GPT-6 Luna أم GPT-6.1 Terra؟ Luna للمهام الروتينية، وTerra للمهام المعقدة - أرخص بعشر مرات، ولكن ليس بالضرورة أفضل

الذكاء الاصطناعي ذو التكلفة المعقولة في مواجهة DeepSeek: OpenAI تهاجم المنافسة السعرية مع Luna

تقدم OpenAI نموذجين بمواصفات سعرية وأدائية مختلفة: GPT-6 Luna وGPT-6.1 Terra. يُركز نموذج Luna بشكل أساسي على المهام المحددة بوضوح والتي تتكرر بأعداد كبيرة. أما نموذج Terra، فهو مصمم للتفوق في التحليل البصري، والعمليات الحاسوبية الأكثر تعقيدًا، ومعالجة المعرفة المتنوعة. ويُعدّ فرق السعر كبيرًا: إذ يُكلّف نموذج Terra عشرة أضعاف سعر نموذج Luna، سواءً بالنسبة لرموز الإدخال أو الإخراج العادية.

بالنسبة للشركات، لا يقتصر السؤال المحوري على تحديد النموذج الأكثر كفاءة أو الأرخص، بل يتعلق بمدى تبرير القدرات الإضافية لسعرها الأعلى، ومتى يقتصر النموذج الأغلى على أداء المهام الأساسية فقط. فالمهم ليس تكلفة الوحدة، بل التكلفة الإجمالية للنتيجة النهائية المقبولة، بما في ذلك استخدام الأدوات، والتكرارات، والمراجعة البشرية، والأخطاء المحتملة.

تتناول المقارنة أيضًا المنافسة في سوق الذكاء الاصطناعي. فمن خلال منصة لونا، تتحدى OpenAI فكرة أن النماذج منخفضة التكلفة يجب أن تأتي بالضرورة من مزودين صينيين أو من سوق النماذج المفتوحة. مع ذلك، لا تضمن الأسعار المنخفضة وحدها ميزة في الإنتاجية. لتحقيق ذلك، يجب على الشركات استخدام النماذج بما يتناسب مع عملياتها، ومراقبة نتائجها، والاهتمام بتكاليف العملية برمتها.

معلومات رخيصة، قرارات سيئة مكلفة: لماذا لا تخلق أرخص وسيلة ميزة تنافسية

يُعدّ GPT-6 Luna مثيرًا للاهتمام بشكل خاص للمهام المحددة بوضوح ذات أحجام الإنتاج الكبيرة، بينما صُمّم GPT-6.1 Terra للتفوق في التحليل البصري، والعمليات الحاسوبية الأكثر تطلبًا، والعمل المعرفي المتنوع. وبالتالي، ينتمي كلا النموذجين إلى الجانب التجاري من محفظة OpenAI، لكنهما يختلفان في الأداء والسعر: إذ يُكلّف Terra عشرة أضعاف Luna مع رموز الإدخال والإخراج العادية.

لذا، فإن السؤال المحوري ليس أي نموذج أفضل أو أرخص جوهريًا، بل العامل الحاسم هو في أي المهام يبرر الأداء الإضافي ارتفاع سعره، وأين يؤدي فقط إلى معالجة مكلفة بلا داعٍ لمهام بسيطة. في الوقت نفسه، يتحدى تسعير OpenAI الفكرة السائدة بأن الذكاء الاصطناعي الفعال من حيث التكلفة يجب أن يأتي بالضرورة من مطورين صينيين أو من سوق البرمجيات مفتوحة المصدر.

من منظور اقتصادي، ينشأ تنافس ذو شقين. فمن جهة، يتنافس مزودو النماذج على الأداء والسرعة وأسعار الاستخدام. ومن جهة أخرى، تتنافس الشركات المستخدمة لدمج هذه النماذج بفعالية في عملياتها. ومن المرجح أن يكون التنافس الثاني لا يقل أهمية عن الأول لتحقيق مكاسب فعلية في الإنتاجية.

نموذجان، أدوار إنتاجية مختلفة

يُعتبر نظام لونا نموذجًا فعالًا للغاية للمهام المركزة ومعالجة كميات كبيرة من البيانات؛ بينما صُمم نظام تيرا ليجمع بين التفكير البصري، والتشغيل الدقيق للحاسوب، والتواصل الكتابي الطبيعي. وينتج عن ذلك أدوار تشغيلية مختلفة، على الرغم من وجود تداخل جزئي في الوظائف المدعومة تقنيًا.

يُعدّ برنامج لونا مناسبًا بشكل خاص للعمليات التي يمكن تحديد هدفها بوضوح. وتشمل هذه العمليات تصنيف الاستعلامات، واستخراج معلومات محددة من المستندات، وتلخيص المشكلات المعروفة، أو إنشاء نماذج نصية موحدة. يصبح هذا النموذج مجديًا اقتصاديًا عندما لا يتحدد الجهد المبذول بصعوبة حالة واحدة، بل بعدد كبير من الحالات المتشابهة.

تزداد أهمية Terra عند دمج أنواع مختلفة من المعلومات أو عند الحاجة إلى تنسيق عدة خطوات عمل بشكل فعّال. تشير OpenAI، على سبيل المثال، إلى مقارنة صور المنتجات مع بيانات الكتالوج، وتفسير الرسومات الفنية، وتشغيل واجهات التطبيقات. تكمن القيمة المضافة المحتملة هنا ليس في مجرد توليد النصوص، بل في الربط بين الإدراك والتفسير والإجراء اللاحق.

