BroadRouter

كيف تخفّض تكلفة LLM API؟ قائمة من 10 خطوات مرتّبة

بقلم فريق BroadNet Inference · قراءة في 8 دقائق · تاريخ النشر

لتخفيض تكلفة LLM API، سجّل أولًا عدد الرموز (توكن) لكل طلب، ثم اعمل بهذا الترتيب: ثبّت بادئة الأمر لتُخزَّن مؤقتًا، واختصر الأوامر، وقيّد الإخراج والاستدلال المنطقي، واستخدم أصغر نموذج ينجح في اختباراتك، وجمّع المهام التي تحتمل الانتظار أو أجّلها، وخزّن الإجابات المتكررة، وضع حدًا لإعادة المحاولة، وانتقل إلى خطة ثابتة حين يتجاوز استخدامك نقطة التعادل.

تخلط معظم قوائم «خفّض فاتورة LLM بنسبة 70%» النصائح الجيدة بأرقام لم يقِسها أحد. هذه القائمة مرتّبة حسب ما ينبغي فعله أولًا، وكل رقم فيها مأخوذ من ملف أسعار أو من وثائق المزوّد نفسه. وحيث يوجد لخطوةٍ ما مقال أعمق على هذا الموقع، تجد رابطه. أسعار BroadNet أدناه مأخوذة من ملف الأسعار، وآخر مزامنة له 2026-11-14.

ما الذي يحدد فاتورة LLM API؟

أربعة أرقام تحدد كل فاتورة تقريبًا:

  1. رموز الإدخال الجديدة. الأمر (prompt)، مطروحًا منه أي جزء قُرئ من الذاكرة المؤقتة.
  2. رموز الإدخال المخزّنة مؤقتًا. البادئة المتكررة، وتُحتسب بسعر أقل.
  3. رموز الإخراج. الإجابة، مضافًا إليها رموز الاستدلال المنطقي في نماذج التفكير.
  4. عدد الطلبات. كل استدعاء، بما في ذلك كل إعادة محاولة، يُحتسب وحده.

الإخراج هو الوحدة الأغلى. في نماذج المحادثة لدى BroadNet، لكل مليون رمز:

النموذج الإدخال الإدخال المخزّن مؤقتًا الإخراج
DeepSeek V4.1 Flash $0.175 $0.0055 $0.52
Qwen3.8 27B $0.175 $0.0435 $2.17
GLM 5.3 $0.78 $0.173 $3.46
Gemma 4 VL 26B $0.10 غير منشور $0.22

إذن الروافع هي: أرسل رموزًا جديدة أقل، واقرأ المزيد من الذاكرة المؤقتة، وولّد أقل، وقلّل عدد الاستدعاءات. ويشرح مقال كيف تعمل أسعار LLM API كل وحدة بالتفصيل.

القائمة في لمحة

الخطوة ما الذي تغيّره ما الذي تخفّضه الجهد
1. القياس التسجيل فقط لا شيء بعد؛ يكشف أين تقتطع منخفض
2. تخزين البادئة مؤقتًا ترتيب الأمر سعر الإدخال منخفض
3. اختصار الأمر محتوى الأمر رموز الإدخال متوسط
4. تقييد الإخراج والاستدلال المنطقي إعدادات الطلب رموز الإخراج منخفض
5. اختيار النموذج المناسب اختيار النموذج كل الأسعار متوسط
6. التجميع أو تأجيل المهام الجدولة السعر لكل رمز، حيث يُتاح متوسط
7. تخزين الإجابات مؤقتًا شيفرة التطبيق طلبات كاملة متوسط
8. تقييد إعادة المحاولة والحلقات شيفرة التطبيق الطلبات المهدرة منخفض
9. وضع حدود للإنفاق الحساب والمفاتيح الفواتير الخارجة عن السيطرة منخفض
10. حساب نقطة التعادل مع الخطة الثابتة نموذج الفوترة إجمالي الفاتورة عند الحجم الكبير منخفض

