نادرًا ما تذكر صفحات أسعار API الرؤية سعرًا “لكل صورة”. فهي تُدرج سعرًا لكل مليون رمز (توكن)، والصورة تتحوّل إلى رموز. يحوّل هذا المقال تلك الأسعار لكل رمز إلى تكلفة لكل صورة ولكل صفحة مستند لنماذج الرؤية الثلاثة على BroadNet Inference، ويوضح أيّ الإعدادات تحرّك الرقم.
كيف تُحتسب الصورة في LLM API؟
يقسّم نموذج اللغة البصري الصورة إلى رقع (patches) ويحوّلها إلى رموز. وتدفع مقابل هذه الرموز بسعر الإدخال، مع أمرك النصي. وتُحتسب الإجابة إخراجًا. إذن:
cost per image ≈ (image tokens + prompt tokens) × input price / 1M
+ answer tokens × output price / 1M
لا توجد رسوم منفصلة للصور على BroadNet. ويتوقف عدد رموز الصورة على مُرمِّز الصور في النموذج وعلى الدقة، لذا فصورة هاتف بعرض 4,000 بكسل تكلّف أكثر من الصورة نفسها بعد تصغيرها.
كم رمزًا تساوي الصورة الواحدة؟
يتوقف ذلك على عائلة النموذج:
- Gemma 4 يعمل بميزانية رموز ثابتة لكل صورة: “70, 140, 280, 560, or 1120 tokens” (الترجمة: 70 أو 140 أو 280 أو 560 أو 1120 رمزًا)، وفق وثائق Gemma من Google. الميزانيات الأدنى تصغّر الصورة وتعمل أسرع؛ وتقول Google إن الميزانيات الأعلى تحافظ على التفاصيل الدقيقة وتوصي بها لأفضل دقة في المهام البصرية.
- Qwen3-VL نسبة ضغطه 32، أي رمز واحد تقريبًا لكل كتلة من 32 × 32 بكسل، ويوضح ملف README لديه كيف تضبط ميزانية الرموز البصرية لكل صورة على نطاق مثل 256 إلى 1,280. فالصورة بحجم 1,024 × 1,024 تساوي نحو 32 × 32 = 1,024 رمزًا.
لا تنشر BroadNet إعدادات الصور في عمليات النشر لديها، فاعتبر هذه الأرقام رتبًا تقريبية. أرسل إحدى صورك الحقيقية واقرأ usage.prompt_tokens، ثم اطرح منه عدد رموز النص وحده. الناتج هو تكلفة رموز صورتك. وتطبّق حاسبة رموز الصور القاعدة الموثّقة لدى كل مزوّد على أي حجم صورة.
كم يكلّف كل نموذج رؤية؟
أسعار BroadNet Inference لكل مليون رمز، مُحدَّثة في 2026-11-14:
| النموذج | الإدخال | الإخراج | السياق | يستدل أولًا | الرصيد المبدئي |
|---|---|---|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 | 32,768 | غير مذكور | نعم |
| Qwen3.8 27B | $0.175 | $2.17 | 262,144 | نعم | بعد الشحن |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | 1,048,576 | نعم | بعد الشحن |
كم تكلّف 1,000 صورة؟
افترض أن كل صورة مع أمرها القصير تساوي نحو 1,000 رمز إدخال. حينها تساوي 1,000 صورة مليون رمز إدخال، وتكون تكلفة الإدخال لكل 1,000 صورة مساوية للسعر لكل مليون رمز:
| النموذج | تكلفة الإدخال لكل 1,000 صورة | تكلفة الإخراج لكل مليون رمز من الإجابات |
|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
احسب أحجامك أنت عبر حاسبة تكلفة LLM API المجانية. هناك أمران يغيّران الترتيب:
- طول الإجابة. الوسم من كلمة واحدة رخيص في كل مكان. أما استخراج JSON من 300 رمز على نموذج استدلال فقد يحمل بضع مئات إضافية من رموز الاستدلال المنطقي، تُحتسب بسعر الإخراج. وسعر الإخراج في Qwen3.8 27B ($2.17 لكل مليون رمز) أضعاف سعره في DeepSeek V4.1 Flash ($0.52)، لذا يكلّف DeepSeek أقل في الإجابات الطويلة.
- حجم الصورة. إن كانت صورك تساوي 2,000 رمز لكلٍّ منها، فضاعف عمود الإدخال. وإن كانت ميزانية Gemma البالغة 280 رمزًا كافية لمهمتك، فتنخفض تكلفة الإدخال إلى نحو الربع.
كم تكلّف صفحة المستند الواحدة؟
صفحة A4 ممسوحة ضوئيًا ومعروضة بنحو 1,024 × 1,024 بكسل تقارب 1,000 رمز في مُرمِّز على طريقة Qwen. لذا فالقاعدة التقريبية هي 1,000 صفحة ≈ مليون رمز إدخال، قبل الأمر والإجابة. وقد تحتاج الطباعة الصغيرة إلى دقة أعلى، أي رموز أكثر.
نصائح عملية للصفحات:
- أرسل ملفات PDF النصية نصًّا مستخرجًا، لا صورًا. فالنص يستهلك رموزًا أقل بكثير من صورة للنص.
