إضافة ميزة ذكاء اصطناعي إلى منتج SaaS تغيّر هيكل تكاليفه. تكلفة الاستضافة والتخزين متقاربة لكل مستخدم؛ أما استدعاءات LLM فتزيد تكلفتها كلما زاد استخدامها. وإذا سعّرت الميزة دون أن تعرف كم يكلّفك المستخدم النشط، فقد يحوّل بضعة عملاء متحمسين باقة رابحة إلى خاسرة. يبيّن هذا المقال كيف تحسب تكلفة LLM لكل مستخدم، ولماذا المتوسط هو الرقم الخطأ، وكيف تستخدم النتيجة لتحديد الباقات.
كيف تحسب تكلفة LLM لكل مستخدم؟
لميزة واحدة ونموذج واحد:
cost per user per month =
requests per active user per month
× [ new input tokens × input price
+ cached tokens × cached price
+ output tokens × output price ] / 1,000,000
يشمل الإخراج رموز الاستدلال المنطقي في نماذج الاستدلال المنطقي، وتُحتسب الصور رموز إدخال على مفتاح الدفع حسب الاستخدام. وإن احتجت إلى تذكير بهذه الأسعار الثلاثة، فاقرأ كيف تعمل أسعار LLM API.
اجمع الميزات التي يستخدمها المستخدم لتحصل على إجمالي تكلفة الذكاء الاصطناعي لكل مستخدم.
الخطوة 1: من هو المستخدم النشط، وما الوحدة؟
اختر تعريفًا تُبلغ عنه أصلًا، مثل المستخدم الذي استعمل ميزة الذكاء الاصطناعي مرة واحدة على الأقل في الشهر. ثم اختر الوحدة التي تنتجها ميزتك بطبيعتها: دور محادثة واحد، أو مستند واحد مولَّد، أو ملف واحد محلَّل، أو مكالمة واحدة ملخَّصة. التكلفة لكل وحدة أكثر ثباتًا من التكلفة لكل مستخدم وأسهل في الفهم.
الخطوة 2: كيف تقيس الرموز لكل وحدة؟
لا تقدّرها من عدد الكلمات. سجّل كتلة usage من كل استجابة مع وسم للميزة ومعرّف مُجزّأ (hashed) للمستخدم أو الحساب: رموز الأمر، والرموز المخزّنة مؤقتًا، ورموز الإكمال، بصف واحد لكل محاولة. ويقدّم مقال تسجيل الاستخدام غلافًا جاهزًا للكود واستعلام SQL لتجميع التكلفة حسب المستخدم والميزة. وقبل أن تصلك حركة فعلية، يعطيك عدّاد الرموز تقديرًا أوليًا من أوامر نموذجية.
في الردود المتدفقة، اطلب الاستخدام في الجزء الأخير عبر stream_options={"include_usage": True}؛ راجع دليل البث المتدفق. واحتسب كل محاولة، بما فيها إعادة المحاولات، لأن كل محاولة تصل إلى النموذج تُحتسب في الفاتورة.
الخطوة 3: كم يكلّف المستخدم المعتاد؟ مثال محسوب
لنفترض أن منتجك فيه مساعد داخل التطبيق. وقست لمستخدم نشط معتاد خلال شهر:
| المقياس | القيمة |
|---|---|
| أيام النشاط | 20 |
| طلبات المساعد في كل يوم نشاط | 15 |
| رموز الإدخال لكل طلب | 3,000 (نصفها مخزّن مؤقتًا) |
| رموز الإجابة المرئية لكل طلب | 400 |
| رموز الاستدلال المنطقي لكل طلب (نماذج الاستدلال المنطقي) | نحو 600 |
أي 300 طلب شهريًا: نحو 900,000 رمز إدخال، منها 450,000 مخزّنة مؤقتًا، و120,000 رمز إخراج مرئي، إضافة إلى نحو 180,000 رمز استدلال منطقي في نموذج استدلال منطقي.
طبّق أسعار BroadNet لكل مليون رمز. أعداد الرموز بالملايين، لذا كل حد هو ملايين الرموز × السعر لكل مليون:
| النموذج | الإدخال / المخزّن مؤقتًا / الإخراج لكل مليون | شهر هذا المستخدم |
|---|---|---|
| Gemma 4 VL 26B | $0.10 / لا يوجد سعر للمخزّن مؤقتًا / $0.22 | 0.9 × $0.10 (كل الإدخال بالسعر الكامل) + 0.12 × $0.22 (دون رموز استدلال منطقي) = $0.12 |
| DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 | 0.45 × $0.175 + 0.45 × $0.0055 + 0.3 × $0.52 = $0.24 |
| Qwen3.8 27B | $0.175 / $0.0435 / $2.17 | 0.45 × $0.175 + 0.45 × $0.0435 + 0.3 × $2.17 = $0.75 |
| GLM 5.3 | $0.78 / $0.173 / $3.46 | 0.45 × $0.78 + 0.45 × $0.173 + 0.3 × $3.46 = $1.47 |
الـ 0.3 مليون رمز إخراج في نماذج الاستدلال المنطقي هي 0.12 مليون من الإجابة المرئية و0.18 مليون من الاستدلال المنطقي. وعند الحساب، يبلغ سطر GLM 5.3 أكثر من عشرة أضعاف سطر Gemma 4 VL 26B للمستخدم نفسه (تعرض مقارنة Gemma 4 VL 26B مع GLM 5.3 النموذجين جنبًا إلى جنب). والإخراج هو الحد الأكبر في كل نماذج الاستدلال المنطقي، ورموز الاستدلال المنطقي أكثر من نصف هذا الإخراج. أدخل قياساتك في حاسبة تكلفة LLM API لتحصل على رقمك.
الخطوة 4: لماذا يضلّل المستخدم المتوسط؟
استخدام ميزات الذكاء الاصطناعي غير متوازن. معظم المستخدمين يجرّبون الميزة بضع مرات؛ ومجموعة صغيرة تستخدمها طوال اليوم. المتوسط يُخفي هذه المجموعة، وهي التي تصنع الفاتورة.
من سجل الاستخدام، احسب لكل مستخدم شهريًا:
- التكلفة الوسيطة. ما يكلّفه المستخدم العادي.
- المئين التسعون. ما يكلّفه مستخدم كثيف لكنه عادي. سعّر باقتك بحيث يبقى هذا المستخدم مربحًا.
- المئين التاسع والتسعون والحد الأقصى. الفئة الأكثر استهلاكًا. يحتاج هؤلاء إلى حد استخدام عادل، أو باقة أعلى، أو فحص بحثًا عن الأتمتة وإساءة الاستخدام.
إذا كان المستخدم عند المئين التاسع والتسعين يكلّف أضعاف الوسيط، فهذه ليست مشكلة بحد ذاتها؛ بل معطى من معطيات التسعير.
الخطوة 5: كيف تحدد الباقات والحدود؟
متى عرفت التكلفة لكل مستخدم، صار التسعير قرارًا متعلقًا بالهامش:
- حدّد هامش الربح الإجمالي المستهدف للباقة.
- احسب عكسيًا أقصى تكلفة ذكاء اصطناعي لكل مستخدم يسمح بها هذا الهامش.
- قارنها بالمئين التسعين لديك. إن كان المئين التسعون ضمنها، فالباقة تنجح. وإن لم يكن، فخفّض التكلفة (الخطوة 6)، أو ارفع السعر، أو انقل الاستخدام الكثيف إلى باقة أعلى.
- حوّل الرموز إلى وحدة يفهمها المستخدمون. المستخدمون لا يفكرون بالرموز. حدّد الطلبات في اليوم أو المستندات في الشهر أو دقائق الصوت، بحجم يُبقي أعلى استخدام مسموح ضمن سقف تكلفتك.
- أعد التحقق شهريًا. تغييرات الأوامر والميزات الجديدة وتغييرات النموذج كلها تحرّك التكلفة لكل مستخدم.