1. لماذا تقيس قبل أن تقتطع أي شيء؟

لأن الفاتورة تخفي السبب. قد يختلف طلبان متشابهان في الظاهر في عدد الرموز بعشرة أضعاف. كل إكمال محادثة يعيد كتلة usage تتضمن prompt_tokens وcompletion_tokens، والرموز المخزّنة مؤقتًا حيث يذكرها المزوّد. سجّل هذه القيم لكل ميزة ولكل مستخدم، من دون نص الأمر. وبعد أسبوع ستعرف أي ميزة تنفق أكثر، وهل السبب هو الإدخال أم إخفاقات الذاكرة المؤقتة أم الإخراج.

يعرض مقال تسجيل الاستخدام مع إخفاء البيانات الشخصية مخططًا للسجل. ولتقدير تكلفة ميزة قبل إطلاقها، استخدم حاسبة تكلفة LLM API أو الطريقة الموضحة في تقدير التكلفة قبل الإطلاق.

2. كيف يخفّض التخزين المؤقت للأوامر التكلفة؟

يخزّن المزوّدون مؤقتًا بداية الأمر حين تتكرر حرفيًا. ويقرأ الاستدعاء التالي تلك البادئة بالسعر المخفّض. تفعّل OpenAI التخزين المؤقت افتراضيًا للنماذج المدعومة بدءًا من 1,024 رمزًا، وتقول إن الإدخال المخزّن مؤقتًا “discounted up to 95%” (الترجمة: «مخفّض بنسبة تصل إلى 95%»)، (تاريخ المراجعة 2026-11-15). ولدى BroadNet، يُحتسب الإدخال المخزّن مؤقتًا في DeepSeek V4.1 Flash بسعر $0.0055 لكل مليون رمز، مقابل $0.175 للإدخال الجديد.

القاعدة: المحتوى الثابت أولًا، والمتغيّر أخيرًا. أمر النظام، ثم مخططات الأدوات، ثم المستندات المشتركة، ثم سجل المحادثة، ثم السؤال الجديد. فطابع زمني أو قائمة أدوات مُعاد ترتيبها في الأعلى يُفسد التخزين المؤقت لكل ما يليها.

3. ما الاختصارات الآمنة في الأمر؟

احذف ما لا يستخدمه النموذج. من المكاسب الشائعة: أوامر النظام الطويلة المكتوبة نثرًا، وأمثلة few-shot أكثر مما تحتاجه المهمة، ومخططات أدوات لا تستدعيها الخطوة أبدًا، وJSON مطوّل حيث يكفي جدول مختصر، وسجل محادثة كامل حيث يكفي ملخص. والاسترجاع ينحرف أيضًا: إرسال عشرة مقاطع حين يجيب مقطعان عن السؤال مشكلة في التكلفة والجودة معًا.

اختبر كل اختصار على مجموعة ثابتة من المدخلات، حتى لا يُفسد أمرٌ أرخص الإجابات من دون أن تلاحظ. يتضمن مقال تقليل رموز الأمر اختصارات مقيسة لكل حالة من هذه. واللغة مهمة أيضًا: يستهلك النص العربي رموزًا لكل كلمة أكثر من الإنجليزي في معظم المُرمِّزات (tokenizers)؛ راجع عدد الرموز لكل كلمة في العربية مقابل الإنجليزية.

4. كيف تقيّد الإخراج والاستدلال المنطقي؟

اطلب أقل، وضع حدًا. اطلب حقول JSON بدل النثر، وحدًا لعدد الكلمات بدل «اشرح»، ومن دون إعادة صياغة السؤال. ثم اضبط max_tokens لكي تتوقف الإجابة الجامحة.

نماذج التفكير تحتاج إلى عناية. تذكر وثائق BroadNet أن الاستدلال المنطقي يُحسب ضمن max_tokens، لذا قد يعيد سقفٌ منخفض إجابةً فارغة. أبقِ الحد عند 1,000 رمز أو أكثر، واضبط reasoning_effort على low في الخطوات البسيطة. ومع مفاتيح الدفع لكل رمز، يُحتسب الاستدلال المنطقي إخراجًا. يغطي الجانبين مقالا رموز الاستدلال المنطقي: لماذا تدفع مقابل أكثر مما تراه وحل مشكلة الإجابة الفارغة.