- اقتصّ المنطقة التي تحتاجها فقط، مثل مربع الإجماليات في الفاتورة.
- أرسل صفحة واحدة في كل طلب حين تحتاج إلى حقول لكل صفحة، حتى لا يكلّفك الإخفاق المستند كله.
هل BroadNet أرخص API للرؤية؟
ليس في كل البنود. هذه العائلة نفسها من نماذج الرؤية المفتوحة لدى DeepInfra، من صفحة أسعارها في 14 نوفمبر 2026، لكل مليون رمز:
| النموذج لدى DeepInfra | الإدخال | الإخراج |
|---|---|---|
| gemma-4-26B-A4B-it | USD 0.07 | USD 0.34 |
| Qwen3-VL-30B-A3B-Instruct | USD 0.15 | USD 0.60 |
| Qwen3-VL-235B-A22B-Instruct | USD 0.20 | USD 0.88 |
سعر إدخال Gemma 4 لدى DeepInfra أقل من سعر BroadNet البالغ $0.10، وسعر الإخراج لديها أعلى من سعر BroadNet البالغ $0.22. لذا ففي تصنيف الصور بإجابات من كلمة واحدة تكلّف DeepInfra أقل؛ وفي استخراجات JSON الطويلة قد تكلّف BroadNet أقل. قارن مستضيفين أكثر في صفحة أسعار Gemma 4 26B A4B وصفحة أسعار Qwen3-VL 235B، أو اقرأ صفحة بديل DeepInfra. ويضع ترتيب أرخص واجهات LLM API ومؤشر أسعار LLM API هذه الأسعار في سياق السوق.
أيّ نماذج الرؤية تختار؟
- أدنى سعر على BroadNet، للمهام البسيطة: Gemma 4 VL 26B. الوسوم، والتعليقات التوضيحية، و”هل يوجد توقيع؟”. يعمل على الرصيد المبدئي البالغ $5. ونافذة سياقه البالغة 32,768 رمزًا تحدّ من عدد الصور التي يتسع لها الطلب الواحد.
- المستندات ولقطات الشاشة العربية: Qwen3.8 27B، النموذج الذي اختبرته BroadNet بالعربية. راجع قراءة الفواتير العربية بنموذج رؤية واختيار نموذج LLM للعربية.
- الإخراج الطويل، أو صور كثيرة في الطلب الواحد، أو أحجام عالية جدًا: DeepSeek V4.1 Flash. تتسع نافذة سياقه البالغة 1,048,576 رمزًا لصفحات كثيرة دفعة واحدة، وفي الخطة الثابتة تكون الصور جزءًا من الاستخدام غير المحدود.
صفحات المقارنة جنبًا إلى جنب: Gemma 4 VL 26B مقابل Qwen3.8 27B وDeepSeek V4.1 Flash مقابل Gemma 4 VL 26B.
متى تتفوّق الخطة الثابتة على التسعير لكل صورة؟
تكلّف جلسة البدر (Full Moon) مبلغ $60 شهريًا مقابل استخدام غير محدود لـ DeepSeek V4.1 Flash، بطلب واحد في كل مرة. وبنحو 1,000 رمز لكل صورة، تكلّف كل 1,000 صورة $0.175 للإدخال على DeepSeek V4.1 Flash، فيبلغ الإدخال وحده سعر الخطة عند $60 ÷ $0.175 ألف صورة شهريًا، قبل الإجابات. وإن كان عامل واحد يعالج الصور طوال اليوم، فقِس إنتاجيته في جلسة الشهاب (Meteor) لمدة ساعة ($1) وقارن، أو استخدم حاسبة السعر الثابت مقابل الدفع لكل رمز. والطريقة الكاملة موجودة في حساب نقطة التعادل.
كيف تخفّض تكاليف الرؤية؟
- صغّر الصورة إلى أدنى دقة تظل تُقرأ بشكل صحيح. اختبر ثلاثة أحجام على 20 عيّنة.
- اطلب JSON قصيرًا بمفاتيح مسمّاة، لا نصًّا نثريًا.
- اضبط
reasoning_effortعلىlowفي نماذج الاستدلال للاستخراج البسيط، وأبقِmax_tokensعند 1,000 أو أكثر حتى لا تُقتطع الإجابة. راجع لماذا تعود الإجابات فارغة. - استخدم نوع MIME الصحيح في عنوان data URL (
image/pngلملفات PNG). - سجّل
prompt_tokensلكل صورة لتكتشف الصور المرفوعة بأحجام زائدة.
أين تقع BroadNet Inference من هذا؟
تقدّم BroadNet ثلاثة نماذج رؤية بمفتاح واحد، من Gemma بالدفع لكل رمز إلى الخطة الثابتة، بلا رسوم لكل صورة ومع عدم الاحتفاظ بالبيانات للصور التي ترسلها. وهي تناسب الفواتير والإيصالات ولقطات الشاشة والمستندات العربية. لكنها ليست أرخص مستضيف للأعمال التي يغلب عليها الإدخال، كما يُظهر جدول DeepInfra، ولا تقدّم توليد الصور، بل فهمها فقط. ولخط الاستخراج نفسه، راجع استخراج بيانات الفواتير إلى JSON بنموذج رؤية. ابدأ بالرصيد المبدئي البالغ $5.
