احسب تكلفة استخدام نموذج ذكاء اصطناعي (GPT أو Claude أو Gemini أو أي نموذج آخر) من عدد توكنز الإدخال والإخراج وسعرك الحالي لكل مليون توكن — تصلح لأي مزوّد، ولا تصبح قديمة أبدًا.
📂 التقنية والإنترنتكل شيء يعمل محليًا في متصفحك — لا حاجة للتسجيل، ولا تُرسَل أي بيانات لأي مكان أبدًا.
لا تُحاسِبك نماذج اللغة الاصطناعية على أساس الكلمة أو الحرف — بل على أساس «التوكن»، وهو جزء من النص يعادل تقريبًا ثلاثة أرباع كلمة إنجليزية في المتوسط، ينتج عن تقسيم النص بواسطة مُجزِّئ (Tokenizer) قبل أن يصل إلى النموذج. ولأن الطلب الواحد يتضمن عادةً نصًا مُرسَلًا إلى النموذج (توكنز الإدخال) وردًا يولّده النموذج (توكنز الإخراج)، ولأن توليد نص جديد توكنًا بتوكن أكثر تكلفة حسابيًا من قراءة نص موجود، ينشر معظم المزوّدين — بما فيهم OpenAI وAnthropic وGoogle — سعرين منفصلين لكل مليون توكن: سعر للإدخال وسعر أعلى للإخراج. وضرب كل عدد توكنز في سعره الخاص لكل مليون ثم جمع الناتجين يعطي تكلفة طلب واحد؛ وضرب ذلك في عدد الطلبات المتوقعة يعطي تقديرًا واقعيًا لميزانية ميزة أو سكربت أو شهر كامل من الاستخدام. ولأن هذه الأسعار لكل مليون تتغيّر بوتيرة نسبيًا سريعة مع إصدار المزوّدين لنماذج جديدة وتعديل شرائح التسعير، تطلب هذه الحاسبة عمدًا إدخال السعر الحقيقي لليوم من صفحة أسعار مزوّدك نفسها بدل افتراض رقم ثابت سيصبح سريعًا غير دقيق.
كل من استدعى واجهة برمجة نموذج ذكاء اصطناعي واستلم فاتورته لاحقًا واجه وحدة القياس نفسها: التوكن. التوكنز هي الأجزاء الصغيرة — قريبة غالبًا من كلمة، وأحيانًا بضعة أحرف، وأحيانًا كلمة شائعة كاملة — التي يقسّم إليها مُجزِّئ النموذج النص قبل معالجته، وهذه التوكنز، لا الأحرف أو الكلمات الخام، هي ما يقيسه مزوّدو الذكاء الاصطناعي فعليًا ويحاسبون عليه.
يعرض المزوّدون الأسعار «لكل مليون توكن» ببساطة لأن التوكن الواحد يساوي كسرًا صغيرًا ومربكًا من السنت — وعرض السعر لكل مليون يحوّل ذلك الكسر إلى رقم عادي وسهل القراءة مثل 3.00$ أو 15.00$، يسهل مقارنته بين المزوّدين والنماذج. وللحصول على التكلفة الفعلية لطلب معيّن، تقسم عدد توكنزك على مليون وتضرب في سعر المليون، ثم تكرر ذلك للإدخال والإخراج وتجمع الناتجين.
يفاجئ الفصل بين تسعير الإدخال والإخراج كثيرين أول مرة يرونه. قراءة الطلب وترميزه (الإدخال) أرخص نسبيًا على النموذج معالجته، بينما توليد الرد (الإخراج) يحدث توكنًا واحدًا في كل مرة، ويعتمد كل توكن على كل ما وُلِّد قبله — وهذا حساب أكثر تكلفة جوهريًا. لهذا يفرض معظم المزوّدين، عبر جميع عائلات نماذج الذكاء الاصطناعي الكبرى تقريبًا، سعرًا لتوكنز الإخراج أعلى ملحوظًا من سعر توكنز الإدخال، وأحيانًا بثلاثة إلى خمسة أضعاف.
لا يبقى شيء من هذا ثابتًا طويلًا. يُصدر مزوّدو الذكاء الاصطناعي إصدارات نماذج جديدة، ويوقفون أخرى قديمة، ويعدّلون شرائح التسعير على مدى أشهر لا سنوات — وهذا بالضبط سبب أن أي حاسبة تُبرمِج داخلها «GPT يكلّف كذا» أو «Claude يكلّف كذا» تُسيء لمستخدميها لحظة تغيّر تلك الأسعار. تطلب هذه الأداة سعرك الحالي بدلًا من ذلك، وتتيح لك حفظ إدخال باسم لكل مزوّد أو نموذج تستخدمه بانتظام — مُخزَّن فقط في متصفحك أنت — فتصبح مراجعة السعر مرة واحدة ثم إعادة استخدامه مهمة تُنجَز مرة واحدة، لا تتكرر عند كل زيارة.
تقدير التكلفة قبل البناء يهم أكثر ما يهم في مرحلة التخطيط: ضرب تكلفة طلب واحد في حجم طلبات يومي أو شهري متوقع، باستخدام حقل «عدد الطلبات» الاختياري هنا، يحوّل سعرًا مجردًا لكل توكن إلى رقم ميزانية ملموس — مفيد سواء كنت تقارن بين مزوّدين لمشروع جديد، أو تقدّر تكلفة ميزة روبوت محادثة، أو تقدّر ما سيكلّفه تشغيل سكربت معالجة دفعية على مجموعة بيانات كبيرة قبل أن تشغّله فعليًا.
التكلفة = (توكنز الإدخال ÷ 1,000,000 × سعر المليون توكن للإدخال) + (توكنز الإخراج ÷ 1,000,000 × سعر المليون توكن للإخراج). وإن كنت تقدّر لعدة طلبات، تُضرَب تكلفة الطلب الواحد في عدد الطلبات.
راجع صفحة الأسعار الرسمية لمزوّدك (OpenAI أو Anthropic أو Google أو أي جهة أخرى). هذه الحاسبة لا تخزّن عمدًا أسعار أي مزوّد بداخلها، لأن أسعار الذكاء الاصطناعي تتغيّر كثيرًا وأي رقم مُبرمَج ثابت سيصبح غير دقيق سريعًا — أدخل دائمًا السعر الحقيقي لليوم بنفسك.
معالجة توكنز الإدخال (الطلب المُرسَل) أرخص عمومًا من توليد توكنز الإخراج (الرد المُولَّد)، لأن التوليد يحدث خطوة بخطوة ويتطلب حسابًا أكبر لكل توكن، لذلك يفرض معظم المزوّدين سعرًا أعلى للمليون توكن على الإخراج مقارنة بالإدخال.
نعم. أدخل اسم المزوّد أو النموذج مع سعري الإدخال والإخراج ثم اضغط «حفظ هذا السعر» — يُخزَّن فقط في التخزين المحلي بمتصفحك (لا يُرسَل لأي مكان أبدًا) ويظهر في قائمة الأسعار المحفوظة لتحميله فورًا في المرة القادمة.