5. كيف تختار نموذجًا أرخص من دون أن تخسر الجودة؟

قارن تكلفة كل مهمة ناجحة، لا السعر لكل رمز. جهّز 50 إلى 100 مدخل حقيقي مع المخرجات المتوقعة، وشغّل كل نموذج مرشّح، ثم اقسم الإنفاق على عدد النجاحات. فالنموذج الأرخص لكل رمز الذي يفشل في ثلث الحالات قد يكلّف أكثر حين تحسب إعادة المحاولة والمراجعة البشرية.

تحقّق من الميزات أولًا. لدى BroadNet، الأدوات والمخرجات المنظَّمة موثّقة لنموذجي GLM 5.3 وQwen3.8 27B فقط. أما Gemma 4 VL 26B فهو نموذج BroadNet الأصغر للنصوص والصور؛ راجع سعره في الجدول أعلاه للمهام البسيطة. تستخدم تطبيقات كثيرة نموذجًا صغيرًا للخطوات السهلة ونموذجًا أكبر للصعبة؛ وأنت من يختار النموذج في شيفرتك. يقدّم مقال كيف تقيّم نموذج LLM قبل الانتقال إليه خطة اختبار.

لا تنتظر أن يرخص نموذجك الحالي. نادرًا ما يخفّض المزوّدون سعر نموذج قائم؛ وعادةً ما يأتي التوفير مع إصدار جديد. راجع تاريخ أسعار API لدى OpenAI وAnthropic وGoogle وأكبر تخفيضات أسعار LLM API.

6. هل يمكنك تجميع المهام التي تحتمل الانتظار أو تأجيلها؟

نعم، حيث يتيح المزوّد ذلك، والخصومات كبيرة. تاريخ المراجعة للجميع 2026-11-15:

المزوّد الخصم القيد
OpenAI Batch API 50% مقارنةً بالاستدعاءات المتزامنة تكتمل خلال 24 ساعة؛ وحدود معدل منفصلة
Anthropic Message Batches API 50% غير متزامنة؛ ومعظم الدفعات تنتهي في أقل من ساعة
DeepSeek API، خارج الذروة أسعار خارج الذروة نصف أسعار الذروة الذروة من 01:00 إلى 04:00 ومن 06:00 إلى 10:00 بتوقيت UTC، من الاثنين إلى الجمعة

لا تقدّم BroadNet Inference واجهة Batch API ولا أسعارًا خارج الذروة. وللمهام الليلية على BroadNet، شغّلها عبر أداة تشغيل قابلة للاستئناف على نقطة النهاية العادية ضمن حدود مفتاحك. يتضمن مقال معالجة LLM على دفعات من دون Batch API الشيفرة. وإذا استمرت المهمة ساعات، فقد تكلّف جلسة بسعر ثابت أقل من الرموز (الخطوة 10).

7. متى ينبغي تخزين الإجابات الكاملة مؤقتًا؟

حين يصل السؤال نفسه مرة أخرى بالمدخلات نفسها. روبوتات الأسئلة الشائعة، وتصنيف العناصر المتكررة، وإعادة تشغيل خط معالجة بعد تعطّله، كلها تكرر العمل. تعيد ذاكرة مؤقتة بالتطابق التام، مفتاحها النموذج والأمر والإعدادات، الإجابة المحفوظة وتتجاوز الاستدعاء. حدّد مدة صلاحية حتى لا تتقادم الإجابات. يعرض مقال تخزين استجابات LLM مؤقتًا في Python تنفيذًا صغيرًا.

