شائع وفعال من حيث التكلفة بين المطورين الحقيقيين، لأنها تعكس حركة المرور الفعلية بدلاً من تشغيل معيار واحد. لكن الشعبية لا تعادل أفضل ملاءمة لمهمتك. قم بإجراء إسناد ترافقي للنماذج عالية الاستخدام مقابل المقارنات الخاصة بالمهمة قبل افتراض أن النموذج الأكثر استخداماً هو المناسب لحمل عملك.

كيف أعرف ما إذا كان النموذج الأرخص أرخص فعلياً لمهمتي المحددة دون اختبار مكلف؟ اسحب 50-100 طلب حقيقي من خط أنابيبك، وقم بتشغيلها مقابل 2-3 نماذج مدرجة في القائمة المختصرة، وسجل أعداد الرموز بالإضافة إلى النجاح/الفشل لكل محاولة. طبق صيغة التكلفة لكل مهمة في هذه المقالة: (متوسط الاستدعاءات للنجاح) × (رموز المدخلات × سعر المدخلات + رموز المخرجات × سعر المخرجات) / 1,000,000. هذا يمنحك رقماً حقيقياً من عينة صغيرة ورخيصة بدلاً من التخمين من السعر المعلن أو الالتزام باختبار كبير.

كم مرة يجب أن أعيد التحقق من الأسعار قبل إنهاء قرار النموذج؟ بالنظر إلى مدى تكرار قيام المزودين بتحديث الأسعار وإصدار إصدارات نماذج جديدة، تعامل مع أي لقطة أسعار أقدم من 30-60 يوماً على أنها قد تكون قديمة. أعد التحقق من الأسعار الحالية والتوافر على دليل نماذج TokenLab مباشرة قبل إنهاء تكاملك.