يكمن الخط الفاصل العملي بين المعالجة الجماعية المعيارية ومعالجة العمليات الأكثر تعقيدًا. مع ذلك، فهو ليس خطًا فاصلًا جامدًا. قد تصبح العملية المُعدّة جيدًا بسيطةً بالنسبة لـ"لونا"، حتى لو بدت مشكلة العمل الأصلية معقدة. في المقابل، قد يصبح طلبٌ يبدو غير ضارٍّ تحديًا بسبب تضارب الوثائق، أو عدم وضوح المسؤوليات، أو الاستثناءات غير المألوفة.

الفرق في السعر كبير

توضح أسعار واجهة برمجة التطبيقات (API) العادية مدى وضوح التمييز الذي تُجريه OpenAI بين النموذجين. يجب النظر إلى المدخلات الجديدة، والمدخلات المُعاد استخدامها من ذاكرة التخزين المؤقت، والمخرجات المُولّدة بشكل منفصل.

| السعر لكل مليون رمز | GPT-6 Luna | GPT-6.1 Terra |
|—|—:|—:|
| مدخلات جديدة | 0.10 دولار | 1.00 دولار |
| قراءة المدخلات المخزنة مؤقتًا | 0.01 دولار | 0.05 دولار |
| مخرجات | 0.50 دولار | 5.00 دولار |
| كتابة ذاكرة التخزين المؤقت، احتفاظ قصير منتظم | 0.125 دولار | 1.25 دولار |

مع تساوي عدد رموز الإدخال والإخراج الجديدة، يكون فرق السعر عشرة أضعاف؛ أما مع رموز ذاكرة التخزين المؤقت للقراءة فقط، فيكون خمسة أضعاف. وبالتالي، يعتمد الفرق الفعلي، حتى على مستوى الرموز فقط، على تكوين عبء العمل.

لأغراض الحسابات التجارية، من المهم أيضًا ملاحظة أن هذه الأسعار لا تمثل التكاليف الكاملة للتطبيق. يمكن احتساب استخدام الأدوات بشكل منفصل، ويفرق كلا النموذجين بين طرق المعالجة المختلفة وشروط التسعير الخاصة بكل طريقة.

لذا، يُمثل سعر القائمة نقطة انطلاق، ولكنه لا يُعدّ قرارًا استثماريًا نهائيًا. فهو يصف شراء مُدخل تقني. أما ما إذا كان هذا سيُؤدي إلى نتيجة تجارية مُرضية، فلا يتحدد إلا من خلال سير العمل الكامل.

غالباً ما تكون وحدة التكلفة الصحيحة مفقودة

يُعدّ مليون رمز وحدة حساب مفيدة للمطورين، لكن أهميته محدودة للإدارة. فالشركات لا تبيع الرموز عادةً، ولا تُنظّم عملية خلق القيمة لديها حول استدعاءات النماذج. بل تقوم بمعالجة الفواتير، والرد على استفسارات العملاء، وإعداد عروض الأسعار، ومراجعة الوثائق التقنية، أو تعديل البرامج.

لذا، يُعدّ مؤشر الأداء الرئيسي ذو الأهمية الاقتصادية هو تكلفة النتيجة المقبولة. وتعني المقبولة أن تكون النتيجة كافية من الناحية التقنية، ومتاحة في الوقت المحدد، وقابلة للمعالجة بشكل صحيح، ولا تتسبب في إعادة عمل غير متناسبة. ويتطلب هذا التعريف النظر في تكاليف النموذج وجودة العملية معًا.

لا تُجدي النسخة التجريبية الرخيصة نفعًا يُذكر إذا اضطر الموظف لاحقًا إلى إعادة قراءة المستندات وتصحيح جميع المعلومات. وبالمثل، قد يكون النموذج الأغلى سعرًا أكثر فعالية من حيث التكلفة إذا حلّ المشكلات المعقدة دون الحاجة إلى تكرارها. مع ذلك، لا ينبغي أن يُفضي هذا إلى افتراضٍ مُطلق بأن ارتفاع أسعار النماذج يؤدي تلقائيًا إلى انخفاض التكاليف الإجمالية.

يجب أن تستند المقارنة إلى نفس العملية، بما في ذلك بيانات الإدخال المتطابقة، والأدوات المتشابهة، وهدف الجودة المحدد مسبقًا. عندها فقط يمكن تحديد ما إذا كان سعر Terra المرتفع مبررًا، أو ما إذا كانت Luna تعمل بكفاءة كافية بالفعل.

ما تكشفه اختبارات الأداء المستقلة

أظهر تقييم مستقل أُجري في 26 أكتوبر 2026 أن تيرا تتفوق على لونا بعشر نقاط في مؤشر ذكاء التحليل الاصطناعي عند أعلى مستوى من التركيز المعرفي؛ وفي مؤشر وكيل البرمجة، حققت تيرا 48 نقطة مقارنةً بـ 31 نقطة للونا و54 نقطة لـ GPT-6.1 Sol. يشير هذا إلى فرق كبير في الأداء، لا سيما في مهام البرمجة القائمة على الوكلاء الأكثر تعقيدًا.

لا ينبغي تفسير هذه القيم على أنها تصنيف جودة شامل. يستخدم المنشور المذكور مؤشر الذكاء الإصدار 4.3.2 لتحليله؛ وقد أُعلن عن إصدار جديد للمؤشر يتضمن اختبارات إضافية ومُعدَّلة في 27 أكتوبر. لذا، لا ينبغي دمج نتائج الإصدارات المختلفة للمؤشر بشكل عشوائي.

يُظهر التدقيق في التفاصيل مدى تعقيد سرديات النجاح البسيطة. فقد قيّمت شركة Vals AI برنامج Terra بنسبة 60.17% في مؤشرها الخاص، بينما منحت برنامج DeepSeek V4.1 Flash 1017 درجة إجمالية أعلى قليلاً بلغت 61.26%. هذا التباين في التقييم وحده يُبيّن مدى اعتماد النتائج على مزيج المهام ومنهجية التقييم.

يترتب على ذلك نتيجة واضحة بالنسبة لقرارات الأعمال: فالاختبارات العامة مناسبة للاختيار المبدئي. ومع ذلك، يجب أن تثبت جدواها الاقتصادية في تطبيقات تجارية ملموسة.

لماذا تصبح تيرا مثيرة للاهتمام في الأعمال البصرية؟

يُعدّ ملف تعريف Terra ذا أهمية خاصة في الحالات التي لا تكون فيها المعلومات منظمة بشكل واضح. فصورة المنتج، أو الرسم الفني، أو الشاشة، تحتوي على علاقات وترتيبات مكانية وإشارات بصرية قد تُفقد عند استخراج النصوص فقط. وقد خصصت OpenAI برنامج Terra خصيصًا لمثل هذه المهام البصرية والمتعلقة بالشاشات.

في قطاعي الصناعة والخدمات اللوجستية، يمكن أن يُسهم ذلك في تطوير تطبيقات مساعدة فعّالة. تشمل هذه التطبيقات إعداد مقارنات بين إصدارات الرسومات المختلفة، وربط المكونات المصورة ببيانات المنتج الرئيسية الموجودة، أو دعم نقل المعلومات بين التطبيقات. وتعتمد الفائدة الاقتصادية على قدرة النظام على تمييز الاختلافات ذات الصلة والتعامل مع عدم اليقين فيها بشكل مناسب.

أفادت OpenAI بتحسن بنسبة 15 نقطة مئوية في أداء Terra مقارنةً بـ GPT-5.6 Terra في اختبار Agents' Last Exam عند مستوى تفكير متوسط، بتكلفة تقارب ثلث التكلفة؛ وبالمقارنة مع Astra و GPT-6.1 Sol، تم إنجاز المهام المذكورة أسرع بأكثر من ثلاثة أضعاف. مع ذلك، لا يُترجم هذا إلى ميزة سرعة مماثلة على Luna.

ولا يعني هذا بالضرورة منح صلاحية اتخاذ قرارات بالغة الأهمية للسلامة. فتفسير الرسم الفني استعدادًا للتفتيش يختلف عن الموافقة الملزمة على أحد المكونات. يجب أن يكون هناك فصل واضح بين تقديم المساعدة والمسؤولية في الهيكل التنظيمي.

لونا تجعل الروتين قابلاً للتوسع

تكمن قوة لونا الاقتصادية في قدرتها على تنفيذ العديد من خطوات المعالجة الصغيرة بكفاءة عالية من حيث التكلفة. فبالإضافة إلى النصوص، يدعم النموذج أيضًا إدخال الصور، والإخراج المنظم، واستدعاء الدوال، والعديد من الأدوات. ولذلك، فهو لا يقتصر على الردود البسيطة في المحادثات.

تُعدّ المهام التي يمكن التحقق من نتائجها تلقائيًا مفيدة للغاية. على سبيل المثال، إذا استخرج النظام رقم مقال أو تاريخًا أو مبلغًا من مستند، فيمكن إضافة قواعد تنسيق ومقارنات مع البيانات الأساسية. يمكن لهذه الفحوصات أن تُسهم في جزء من عملية ضمان الجودة دون الحاجة إلى إعادة تقييم كل نتيجة بالكامل باستخدام نموذج أكثر دقة.

يُعدّ هذا التقسيم للعمل منطقيًا أيضًا في التسويق بين الشركات. فغالبًا لا يتطلب تصنيف جهات الاتصال الواردة، أو توحيد بيانات المنتج، أو إعداد مسودات اتصالات موحدة، أقصى قدر من ذكاء النموذج. ومع ذلك، فإن تحديد موقع السوق بدقة أو تقييم المعلومات التنافسية المتضاربة يفرض متطلبات مختلفة على النظام.

أكثر الأخطاء شيوعًا في مجال الأعمال هو تطبيق النموذج الأقوى على جميع العمليات بدافع السهولة. أما الخطأ المقابل فهو نقل المهام إلى لونا، حتى تلك التي قد تترتب عليها عواقب وخيمة نتيجة سوء الفهم، لمجرد انخفاض الأسعار. تتحقق الكفاءة من خلال التوزيع الأمثل للموارد، وليس من خلال هدف شامل لخفض التكاليف.

تتطلب عمليات المستندات عدة مراحل

تُوضح معالجة الفواتير لماذا يُعدّ استخدام بنية متعددة المراحل في كثير من الأحيان أكثر منطقية من اختيار نموذج واحد. فالعملية الكاملة تتجاوز مجرد قراءة المستند، إذ قد تشمل أيضاً مطابقة حسابات الموردين، والتحقق من مرجع الطلب، والتأكد من صحة المعلومات الإلزامية، ومعالجة أي اختلافات.

يُعدّ برنامج لونا مناسبًا لتشغيل أولي موحد. بمجرد تحديد الحقول المطلوبة بوضوح، يمكن تخصيص المعالجة لتنسيق نتائج محدود. بعد ذلك، تتحقق قواعد محددة مسبقًا من المعلومات المفقودة، والمجاميع المتطابقة، والاختلافات بين بيانات المورد المعروفة والبيانات.

تُصبح Terra مثيرة للاهتمام عندما يكون هيكل المستند غير مألوف، أو عندما تكون العلاقات المرئية بالغة الأهمية، أو عندما يكون التفاعل مع واجهات البرامج الحالية ضروريًا. وتشير OpenAI صراحةً إلى قراءة الفواتير الواردة ونقل بياناتها إلى برامج المحاسبة كتطبيق محتمل.

تتحقق الفائدة الاقتصادية من خلال دمج هذه المراحل. تظل الحالات القياسية غير المزعجة فعالة من حيث التكلفة. أما الحالات الاستثنائية فتتطلب قدرة حاسوبية إضافية أو تدخلاً بشرياً. ولا ينبغي أتمتة الإجراءات الحساسة للغاية، مثل تغيير بيانات الحساب المصرفي أو تفويض المدفوعات، لمجرد قدرة النموذج على تشغيل الواجهة.

البرمجة تتطلب أكثر من مجرد كتابة التعليمات البرمجية

حتى في مجال تطوير البرمجيات، يُعد التمييز بين المهام البسيطة والمعقدة أمراً بالغ الأهمية. فالتغييرات الصغيرة والمحددة بوضوح، والتي تخضع لاختبارات شاملة، تختلف في مستوى المخاطرة عن القرارات المعمارية الشاملة أو التدخلات في المكونات ذات الصلة بالسلامة.

أفادت OpenAI بأن قيمة Luna بلغت 66.6% في مقارنة DeepSWE v1.1 القديمة عند أقصى كثافة تفكير. ووفقًا للشركة المصنعة، تصل Terra إلى 50.3% كحد أقصى في Terminal Bench 4.0، بينما تُشير Vals AI إلى 49.49% في إعداد اختبارها الخاص. هذه الأرقام مستمدة من اختبارات مختلفة، ولا تسمح بمقارنة نسبها مباشرةً.

يُعدّ مؤشر وكيل البرمجة المشترك مؤشرًا أكثر دلالةً للترتيب النسبي، حيث يتفوق فيه Terra بوضوح على Luna. بالنسبة لمهام التطوير الأكثر تعقيدًا، يشير هذا إلى أن Terra هو الخيار الأفضل، بينما يظل Luna خيارًا اقتصاديًا جذابًا لمهام الدعم المحدودة.

لا ينبغي أن يكون مقياس النجاح هو كمية الكود المُولّد. المهم هو التغييرات المقبولة التي تجتاز الاختبارات، وتتوافق مع قواعد المشروع، ويمكن دمجها دون إعادة عمل مُرهقة. قد يعني المزيد من الكود زيادة الإنتاجية، ولكنه قد يُؤدي أيضًا إلى ظهور المزيد من الأخطاء وتراكم الديون التقنية.

لا تزال دقة المعلومات المحسّنة تتطلب تفسيراً

أظهرت منصة Terra تقدماً ملحوظاً في منع الأخطاء الواقعية. ففي اختبار داخلي أجرته OpenAI باستخدام مدخلات مُصممة خصيصاً لتكون عرضة للأخطاء، انخفض معدل الخطأ من 53.6% إلى 16.7% عند مستوى منخفض من الجهد المعرفي؛ بينما سجل OpenAI معدل خطأ قدره 4.3% عند أعلى مستوى من الجهد المعرفي. وتشير هذه الأرقام إلى الاختبار المحدد، ولا تمثل احتمالية عامة للخطأ في أي مهمة تجارية.

يقيس التحليل الاصطناعي جانبًا مختلفًا: ففي اختبار المعرفة الخاص به، انخفض معدل الهلوسة في نموذج Terra مقارنةً بنموذج GPT-5.6 من 88% إلى 38%، ويشير هذا المقياس إلى التخمين في الحالات التي لا يعرف فيها النموذج الإجابة. لذا، لا ينبغي اعتبار مجموعتي القياس متكافئتين.

من الناحية الاقتصادية، يُعدّ تقليل التخمينات غير المبررة أمرًا بالغ الأهمية. فالنظام الذي يُدرك عدم اليقين ويُصعّد القضية يكون أكثر قابلية للتحكم من النظام الذي يُقدّم إجابة مُقنعة ولكنها خاطئة. وفي الوقت نفسه، يؤدي ازدياد التردد إلى المزيد من التصعيد.

لذا، يعتمد المسار الأمثل للعمل على تكلفة الأخطاء. ففي إعداد النصوص غير الملزمة، قد يكفي استخدام صياغة حذرة. أما في القرارات المهنية الملزمة، فيلزم وجود أدلة موثوقة، وإمكانية الوصول إلى البيانات، ومراجعة بشرية عند الضرورة.

بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.

تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.

المزايا الرئيسية باختصار:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.

💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.

للمزيد من المعلومات، انقر هنا:

• حلول الذكاء الاصطناعي المُدارة - خدمات الذكاء الاصطناعي الصناعية: مفتاح التنافسية في قطاعات الخدمات والصناعة والهندسة الميكانيكية

تبقى الخبرة فئة منفصلة

لا يجعل النموذج العام القوي منه بالضرورة خبيرًا موثوقًا به في المجالات القانونية أو الضريبية أو المالية. تصف شركة Vals AI برنامج Terra بأنه أقوى نسبيًا في مهام البرمجة، وأضعف بكثير في العديد من الاختبارات المتعلقة بالمجالات القانونية والضريبية والمالية.

على سبيل المثال، يشير التحليل إلى نسبة 25.96% في قسم البحث القانوني و15.17% في قسم وكيل الضرائب؛ وفي الوقت نفسه، يُشير إلى أن تيرا تُغفل أحيانًا استنتاجات كان من المفترض أن تكون مطلوبة وفقًا لقواعد التقييم ذات الصلة. وهذا يُوضح تضاربًا هامًا في الأهداف بين توخي الحذر وإتمام المهمة على أكمل وجه.

من الناحية العملية، لا يعني هذا أن برنامج Terra غير مناسب جوهريًا لمثل هذه المجالات، بل يعني ضرورة تحديد المهمة بدقة. فإعداد الوثائق، وتحديد التناقضات المحتملة، أو إنشاء مسودة أولية، مهامٌ تختلف عن التقييم النهائي من قِبل الخبراء.

هنا أيضًا، يُحدد تصميم العملية الفائدة المرجوة. فاستخدام النماذج في التحضير ثم مراجعة نتائجها من قِبل متخصصين يُمكن أن يُؤدي إلى زيادة الإنتاجية. مع ذلك، إذا استُخدمت مقاييس الأداء العامة كبديل لضمان الجودة المتخصص، فإن خطر حدوث خطأ يبدو رخيصًا ولكنه في الواقع مُكلف يزداد.

يُغير المخزن المؤقت الحساب

قد تشكل المدخلات المتكررة جزءًا كبيرًا من عملية المعالجة. في لونا، تبلغ تكلفة قراءة المدخلات المخزنة مؤقتًا 10% من سعر المدخلات العادية، بينما تبلغ 5% في تيرا. وهذا يجعل تصميم السياق نفسه عاملًا اقتصاديًا.

قد يحتاج العامل إلى نفس قواعد السلوك، ووصف الأدوات، والمعلومات الأساسية في كل خطوة. إن إعادة استخدام هذه المكونات الثابتة بفعالية يقلل من نسبة المدخلات المُعالجة حديثًا. في المقابل، قد يؤدي إعادة الترتيب المستمر أو التعديلات غير الضرورية إلى إبطال الميزة النظرية للتخزين المؤقت.

تتيح OpenAI، ضمن عائلة GPT-6، إمكانية تغيير مستوى تعقيد الاستدلال وتوافر الأدوات في ظل ظروف معينة، دون فقدان السياق المُنشأ مسبقًا لإعادة الاستخدام. وهذا أمرٌ بالغ الأهمية للتطبيقات متعددة المراحل، حيث يمكن تخصيص قدرات حاسوبية مختلفة للأقسام البسيطة والمعقدة.

مع ذلك، فإن التخزين المؤقت ليس خدمة مجانية. تُسعّر عمليات الكتابة بشكل منفصل، ومع Terra، تختلف التكاليف أيضًا تبعًا لمدة التخزين. لذا، فإن معدل الوصول العالي لا يكون ذا قيمة اقتصادية إلا إذا توافقت إعادة الاستخدام والتخزين مع احتياجات المعلومات الفعلية.

للسياقات الكبيرة عواقب خفية

يدعم كلا النموذجين نطاق سياق يبلغ 1,050,000 رمزًا، وبحد أقصى 128,000 رمزًا ناتجًا. مع ذلك، لا يعني تساوي نطاق السياق بالضرورة تطابق القدرات أو الكفاءة الاقتصادية.

بالنسبة للطلبات التي تتجاوز 272,000 رمز إدخال، تتضاعف رسوم الإدخال والتخزين المؤقت للطلب بأكمله في كلا النموذجين، بينما يرتفع سعر الإخراج بمقدار مرة ونصف. لذلك، يجب حساب الطلبات الفردية الطويلة بشكل مختلف عن حساب نفس الكمية من الرموز الموزعة على العديد من الطلبات الأصغر.

لا ينبغي الخلط بين القدرة التقنية على استيراد كميات هائلة من المواد والتوصية الاقتصادية. ففي كثير من الأحيان، يكون من الأنسب اختيار الوثائق ذات الصلة بشكل انتقائي وتزويد النموذج بالمقتطفات الضرورية فقط. ومع ذلك، فإن البحث وإعداد الوثائق والبنية التحتية الإضافية تتطلب تكاليف أيضاً.

علاوة على ذلك، ثمة قيد وظيفي: كلا النموذجين يعالجان النصوص والصور كمدخلات، لكنهما، وفقًا لوصف النموذج، لا يدعمان إدخال الصوت أو الفيديو بشكل أصلي. لذا، تتطلب التطبيقات التي تتضمن الفيديو معالجة إضافية مناسبة، مثل توفير صور فردية ومعلومات أخرى.

لم تعد الصين أرخص تلقائياً

كما أن حملة خفض الأسعار تُشكّل تحدياً للرواية السائدة في السوق. فإذا كانت المنتجات الصينية مرتبطة في المقام الأول بانخفاض تكلفتها، فبإمكان أي مُورّد غربي أن يُغيّر هذا الواقع ببساطة من خلال تقديم سعر أقل.

تُقدّر تكلفة DeepSeek V4.1 Flash خارج أوقات الذروة بـ 0.15 دولار لكل مليون رمز إدخال جديد، و0.003 دولار لنجاحات التخزين المؤقت، و0.60 دولار لرموز الإخراج؛ وتتضاعف هذه القيم خلال أوقات الذروة. أما تكلفة Luna فهي أقل، حيث تبلغ 0.10 دولار و0.50 دولار لرموز الإدخال والإخراج الجديدة على التوالي.

مع ذلك، لا ينطبق هذا البيان على جميع عناصر التكلفة. فسعر قراءة ذاكرة التخزين المؤقت في DeepSeek أقل من سعر Luna المقابل، وقد تختلف الأسعار باختلاف مزودي الخدمة الخارجيين. لذا، فإن الادعاء بالريادة العامة في التكلفة تبسيط مفرط.

علاوة على ذلك، لا تشغل تيرا نفس النطاق السعري الذي تشغله لونا، إذ يستهدف سعرها الأعلى مستوى أداء مختلفًا. ولذلك، يعتمد النهج الاستراتيجي على تسلسل هرمي: تهدف لونا إلى تغطية المهام الجماعية القياسية بكفاءة عالية من حيث التكلفة، بينما توفر تيرا إمكانيات إضافية بسعر لا يزال منخفضًا نسبيًا ضمن فئة الأجهزة الأكثر قوة.

حيث لا تزال شركة ديب سيك تتمتع بقوة اقتصادية

تُعدّ رسوم التخزين المؤقت المنخفضة للغاية في DeepSeek ذات أهمية خاصة للتطبيقات ذات السياقات الطويلة والمتكررة. فعندما يستخدم وكيل ما نفس قاعدة البيانات، أو نفس القواعد، أو نفس مجموعة البيانات الكبيرة بشكل متكرر، قد يصبح تكوين مدخلاته أكثر أهمية من سعر الرموز الجديدة.

مع ذلك، يجب تحقيق هذه الميزة على أرض الواقع. فذاكرة التخزين المؤقت الأرخص نظرياً لا تُجدي نفعاً يُذكر إذا كانت المدخلات تتغير باستمرار أو إذا كان لدى المزوّد المُختار شروط وأحكام مختلفة. كما ينبغي مراعاة التسعير الزمني لواجهة برمجة تطبيقات DeepSeek المباشرة.

تتراوح فترات الذروة المنشورة بين الساعة 1:00 و4:00 بالتوقيت العالمي المنسق خلال أيام الأسبوع، وبين الساعة 6:00 و10:00 بالتوقيت العالمي المنسق. قد يكون هذا الأمر ذا صلة بتطبيقات الوقت الفعلي الأوروبية، بينما يمكن جدولة معالجة البيانات في الخلفية القابلة للتوسع بسهولة أكبر في أوقات أكثر ملاءمة.

تُعدّ السرعة ووقت التنفيذ من العوامل الأخرى المهمة. صُمّم الإصدار المُحدّث 1017 لإنجاز المهام بمخرجات أقصر ووقت معالجة أقل من الإصدار الأصلي V4.1 Flash. لذا، فإن انخفاض سعر الرمز المميز لا يعني بالضرورة انخفاض تكلفة العملية الإجمالية. خاصةً في بيئات العمل التفاعلية، قد يكون توفير وقت الانتظار أكثر جدوى اقتصادية من فرق بسيط في فاتورة واجهة برمجة التطبيقات (API).

توفر الأوزان المفتوحة خيارًا بديلاً

يكمن الاختلاف الأساسي في نموذج التشغيل. ينشر DeepSeek V4.1 Flash 1017 أوزان نموذجه بموجب ترخيص MIT، بينما يتم تقديم Terra كنموذج بأوزان خاصة.

يُتيح هذا إمكانية توفير خدمة DeepSeek من قِبل مُشغلين مُختلفين أو نشرها في البنية التحتية الخاصة بالشركة أو تلك المُتعاقد عليها. ولا تكمن أهميتها الاقتصادية في المزايا المُحتملة من حيث التكلفة فحسب، بل أيضاً في القوة التفاوضية التي تكتسبها مع مُقدمي الخدمات المُختلفين.

لا يزال هذا نموذجًا ضخمًا ومعقدًا تقنيًا. تتألف بنيته من 552 مليار مُعامل أساسي، منها 8 مليارات مُعامل نشط لكل رمز أثناء معالجة المدخلات و16 مليارًا أثناء معالجة المخرجات؛ وتُكمّل مكونات تخزين إضافية هذه البنية. لا يعني العدد الأقل من المُعاملات النشطة بالضرورة أن النموذج تطبيق محلي بسيط.

يتطلب تشغيل نظامك الخاص حصرًا دقيقًا للأجهزة، والاستخدام، والطاقة، والمراقبة، والتحديثات، والموظفين. في حالة تقلب الطلب، قد يكون استخدام واجهة برمجة التطبيقات (API) أكثر اقتصادية. لذا، تُعدّ الأوزان المفتوحة خيارًا استراتيجيًا في المقام الأول. فهي توفر مرونة، لكنها لا تضمن خفض التكاليف الإجمالية أو تحسين الأمان تلقائيًا.

إن الهجوم السعري ليس هو نفسه الإغراق السعري

خفضت OpenAI سعر دخول Luna من 0.20 دولار إلى 0.10 دولار مقارنةً بـ GPT-5.6 Luna، وسعر الإصدار من 1.20 دولار إلى 0.50 دولار. في المقابل، خفضت Terra سعر دخولها إلى النصف مقارنةً بـ GPT-5.6 Terra، وخفضت سعر الإصدار من 12 دولار إلى 5 دولارات لكل مليون رمز.

يمكن تفسير هذا التطور على أنه استراتيجية تنافسية عدوانية. مع ذلك، لا يثبت هذا أن شركة OpenAI تبيع منتجاتها بأقل من تكلفتها الفعلية. فبدون معلومات موثوقة حول عقود البنية التحتية، ومعدلات الاستخدام، وتوزيع التكاليف الداخلية، يبقى هذا الادعاء مجرد تكهنات.

يمكن لعدة آليات أن تعمل في آن واحد. فالتحسينات التكنولوجية قادرة على خفض التكاليف، وزيادة الاستخدام تُحسّن استغلال القدرات الحالية، وانخفاض أسعار الدخول يُسهم في خلق طلب إضافي والحفاظ على العملاء ضمن منظومة الشركة.

من المهم للسوق أن تُسهّل النماذج الأساسية ذات الأسعار المعقولة تسويق الخدمات التكميلية. وبمجرد أن تُنشئ الشركات تطبيقاتها على منصة ما، تزداد أهمية الأدوات والوظائف التشغيلية ومستويات النماذج ذات القيمة الأعلى. عندها، يصبح الرمز المميز الفردي مجرد عنصر واحد ضمن أعمال المنصة الأوسع.

انخفاض تكاليف الوحدة قد يزيد من النفقات

لا يضمن خفض السعر بالضرورة انخفاض إجمالي الفاتورة. يمكن للشركات الاستجابة لمعالجة أكثر فعالية من حيث التكلفة من خلال تحليل المزيد من المستندات، أو ربط مجموعات مستخدمين أكبر، أو أتمتة خطوات تحكم إضافية.

يتضاعف هذا التأثير مع وجود الوكلاء. قد تتألف عملية الأعمال من التخطيط، واسترجاع المعلومات، واستخدام أدوات متعددة، والتحقق، وإعادة المعالجة. وبالتالي، يكون عدد استدعاءات النموذج أكبر بكثير من عدد طلبات المستخدم الظاهرة.

من الناحية الاقتصادية، يُعدّ هذا أثراً ارتدادياً محتملاً: فالكفاءة تجعل الاستخدام الإضافي جذاباً. وهذا ليس بالضرورة إشكالياً. فإذا ولّد الاستهلاك الإضافي قيمة أعلى تبعاً لذلك، فإن النفقات والإنتاجية ستزدادان معاً.

يصبح التطوير إشكاليًا عندما تكتفي الشركات بمراقبة سعر الوحدة دون التحكم في عدد المحاولات، أو مدة السياق، أو شروط الإنهاء. ويمكن للوكيل الذي يستمر في العمل دون إحراز تقدم واضح أن يُولّد تكاليف غير ضرورية حتى مع الرموز الرخيصة جدًا.

لذا، تحتاج كل عملية مؤتمتة إلى ميزانية على مستوى المهمة. بالإضافة إلى حد التكلفة، ينبغي تحديد الحد الأقصى لوقت المعالجة، وعدد مرات التكرار المسموح بها، وقواعد تصعيد واضحة.

المنطق الاقتصادي للتوجيه

تُعدّ لونا وتيرا مفيدتين بشكل خاص كمراحل معالجة منسقة. تبدأ الحالات البسيطة بتكلفة منخفضة. ولا يتم تفعيل قوة معالجة إضافية إلا عندما يكون من المحتمل أن تتطلب المهمة ذلك.

تكمن الصعوبة في تحديد ما إذا كان ينبغي إرسال البيانات أم لا. لا ينبغي السماح للنموذج بتقييم موثوقيته بناءً على لغته المقنعة فقط. من الأفضل الاعتماد على مؤشرات قابلة للتحقق، مثل المعلومات المفقودة، أو التناقضات، أو الاختبارات الفاشلة، أو الانحرافات عن القواعد المعروفة.

يُعدّ نوعان من الأخطاء مهمين لتقييم مثل هذه البنية. فإذا لم تُحال الحالات المعقدة إلا نادرًا، تتأثر الجودة سلبًا. أما إذا رُفعت الحالات البسيطة بكثرة، فإن ميزة التكلفة تتلاشى. لذا، تُعتبر عملية التوجيه بحد ذاتها وظيفة تشغيلية قابلة للقياس.

في حالة التعامل مع عدد كبير من الحالات، قد يصبح استخدام نظام Luna وTerra والمراجعة البشرية بشكل متسلسل خيارًا اقتصاديًا جذابًا. مع ذلك، بالنسبة للكميات الصغيرة من المهام البسيطة، قد يفوق الجهد التطويري الإضافي المدخرات. كما يجب أن تكون بنية التحسين نفسها فعالة من حيث التكلفة.

لا يشمل السعر خدمات الأمن

لا يؤدي انخفاض سعر النموذج بالضرورة إلى تقليل تكاليف المسؤولية التنظيمية. كما أن أتمتة المزيد من العمليات تزيد من نطاق الأخطاء المنهجية المحتملة.

يجب تقييد الصلاحيات، لا سيما في الأنظمة الحاسوبية. يمكن للنموذج قراءة المعلومات، أو توليد الاقتراحات، أو إعداد المدخلات، لكن لا يمكنه في الوقت نفسه تفويض المدفوعات، أو تعديل الحقوق، أو حذف بيانات الإنتاج. إن القدرة التقنية على تنفيذ إجراء ما لا تُبرر تنفيذه دون إشراف.

يجب أيضًا دراسة معالجة البيانات الإقليمية بشكلٍ مُفصّل. بالنسبة إلى Luna، تُوثّق OpenAI وجود البيانات في أوروبا عبر عدة أنماط معالجة؛ وقد تُكلّف المعالجة الإقليمية رسومًا إضافية. مع ذلك، لا تُغني هذه الخيارات عن دراسة تدفقات البيانات والعقود والمتطلبات التنظيمية ذات الصلة.

ينطبق المبدأ نفسه على النماذج المفتوحة. يتيح خيار التشغيل الذاتي إمكانية التحكم، ولكن البنية التحتية الآمنة والمُدارة بشكل صحيح هي وحدها القادرة على تحويل هذا التحكم إلى ميزة أمنية. ولا يُعفي أيٌّ من التعريفة المنخفضة أو الترخيص المفتوح الشركة المُشغِّلة من المسؤولية.

وهذا يجعل مقارنة النماذج موثوقة

تبدأ المقارنة الاقتصادية السليمة بالعمليات الواقعية في الشركة نفسها. وينبغي تسجيل الحالات القياسية المتكررة، والاستثناءات الصعبة، والمواقف ذات التكاليف المحتملة العالية للخطأ بشكل منفصل.

تتطلب كل عملية معيار نجاح قابل للتحقق. في معالجة المستندات، قد يكون هذا المعيار هو النقل الصحيح للحقول المحددة. أما بالنسبة لتعديلات البرمجيات، فيُعدّ الاختبار الناجح والقبول التقني عنصرين أساسيين. وفي التواصل مع العملاء، يجب أيضًا تقييم سهولة الفهم، والشمولية، والالتزام بالقواعد الملزمة.

ثم يتم اختبار لونا وتيرا بإعدادات مناسبة ومتقاربة. يدعم كلا الجهازين مستويات متعددة من المعالجة المعرفية، بدءًا من عدم وجود معالجة معرفية إضافية وصولًا إلى أقصى شدة. ولا يُعدّ الإعداد الأعلى بالضرورة الأكثر اقتصادًا.

ينبغي تسجيل استهلاك الرموز، وتكاليف الأدوات، ووقت المعالجة، والتكرارات، ودقائق المراجعة البشرية. ولا يقل أهمية عن ذلك كيفية تصرف النموذج في ظل عدم اليقين. فقد يكون الإجهاض المُتحكم به أكثر قيمة من حل يبدو خاطئًا تمامًا.

ينبغي أن يكون إدخال النماذج الجديدة تدريجيًا. في البداية، يمكن تشغيلها بالتوازي مع العملية الحالية دون أن تُفعّل أي إجراءات ملزمة. ولا يمكن زيادة مستوى الأتمتة إلا بعد التأكد من جودة النماذج الجديدة وتكاليفها في جميع مجموعات الحالات ذات الصلة.

تكمن الميزة في إمكانية التبادل

لا ينبغي أن تعتمد الجدوى الاقتصادية طويلة الأجل لعمليات الذكاء الاصطناعي على احتفاظ نموذج معين بمكانته الحالية في السوق. وتُظهر الاختلافات بين أسعار الموردين المباشرين، وعروض الأطراف الثالثة، ونماذج التشغيل المفتوحة، مدى ديناميكية هذا المجال.

لذا، تحتاج الشركات إلى بنية تفصل بين إعداد البيانات، وقواعد العمل، وتقييم الجودة، والوصول إلى النموذج، بشكل واضح قدر الإمكان. وهذا يسمح باختبار نموذج جديد دون الحاجة إلى إعادة بناء التطبيق بالكامل.

تتمتع هذه القابلية للتبادل بقيمة اقتصادية خاصة بها، فهي تُسهّل مفاوضات الأسعار، وتُقلّل من تأثير مشاكل الطاقة الإنتاجية، وتُمكّن من اختيار نماذج مُختلفة. مع ذلك، فإنّ اتباع نهج مُتعدد الموردين يستلزم جهدًا أيضًا، إذ يجب إتقان الأدوات المختلفة، وتنسيقات الإخراج، والسلوكيات بشكلٍ موثوق.

بالنسبة للمهام الجماعية المعيارية، تُعدّ لونا نقطة انطلاق مثالية. أما بالنسبة للتفسير البصري، والعمليات الحسابية الأكثر تعقيدًا، والمهام القائمة على الوكلاء الأكثر تنوعًا، فإن تيرا هي الخيار الأفضل للتقييم. ويظل ديب سيك ذا أهمية خاصة عندما تكون الأوزان المفتوحة، والمشغلات البديلة، والسياقات المتكررة لفترات طويلة، أو التحكم التشغيلي ذات قيمة عالية.

لذا، فإن القرار الأمثل لا يعتمد على اسم العلامة التجارية، بل على قدرة الشركة على إثبات أن النموذج الذي تستخدمه يُعالج عملية محددة بجودة كافية، ومخاطر مقبولة، وبأقل تكلفة إجمالية.

ملاحظة بخصوص صورة رأس الصفحة المطلوبة

لا يمكنني توفير صورة رأسية مُولّدة باستخدام برنامج Gemini 3.1 Pro هنا، لعدم امتلاكي حاليًا إمكانية الوصول المباشر إلى نموذج هذه الصورة. علاوة على ذلك، فإنّ الأبعاد المحددة (1456 × 816 بكسل) تُقارب فقط نسبة العرض إلى الارتفاع 16:9؛ لذا يجب استخدام أبعاد البكسل المطلوبة صراحةً للتنفيذ.

يُعدّ النموذج البصري المناسب عبارة عن رسم توضيحي تقني واقعي وعالي الجودة، يضمّ معالجين للذكاء الاصطناعي بأحجام مختلفة في المقدمة: على اليسار، وحدة معالجة صغيرة الحجم ذات إضاءة هادئة ترمز إلى المعالجة الجماعية الفعّالة من حيث التكلفة؛ وعلى اليمين، وحدة أكثر قوة تربط الرسومات الفنية والوثائق ونوافذ التطبيقات. في الخلفية، يوحي مشهد مركز بيانات عالمي بسيط بالمنافسة بين المنصات المغلقة والبنى التحتية المفتوحة للذكاء الاصطناعي. يجب أن يخلو التصميم من الأعلام وصور النصر ومخططات الأداء المصطنعة والعلامات غير الواضحة.

الحل شبه الداخلي: كيف تسدّ Xpert.Digital الثغرات التشغيلية في التسويق والمبيعات بين الشركات - أعمال ذكية قائمة على المحتوى - الصورة: Xpert.Digital

Xpert.Digital هي منصة صناعية B2B تعتمد على البيانات بقيادة Konrad Wolfenstein . تعمل الشركة كحل خارجي شبه داخلي للشركاء الصناعيين، حيث تسد الثغرات التشغيلية في التسويق والمحتوى والمبيعات - دون الحاجة إلى موارد إضافية من جانب العميل.

للمزيد من المعلومات، انقر هنا:

• الحل شبه الداخلي: كيف تسدّ Xpert.Digital الفجوات التشغيلية في التسويق والمبيعات بين الشركات – أعمال ذكية قائمة على المحتوى

☑️ لغة أعمالنا هي الإنجليزية أو الألمانية

☑️ جديد: مراسلات بلغتك الأم!

Konrad Wolfenstein

يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.

يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا [email protected]:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو

أتطلع إلى مشروعنا المشترك.

☑️ دعم الشركات الصغيرة والمتوسطة في مجالات الاستراتيجية والاستشارات والتخطيط والتنفيذ

☑️ إنشاء أو إعادة تنظيم الاستراتيجية الرقمية والتحول الرقمي

☑️ توسيع وتحسين عمليات المبيعات الدولية

☑️ منصات التداول العالمية والرقمية بين الشركات

☑️ تطوير الأعمال الرائدة / التسويق / العلاقات العامة / المعارض التجارية