8. كيف تهدر إعادة المحاولة والحلقات المال؟

الطلب المُعاد استدلالٌ جديد، ويُحتسب مرة أخرى مع مفاتيح الدفع لكل رمز. أعد المحاولة فقط عند أخطاء 429 و5xx، مع انتظار أُسّي متزايد (exponential backoff) وتذبذب عشوائي (jitter)، وضع حدًا لعدد المحاولات. ولا تُعِد أبدًا محاولة طلب أعاد 400: فالطلب الخاطئ نفسه يفشل بالطريقة نفسها.

ويضيف الوكلاء خطرًا ثانيًا: حلقة تواصل استدعاء النموذج. ضع حدًا لعدد الخطوات في كل مهمة، وتوقّف حين يتكرر استدعاء الأداة نفسه. يغطي الأمرين مقالا التعامل مع أخطاء 429 و10 طرق لخفض تكاليف وكلاء البرمجة.

9. كيف تمنع الفاتورة من الخروج عن السيطرة؟

التنبيهات تخبرك بعد وقوع الأمر. أما الحدود فتوقفه. استخدم رصيدًا مدفوعًا مسبقًا، ومفتاحًا لكل تطبيق حتى تستطيع إلغاء أحدها دون إيقاف البقية، وقائمة عناوين IP مسموحة لمفاتيح الخادم. وفي الشيفرة، حدّد ميزانية لكل مهمة وتوقّف حين تنفد. يعرض مقال التحكم في إنفاق LLM API الطبقات كلها، من الحساب حتى الطلب.

10. متى تتفوق الخطة الثابتة على التسعير لكل رمز؟

حين يعمل وكيل معظم اليوم. تبيع BroadNet نموذج DeepSeek V4.1 Flash لكل رمز أو لكل جلسة: البدر (Full Moon) بسعر $60 شهريًا، أو المدار (Orbit) بسعر $15 أسبوعيًا، أو الشهاب (Meteor) بسعر $1 للساعة، بلا عدّاد للرموز. وكل جلسة تشغّل طلبًا واحدًا في كل مرة.

سيناريوهات BroadNet المحسوبة للدفع لكل رمز:

حجم العمل الدفع لكل رمز شهريًا الخيار الأرخص
مشروع جانبي $14.23 الدفع حسب الاستخدام
مساعد يومي $42.67 الدفع حسب الاستخدام
وكيل برمجة بدوام كامل $65.40 البدر
وكيل يعمل دائمًا $196.20 البدر

عند نسبة إصابة للذاكرة المؤقتة تبلغ 80%، و20 رمز إدخال لكل رمز إخراج، تقع نقطة التعادل عند نحو 917 مليون من رموز الإدخال و46 مليون من رموز الإخراج شهريًا. ويبقى الاستخدام الخفيف أرخص بالدفع لكل رمز. راجع حساب نقطة التعادل كاملًا، أو جرّب أحجامك في حاسبة السعر الثابت مقابل الدفع لكل رمز.

ما الخطوات التي ينبغي تجنّبها؟

بعض النصائح الشائعة تكلّف أكثر مما توفّر:

  • ضغط الأوامر حتى تنكسر. يضيع التوفير في الإدخال إذا انخفضت جودة الإجابات وأعاد المستخدمون المحاولة.
  • تلخيص سجل المحادثة في كل دور. كل ملخص استدعاء إضافي، وهو يغيّر البادئة فتُخفق الذاكرة المؤقتة. لخّص نادرًا وأضِف الباقي إلى النهاية.
  • مطاردة أقل سعر لكل رمز وحده. حدود المعدل والميزات الناقصة ونسب الفشل كلها تضيف تكلفة.
  • الاستضافة الذاتية لحجم عمل صغير. تُحتسب وحدات GPU بالساعة سواء كانت مشغولة أم لا. يوضح مقال تكلفة الاستضافة الذاتية مقابل API أين تقع نقطة التعادل.