الخطوة 6: كيف تخفّض التكلفة لكل مستخدم دون تغيير المنتج؟
- التخزين المؤقت. ضع أمر النظام الثابت وقائمة الأدوات في البداية. في DeepSeek V4.1 Flash يكلّف الإدخال المخزّن مؤقتًا $0.0055 لكل مليون رمز بدلًا من $0.175. كيف ترفع نسبة التخزين المؤقت.
- خفّض مستوى الاستدلال المنطقي. ضبط
reasoning_effortعلىlowللطلبات الروتينية يقلّل أغلى الرموز. كم يكلّف الاستدلال المنطقي. - وجّه الطلبات حسب الصعوبة. أرسل الطلبات البسيطة إلى Gemma 4 VL 26B واحتفظ بنماذج الاستدلال المنطقي للطلبات الصعبة.
- قلّص السجل. المحادثات الطويلة تعيد إرسال كل شيء في كل دور؛ لخّص الأدوار القديمة أو اقتطعها حيث تسمح الجودة.
- ضع سقفًا للإخراج. اضبط
max_tokensلكل ميزة، مع ترك مساحة للاستدلال المنطقي في نماذجه.
المزيد من أدوات التحكم في التحكم في إنفاق LLM API.
هل يمكن لخطة بسعر ثابت أن تخدم مستخدمي SaaS؟
يجوز دمج خطط BroadNet غير المحدودة لنموذج DeepSeek V4.1 Flash ($60 شهريًا لكل جلسة) في تطبيقك أو خدمتك تحت مفتاحك الخاص، لكن كل جلسة تشغّل طلبًا واحدًا في كل مرة، ولا يجوز مشاركة المفتاح أو إعادة بيعه. وهذا يجعل الخطة مناسبة للعمل في الخلفية منخفض التزامن: مولّد تقارير ليلي، أو ملخِّص يعمل من طابور، أو وكيل داخلي. أما حركة المستخدمين التفاعلية ذات الطلبات المتزامنة الكثيرة، فالحل المعتاد لها هو مفاتيح الدفع حسب الاستخدام (4 طلبات قيد التنفيذ لكل مفتاح، و30 في الدقيقة) أو عدة جلسات. راجع صفحة الخطط للاطلاع على الشروط الحالية.
ما التكاليف المحيطة بالنموذج؟
تكلفة الرموز لكل مستخدم ليست إلا جزءًا من بند الذكاء الاصطناعي. أضف الاسترجاع وتخزين المتجهات، وتحويل الكلام إلى نص (يُسعَّر بدقيقة الصوت، مثل $0.0042 للدقيقة للعربية على BroadNet)، وإعادة المحاولات وجولات التقييم. وإذا كان مستخدموك يكتبون بالعربية أو بلغات أخرى غير الإنجليزية، فتوقّع رموزًا أكثر لكل رسالة مما في الإنجليزية؛ قِس عدد الرموز لكل كلمة على محتواك أنت.
كيف تتعامل مع الباقات المجانية والتجارب؟
الباقة المجانية تضاعف التكلفة لكل مستخدم بمستخدمين لا يدفعون شيئًا. تعامل معها كإنفاق تسويقي: أعطِ المستخدمين المجانيين أرخص نموذج يعرض الميزة جيدًا، وضع حدودًا يومية أضيق من الباقات المدفوعة، وتابع تكلفة الذكاء الاصطناعي للمستخدمين المجانيين كبند مستقل. فإن تحوّلوا إلى مدفوعين، كان هذا البند تكلفة اكتساب عملاء؛ وإن لم يتحوّلوا، أبقته الحدود صغيرًا.
الخلاصة
قِس الرموز لكل وحدة من حقل usage، واضربها في الأسعار المنشورة، وانظر إلى المئين التسعين لا إلى المتوسط، وحدّد أسعار الباقات وحدودها بناءً على ذلك. ثم اجعل كل وحدة أرخص بالتخزين المؤقت وتوجيه الطلبات وخفض مستوى الاستدلال المنطقي. وابدأ بـ طريقة حساب التكلفة الشهرية إن لم تكن قد قست شيئًا بعد.
