خفّض فاتورة LLM API: التخزين المؤقت واختيار النموذج

تتكوّن فاتورة LLM API من توكنات الإدخال وتوكنات الإخراج، ولكل منها سعر لكل مليون توكن. ولتخفيضها، خزّن في الكاش الأجزاء التي تتكرر من طلبك، وأرسل الخطوات البسيطة إلى نموذج أصغر، واجعل الإجابات والتفكير قصيرة، وأرسل في دفعات ما يحتمل الانتظار، وادفع أقل من السعر الرسمي لكل توكن ما زلت ترسله.

من أين تأتي فاتورة LLM API؟#

يُحسب كل طلب بالتوكنات، والسعر لكل مليون توكن، ولكل نوع من التوكنات سعره:

• الإدخال: تعليماتك وتعريفات الأدوات والمستندات والمحادثة حتى الآن.
• الإدخال المخزَّن: الجزء من الإدخال الذي يُقرأ من كاش الشركة، أي تخزينها المؤقت، بجزء صغير من سعر الإدخال.
• الإخراج: الإجابة، ومعها أي تفكير يسبقها. وتحسب Anthropic وOpenAI وGoogle توكنات التفكير إخراجًا، حتى حين لا تراها.

وفي أحدث نماذج الشركات الثلاث، يكلّف الإخراج خمسة أضعاف الإدخال. والمحادثة أو الوكيل يعيد إرسال المحادثة كلها في كل دور، فمعظم توكنات الجلسات الطويلة إدخال. لذلك يأتي أكبر توفير من تخزين الإدخال المتكرر في الكاش ومن تقصير الإخراج.

ما الخصومات التي تعلنها Anthropic وOpenAI وGoogle؟#

هذه قواعد الكاش والدفعات والسرعة كما عرضتها صفحات الأسعار الثلاث في 1 نوفمبر 2026.

كم يوفّر التخزين المؤقت للطلبات؟#

لا يصيب الطلبُ الكاش إلا إذا طابقت بدايته طلبًا سابقًا مطابقة تامة. فكل ما يسبق أول توكن تغيّر يمكن أن يُقرأ من الكاش، وكل ما بعده يُحسب بسعر الإدخال الكامل. لذلك رتّب كل طلب من الجزء الأثبت إلى الأقل ثباتًا:

1. تعريفات الأدوات،
2. تعليمات النظام،
3. المستندات المرجعية،
4. سجل المحادثة،
5. السؤال الجديد أخيرًا.

وإذا وضعت وقتًا أو اسم مستخدم قرب البداية، تغيّرت البداية في كل طلب، فيتوقف الكاش عمليًا.

وقد تكلّف الكتابة في الكاش أكثر. لدى Anthropic، تكلّف الكتابة التي تبقى خمس دقائق 1.25 ضعف سعر الإدخال، والتي تبقى ساعة ضعفه، فتسترد كتابة الدقائق الخمس تكلفتها من قراءة واحدة من الكاش. وفي أحدث نماذج GPT، تكلّف الكتابة التي تبقى 30 دقيقة 1.25 ضعف سعر الإدخال. ولا تضيف Google رسمًا على الكتابة: يبدأ تخزينها الضمني متى بلغت البداية المكررة 4,096 توكنًا في Argon و3.8 Flash و3.1 Pro، أو 2,048 توكنًا في 2.5 Pro، ولا يُضاف رسم تخزين بالساعة إلا على الكاش الذي تنشئه بنفسك.

مثال محسوب#

لنفترض أن وكيلًا يعمل على claude-opus-5.5 يرسل البداية نفسها، ومقدارها 40 ألف توكن، 20 مرة خلال خمس دقائق. دون كاش، تدفع ثمن 800 ألف توكن إدخال بالسعر الكامل. ومع الكاش، تدفع ثمن كتابة واحدة بـ 1.25 ضعف سعر الإدخال، و19 قراءة بنصف عُشر سعره. وبوحدات سعر الإدخال، يكون المجموع 50 ألفًا زائد 38 ألفًا، أي 88 ألفًا بدل 800 ألف: أقل بنحو 89% في هذا الجزء من الفاتورة. أما الإخراج فلا يتغيّر.

مع نماذج Claude، تحدّد البداية المخزَّنة بالحقل cache_control في صيغة Messages، ولا يوجد حقل له في Chat Completions ولا في Responses. وتخزّن نماذج GPT البدايات الطويلة المتكررة وحدها، وفي Responses يساعد مفتاح prompt_cache_key ثابت الطلبات المتشابهة على مشاركة الكاش، كما يشرح كاش GPT. أما نماذج Gemini فلا حقل لها تضبطه: ضع الجزء الثابت أولًا، كما يشرح كاش Gemini.

أي نموذج يناسب كل خطوة؟#

الأسعار داخل مجموعة الشركة الواحدة متباعدة جدًا. لدى Anthropic، يكلّف claude-fable-5.1 مرتين ونصفًا سعر claude-opus-5.5، ويكلّف Opus ضعف claude-sonnet-5.5، ويكلّف أحدث Haiku نصف عُشر سعر Sonnet في الطلبات حتى 100 ألف توكن. ولدى OpenAI، يكلّف Astra خمسة أضعاف Sol 6.1، ويكلّف Luna نصف عُشره. ولدى Google، يكلّف Argon اليوم نحو 2.7 ضعف 3.8 Flash، ويبيّن دليل أسعار Gemini API كيف تتغيّر هذه الفجوة مع ارتفاع السعرين.

لذلك أرسل كل خطوة إلى أرخص نموذج يؤديها جيدًا:

• الخطوات البسيطة مثل التصنيف واستخراج الحقول وإعادة الصياغة القصيرة: نموذج صغير مثل أحدث Haiku أو Luna أو أحد نماذج Flash.
• معظم العمل اليومي مثل البرمجة والكتابة والتحليل: نموذج متوازن مثل claude-sonnet-5.5 أو Sol 6.1.
• أصعب الخطوات مثل التخطيط وتتبع الأخطاء الصعبة والمراجعة النهائية: claude-opus-5.5 أو claude-fable-5.1 أو Astra أو Argon.

قِس النموذج بتكلفة المهمة المنجزة، لا بسعر التوكن: فالنموذج الرخيص الذي يحتاج ثلاث محاولات قد يكلّف أكثر من نموذج أقوى يصيب من المرة الأولى. واختبر على مهامك قبل أن تنقل إليه أي عمل. ولوكلاء البرمجة، يطبّق دليل أرخص طريقة لتشغيل Claude Code الفكرة نفسها.

كيف تُبقي الإخراج والتفكير قصيرين؟#

الإخراج أغلى أنواع التوكنات، والتفكير يُحسب إخراجًا. وتساعدك ثلاثة إعدادات:

• حدّد الطول الأقصى. اضبط max_tokens في Messages، أو max_output_tokens في Responses، أو maxOutputTokens داخل generationConfig في Gemini. واجعله سقفًا لا هدفًا، فالإجابة التي تنقطع في منتصفها يجب أن تُطلب من جديد. وفي نماذج Claude، يدخل التفكير أيضًا ضمن max_tokens.
• اخفض الجهد في الخطوات الروتينية. الجهد الأقل يعني عادةً توكنات تفكير أقل. وتذكر مراجعنا output_config.effort في Messages، وreasoning.effort في Responses، وreasoning_effort في Chat Completions، وكلها بالقيم low وmedium وhigh. وفي نماذج Claude، يؤدي تغيير إعدادات التفكير بين الأدوار إلى إخفاق الكاش في المحادثة المخزَّنة، فأبقِ إعدادًا واحدًا طوال المحادثة.
• اطلب شكلًا ثابتًا. فالقائمة القصيرة، أو كائن JSON، أو استدعاء أداة بمخطط محدد، يمنع النموذج من كتابة أكثر مما تحتاج.

متى تستحق الدفعات؟#

حين لا ينتظر أحد الإجابة. تحاسب الشركات الثلاث طلبات الدفعات بنصف السعر القياسي، فتناسبها التقييمات، والتصنيف أو التلخيص بالجملة، وإعادة معالجة البيانات القديمة. وتُنهي OpenAI الدفعة خلال 24 ساعة، وتستهدف Google المدة نفسها، وتقدّم الشركتان أيضًا فئة مرنة بنصف السعر نفسه. ولدى Anthropic، يجتمع خصم الدفعات مع خصم الكاش.

والسرعة تعمل في الاتجاه المعاكس. تكلّف المعالجة السريعة لدى OpenAI في أحدث نماذج GPT، والوضع السريع لدى Anthropic على claude-opus-5.5، ضعف السعر القياسي، وتكلّف فئة الأولوية لدى Google 1.8 ضعف السعر القياسي.

ووثائقنا لا تذكر الدفعات ولا المعالجة المرنة ولا السريعة ولا ذات الأولوية، لذلك خطّط مع خبير حول الكاش واختيار النموذج وتقصير الإخراج، فهي تعمل على كل طلب.

هل تكلّف الطلبات الطويلة أكثر؟#

لدى OpenAI وGoogle، أحيانًا. بعد 272 ألف توكن إدخال، تحاسب OpenAI النماذج التي لها أسعار للسياق الطويل بضعف سعر الإدخال ومرة ونصف سعر الإخراج. وبعد 200 ألف توكن، تفعل Google الشيء نفسه في 3.1 Pro و2.5 Pro. أما لدى Anthropic، فالنماذج الحالية مثل claude-opus-5.5 وclaude-sonnet-5.5 لها سعر واحد في نافذة السياق كلها، ويُستثنى أحدث Haiku الذي يكلّف أكثر بعد 100 ألف توكن.

وحتى بسعر واحد، تدفع ثمن الطلب الطويل كاملًا في كل دور. لخّص الأدوار القديمة أو احذفها، وأزل نتائج الأدوات التي لم تعد تحتاجها، وأرسل الأجزاء المهمة من المستند بدل الملف كله.

كم تكلّف النماذج نفسها عبر خبير؟#

يقدّم خبير نماذج Claude وGPT وGemini على الـ API بسعر أقل من السعر الرسمي، وكلها من رصيد واحد. وتأتي القوائم التالية من الكتالوج المباشر.

وتجد كل نموذج وأسعاره في صفحة النماذج. وتقارن صفحات Claude وOpenAI وGemini كل مجموعة بسعرها الرسمي، وتعرض صفحة الـ API العرض كله.

أنشئ لكل مشروع مفتاحًا خاصًا بحدّ إنفاق، كما يشرح دليل مفاتيح API، فتتوقف الحلقة الخارجة عن السيطرة عند هذا الحد، وراجع عدد التوكنات المخزَّنة في بيانات الاستخدام. وإذا كنت تعمل غالبًا داخل تطبيقات مثل Claude Code، فقارن الباقات في صفحة التطبيقات والأسعار.

أسئلة شائعة#

أي وسيلة توفّر أكثر؟#

يتوقف ذلك على طبيعة عملك. يفوز الكاش حين تشترك طلبات كثيرة في بداية طويلة ثابتة، كما في الوكلاء والمحادثة مع المستندات. ويفوز النموذج الأصغر حين تكثر الخطوات البسيطة. وتفوز الدفعات حين تحتمل النتائج الانتظار، لدى الشركات التي تقدّمها.

كيف أعرف أن الكاش يعمل؟#

راجع بيانات الاستخدام في كل رد: الحقل usage.cache_read_input_tokens في Messages، وusage.prompt_tokens_details.cached_tokens في Chat Completions، وusage.input_tokens_details.cached_tokens في Responses. فإذا بقي العدد صفرًا، فبداية طلبك تتغيّر بين الطلبات.

هل تكلّف الكتابة في الكاش أكثر؟#

لدى Anthropic وفي أحدث نماذج GPT، نعم: تكلّف الكتابة قصيرة الأمد 1.25 ضعف سعر الإدخال. ولا تضيف Google رسمًا على الكتابة، بل رسم تخزين بالساعة على الكاش الذي تنشئه بنفسك فقط.

هل تُحسب توكنات التفكير؟#

نعم، تُحسب إخراجًا لدى Anthropic وOpenAI وGoogle. فالمهمة التي تجعل النموذج يفكر أطول تكلّف أكثر وإن كانت الإجابة قصيرة، لذلك اخفض الجهد حيث تسمح الجودة.

هل يجتمع خصم الدفعات مع خصم الكاش؟#

لدى Anthropic، نعم: تقول صفحة أسعارها إنهما يجتمعان. ووثائقنا لا تذكر الدفعات، والكاش يعمل على الطلبات العادية.

هل أستطيع تحديد الإنفاق لكل مفتاح؟#

نعم. يمكن أن يكون لكل مفتاح حدّ إنفاق وتاريخ انتهاء وقائمة عناوين IP مسموح بها خاصة به، ويشرح دليل مفاتيح API الطريقة. وللفرق بين الدفع حسب التوكنات والباقة، راجع الاشتراك أم الـ API.

المصادر#

راجعناها في 2026-11-01:

• صفحة الأسعار في وثائق Claude API
• دليل التفكير الموسّع في وثائق Claude API
• صفحة الأسعار في وثائق OpenAI API
• دليل التخزين المؤقت للطلبات في وثائق OpenAI API
• دليل نماذج الاستدلال في وثائق OpenAI API
• دليل واجهة الدفعات في وثائق OpenAI API
• صفحة الأسعار في وثائق Gemini API
• دليل التخزين المؤقت للسياق في وثائق Gemini API
• دليل واجهة الدفعات في وثائق Gemini API