أين تقع BroadNet Inference من هذا؟

BroadRouter هو موقع BroadNet نفسها، فاقرأ هذا القسم مع وضع ذلك في الحسبان. BroadNet Inference واجهة API متوافقة مع OpenAI، فيها أربعة نماذج محادثة بالتسعير لكل رمز، وسعر للإدخال المخزّن مؤقتًا في ثلاثة منها، وخطة بسعر ثابت لنموذج DeepSeek V4.1 Flash للاستخدام المستمر من الوكلاء. ولا تقدّم واجهة Batch API ولا أسعارًا خارج الذروة، لذا قد تكلّف خصومات الدفعات لدى OpenAI أو Anthropic، أو ساعات خارج الذروة لدى DeepSeek، أقل في المهام الكبيرة التي تحتمل الانتظار. تحصل الحسابات الجديدة على رصيد مبدئي قدره $5، يغطي Gemma 4 VL 26B ونموذجي Transcribe كليهما ومفاتيح Gemma بالساعة؛ أما DeepSeek وGLM وQwen فتتطلب شحن الرصيد. ولا توجد اتفاقية مستوى خدمة (SLA) في الخدمة الذاتية. اطّلع على الأسعار أو قارن الخطط.

أسئلة شائعة

ما أسرع طريقة لتقليل تكلفة LLM API؟

ابدأ بالتخزين المؤقت للأوامر. ضع أمر النظام ومخططات الأدوات والمستندات المشتركة في البداية، وأبقِها متطابقة حرفًا بحرف بين الطلبات. يُحتسب الإدخال المخزّن مؤقتًا بجزء من سعر الإدخال الجديد، دون أن تغيّر النموذج أو أي ميزة. ثم ضع سقفًا للإخراج، لأن رموز الإخراج أغلى من رموز الإدخال.

هل تخفّض واجهة Batch API السعر إلى النصف فعلًا؟

لدى OpenAI وAnthropic، نعم. تمنح OpenAI Batch API خصمًا بنسبة 50% مع نافذة إنجاز مدتها 24 ساعة، وتخفّض Message Batches API من Anthropic التكلفة بنسبة 50 بالمئة (تاريخ المراجعة لكليهما 2026-11-15). لا تقدّم BroadNet Inference واجهة Batch API، لذا شغّل المهام عبر أداة تشغيل قابلة للاستئناف على نقاط النهاية العادية بدلًا من ذلك.

هل تدخل رموز الاستدلال المنطقي في فاتورتي؟

نعم، مع مفاتيح الدفع لكل رمز. يُحتسب الاستدلال المنطقي ضمن رموز الإكمال (completion tokens) بسعر الإخراج. اضبط reasoning_effort على low للخطوات البسيطة، لكن أبقِ max_tokens عند 1,000 أو أكثر حتى لا تنقطع الإجابة.

هل النموذج الأصغر أرخص دائمًا؟

لكل رمز، غالبًا نعم. لكل مهمة، ليس دائمًا. فالنموذج الأصغر الذي يحتاج إلى محاولتين إضافيتين أو إلى أمر أطول قد يكلّف أكثر من نموذج أكبر يصيب من المرة الأولى. قارن تكلفة كل مهمة ناجحة على مجموعة الاختبار الخاصة بك.

متى تكون الخطة بسعر ثابت أرخص من الدفع لكل رمز؟

حين يكون الاستخدام مرتفعًا ومستقرًا. لدى BroadNet، تكلّف جلسة واحدة من خطة البدر $60 شهريًا لنموذج DeepSeek V4.1 Flash. وعند نسبة إصابة للذاكرة المؤقتة تبلغ 80%، تتعادل التكلفتان عند نحو 917 مليون من رموز الإدخال و46 مليون من رموز الإخراج شهريًا. وتحت ذلك يكون الدفع لكل رمز أرخص.

هل تكلّف إعادة المحاولة مالًا؟

نعم. الطلب المُعاد استدلالٌ جديد، ويُحتسب مرة أخرى مع مفاتيح الدفع لكل رمز. أعد المحاولة فقط عند أخطاء 429 و5xx، مع انتظار متزايد (backoff)، وضع حدًا لعدد المحاولات.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity