فلسفة التوفير في عصر الذكاء الاصطناعي: كيف تستثمر كل Token في المكان الصحيح

作者：Sleepy.md

在那个按字收费的电报年代，笔墨即是金钱。人们习惯将万语千言浓缩至极致，「速归」抵得过一封长信，「平安」是最重的叮咛。

后来，电话牵进了家门，但长途费按分秒计费。父母的长途电话总是言简意赅،正事说完便匆匆挂断،一旦话头稍微延展،心疼话费的念头便会掐断刚冒头的寒暄。

再后来，宽带进家，上网按小时收费，人们盯着屏幕上的计时器，网页一开即关，视频只敢下载，流媒体在当时是个奢侈的动词。每一个下载进度条的尽头，都藏着人们对「连接世界」的渴望与对「余额不足」的忌惮。

计费的单位变了又变，省钱的本能亘古不变。

如今، Token 成了 AI 时代的货币。然而，大多数人尚未学会如何在这个时代精打细算，因为我们还没学会如何在看不见的算法里计算得失。

2022 年 ChatGPT 刚出来的时候，几乎没人关心 Token 为何物。那是 AI 的大锅饭时代，每月花个 20 美元，想聊多少聊多少。

但自从最近 AI Agent 火起来之后，Token 花销变成了每一个用 AI Agent 的人都必须关注的事情。

不同于一问一答的简单对话，一个任务流的背后是成百上千次的 API 调用，Agent 的独立思考是有代价的，每一次自我修正、每一次工具调用，都对应着账单上数字的跳动。然后你会发现你充值进去的钱突然就不够用了，而且你还不知道 Agent 到底都干了什么。

现实生活里，大家都知道怎么省钱。去菜市场买菜，我们知道把带泥的烂叶子择干净再上秤；打车去机场，老司机知道避开早高峰的高架。

数字世界里的省钱逻辑其实也一样，只不过计费单位从「斤」和「公里」，换成了 Token。

في الماضي، كان التوفير بسبب الندرة؛ أما في عصر الذكاء الاصطناعي، فالتوفير من أجل الدقة.

نأمل أن تساعدك هذه المقالة في بلورة منهجية لتوفير المال في عصر الذكاء الاصطناعي، بحيث تنفق كل قرش في مكانه الصحيح.

قبل أن تزن الخضار، اختر أوراقها الفاسدة أولًا

في عصر الذكاء الاصطناعي، لم تعد قيمة المعلومات تُحدد من خلال الاتساع، بل من خلال النقاوة.

تتبع طريقة تسعير الذكاء الاصطناعي منطقًا يقوم على احتساب الرسوم حسب عدد الكلمات التي “يقرأها”. سواءً كنت تطعمه بحقائق قيّمة أو مجرد كلام فارغ بلا معنى، ما دام قد قرأه، فستدفع المال.

لذلك، طريقة التفكير الأولى لتوفير Token هي أن تَغرس «نسبة الضجيج إلى الإشارة» في اللاوعي.

كل كلمة وكل صورة وكل سطر كود تقدمه للذكاء الاصطناعي يعني أنك تدفع مقابلها. لذا قبل أن تسلّم أي شيء للذكاء الاصطناعي، تذكّر أن تسأل نفسك: كم جزء مما أعطيه يحتاجه الذكاء الاصطناعي فعلًا؟ وكم جزء منه مجرد أوراق خضار فاسدة تحمل الطين؟

مثل عبارات الافتتاح الطويلة مثل «مرحبًا، من فضلك ساعدني…»، أو شرح الخلفية المتكرر، أو تعليقات الكود التي لم تُحذف بشكل نظيف—كلها تُعد أوراق خضار فاسدة تحمل الطين.

بالإضافة إلى ذلك، فإن أكثر أشكال الهدر شيوعًا هو رمي ملف PDF أو لقطات شاشة من صفحات الويب مباشرة في وجه الذكاء الاصطناعي. بالتأكيد ستوفر على نفسك عناءً، لكن «توفير الجهد» في عصر الذكاء الاصطناعي غالبًا يعني «تكلفة أعلى».

ملف PDF بتنسيق كامل يحتوي، إضافة إلى نص المحتوى، على ترويسة وتذييل، وتوسيمات الرسوم البيانية، وعلامات مائية مخفية، إلى جانب كميات كبيرة من أكواد التنسيق المستخدمة في الترتيب. لا تساعد هذه الأشياء الذكاء الاصطناعي على فهم مشكلتك على الإطلاق، ومع ذلك تُحتسب كلها ضمن التكلفة.

تذكّر المرة القادمة أن تحوّل ملف PDF أولًا إلى نص Markdown نظيف ثم تقدمه للذكاء الاصطناعي. عندما تحوّل PDF بحجم 10MB إلى نص نظيف حجمه 10KB، فإنك لا توفر 99% من المال فحسب، بل تجعل دماغ الذكاء الاصطناعي يعمل بسرعة أكبر بكثير من قبل.

الصور هي آكل آخر للمال.

في منطق النماذج البصرية، لا يهم الذكاء الاصطناعي إن كانت صورك جميلة؛ ما يهم فقط هو مقدار مساحة البكسلات التي تشغلها.

خذ منطق الحساب الرسمي لدى Claude كمثال:
استهلاك Token للصورة = عرض البكسلات × ارتفاع البكسلات ÷ 750.

صورة بحجم 1000×1000 بكسل تستهلك تقريبًا 1334 Token، وبحسب تسعير Claude Sonnet 4.6 تساوي تقريبًا 0.004 دولار لكل صورة؛
لكن إذا ضغطت الصورة نفسها إلى 200×200 بكسل، فإنها تستهلك 54 Token فقط، وتنخفض التكلفة إلى 0.00016 دولار، أي بفارق كامل يصل إلى 25 مرة.

كثيرون يرسلون صورًا عالية الدقة التقطتها الهواتف أو لقطات 4K إلى الذكاء الاصطناعي، دون أن يدركوا أن Token التي تستهلكها هذه الصور قد تكون كافية لقراءة معظم رواية متوسطة الحجم. وإذا كانت المهمة مجرد التعرف على النص الموجود في الصورة أو إجراء حكم بصري بسيط—مثل أن يجعل الذكاء الاصطناعي يتعرف على المبلغ في الفاتورة، أو قراءة النص في دليل التعليمات، أو تحديد ما إذا كانت هناك إشارات مرور حمراء وخضراء—فإن دقة 4K تعد مجرد هدر صِرف. يكفي ضغط الصورة إلى أصغر دقة قابلة للاستخدام.

لكن سبب الهدر الأكثر شيوعًا لـ Token على جانب الإدخال ليس تنسيق الملف، بل طريقة الكلام غير الفعّالة.

كثيرون يعتبرون الذكاء الاصطناعي وكأنه جارٌ حقيقي، ويفضلون التواصل بأسلوب اجتماعي منثر بالكلام؛ فيلقون أولًا عبارة مثل «اكتب لي صفحة ويب»، ثم بعد أن يخرج الذكاء الاصطناعي نسخة شبه جاهزة، يضيفون التفاصيل، ثم يتلاعبون بالإرسال والتعديل مرارًا. هذا النوع من الحوارات على طريقة «عصر معجون الأسنان» يجعل الذكاء الاصطناعي يولد المحتوى مرارًا وتكرارًا، وكل جولة تعديل تضيف استهلاك Token.

في تجربة قام بها مهندسو Tencent Cloud، وجدوا أن الطلب نفسه، عندما يتم عبر حوار متعدد الجولات بأسلوب عصر معجون الأسنان، غالبًا ما يستهلك Token بمعدل يصل إلى 3 إلى 5 أضعاف تكلفة طلب تم شرحه مرة واحدة بشكل كامل.

الحقيقة هي أن السبيل لتوفير المال هو التخلي عن استكشاف المحادثة غير الفعّال هذا، وأن تحدد طلبك وحدوده وشروطه وأمثلة مرجعية بشكل واضح مرة واحدة. قلّل قدر الإمكان من بذل الجهد في شرح «ما لا يجب فعله»، لأن الجملة المنفية غالبًا ما تستهلك تكلفة فهم أعلى من الجملة المثبتة؛ أخبره مباشرة «كيف يفعل»، وقدم مثالًا صحيحًا واضحًا.

وفي الوقت نفسه، إذا كنت تعرف أين يقع الهدف، أخبر الذكاء الاصطناعي مباشرة، ولا تدعه يقوم بدور المُحقق.

عندما تأمر الذكاء الاصطناعي «بأن يبحث عن كود متعلق بالمستخدم»، فإنه يجب أن يجري في الخلفية مسحًا واسعًا وتحليلًا وتخمينًا؛ أما عندما تخبره مباشرة «اذهب إلى ملف src/services/user.ts»، فإن استهلاك Token يختلف جذريًا. في عالم الأرقام، فإن تكافؤ المعلومات هو أكبر شكل من أشكال التوفير.

لا تدفع ثمن «التهذيب» لدى الذكاء الاصطناعي

هناك قاعدة غير مكتوبة في التسعير الخاصة بالنماذج الكبيرة لا ينتبه لها كثيرون: عادةً ما تكون Token الناتجة أغلى من Token الداخلة بمقدار 3 إلى 5 أضعاف.

أي أن كلام الذكاء الاصطناعي الذي يُخرجه أغلى بكثير من كلامك أنت الذي تقدم له. خذ مثال تسعير Claude Sonnet 4.6: الإدخال مقابل كل مليون Token يكلف 3 دولارات فقط، بينما يقفز الناتج فجأة إلى 15 دولارًا، أي فارق سعر كامل يصل إلى 5 أضعاف.

تلك العبارات اللطيفة في البداية مثل «حسنًا، لقد فهمت تمامًا متطلباتكم، والآن سأجيب…»، وتلك الخاتمات المهذبة مثل «آمل أن تكون المعلومات أعلاه مفيدة لكم». في التواصل بين البشر هي مجرد مصطلحات اجتماعية مهذبة، لكن في فاتورة API، فإن هذه المقدمات والوداعيات التي لا تضيف أي معلومات إضافية تُكلفك أنت المال.

أكثر طريقة فعّالة لتقليل الهدر على جانب الإخراج هي وضع قواعد للذكاء الاصطناعي. استخدم تعليمات النظام لتوضيح: لا حاجة للمقدمات المهذبة، لا تشرح، لا تعيد صياغة المتطلبات، أعطِ الإجابة مباشرة.

لا تحتاج هذه القواعد إلا إلى تحديدها مرة واحدة لتصبح نافذة في كل مرة تتحدث فيها. إنها حقًا وسيلة مالية «استثمار مرة واحدة، عائد دائم». لكن عند وضع القواعد، يقع كثيرون في خطأ آخر: استخدام لغة طبيعية طويلة لتكديس التعليمات.

تشير بيانات الاختبار الفعلية من المهندسين إلى أن فعالية التعليمات لا تكمن في عدد الكلمات، بل في الكثافة. عند ضغط مقطع من تعليمات نظام من 500 كلمة إلى 180 كلمة، من خلال حذف عبارات المجاملة غير ذات المعنى، ودمج التعليمات المتكررة، وإعادة بناء الفقرات كقائمة مختصرة على شكل نقاط، فإن جودة إخراج الذكاء الاصطناعي تكاد لا تتغير، لكن استهلاك Token في كل استدعاء ينخفض بشكل حاد بنسبة 64%.

هناك أيضًا وسيلة أكثر تحكمًا استباقيًا، وهي تقييد طول الإخراج. كثيرون لا يضعون أبدًا حدًا أقصى للإخراج ويتركون الذكاء الاصطناعي ينطلق بحرية. هذا الإتاحة لصلاحية التعبير غالبًا تؤدي إلى فقدان كامل في ضبط التكاليف. قد تحتاج فقط إلى جملة قصيرة في صلب الموضوع، لكن الذكاء الاصطناعي—من أجل إظهار نوع من «الجدية الذهنية»—سيولد لك دون تردد مقالًا صغيرًا من 800 كلمة.

إذا كنت تسعى إلى بيانات بحتة، يجب أن تُلزم الذكاء الاصطناعي بإرجاع تنسيق مُهيكل بدل وصف مطول بلغة طبيعية. وعند حمل نفس كمية المعلومات، فإن استهلاك Token لصيغة JSON يكون أقل بكثير من الفقرات المكتوبة كنسيج لغوي. والسبب أن البيانات المهيكلة تزيل جميع كلمات الربط الزائدة وأدوات النبرة وعبارات التوضيح، ولا تحتفظ إلا باللب المنطقي عالي التركيز.

في عصر الذكاء الاصطناعي، يجب أن تدرك بوضوح أن ما يستحق أن تدفع مقابله هو قيمة النتيجة، وليس «شرحًا ذاتيًا» غير ذي معنى من جانب الذكاء الاصطناعي.

بالإضافة إلى ذلك، فإن «التفكير المفرط» لدى الذكاء الاصطناعي يلتهم رصيد حسابك بجنون.

بعض النماذج المتقدمة لديها نمط «توسيع التفكير»، حيث تقوم قبل الإجابة باستنتاجات داخلية هائلة. عملية الاستنتاج نفسها أيضًا تُحسب ضمن التكلفة، وهي تُسعّر بسعر الإخراج، أي أنها باهظة جدًا.

هذا النمط في جوهره مصمم لـ «مهام معقدة تتطلب دعمًا منطقيًا عميقًا». لكن كثيرين يستخدمونه أيضًا عند طرح أسئلة بسيطة. بالنسبة للمهام التي لا تحتاج إلى تفكير عميق، أخبر الذكاء الاصطناعي بوضوح «لا حاجة لشرح الفكرة، أعطني الإجابة مباشرة»، أو قم بإيقاف «توسيع التفكير» يدويًا، وهو ما سيوفر لك الكثير من المال.

لا تدع الذكاء الاصطناعي يسرد لك الأخطاء القديمة

لا يملك نموذج كبير ذاكرة حقيقية؛ هو فقط يعيد قراءة المحفوظات بشكل مجنون.

هذه آلية أساسية لا يعرفها كثيرون. في كل مرة ترسل رسالة جديدة في نافذة محادثة، لا يبدأ الذكاء الاصطناعي فهمه من جملتك أنت فحسب؛ بل يعيد قراءة كل ما تحدثتم عنه من قبل، بما في ذلك كل جولة حوار، وكل مقطع كود، وكل وثيقة مرجعية—ثم بعد ذلك فقط يجيبك.

في فاتورة Token، فإن «التذكّر بهدف الفهم» ليس مجانيًا على الإطلاق. مع تراكم جولات المحادثة، حتى لو كنت تطرح مجرد سؤال بسيط، فإن تكلفة إعادة قراءة كل تلك الملفات القديمة خلف الذكاء الاصطناعي تزيد بمضاعفات. وبما أن هذه الآلية تعمل هكذا، فكلما كانت سجلات المحادثة أثقل، صارت كل مرة تسأل فيها أغلى.

قام شخص ما بتتبع 496 محادثة حقيقية تحتوي على أكثر من 20 رسالة، فوجد أن الرسالة رقم 1 يتم قراءتها بمتوسط 14,000 Token، وتكلف حوالي 3.6 سنت لكل رسالة؛ وعند الرسالة رقم 50، يبلغ متوسط القراءة 79,000 Token، وتكلف حوالي 4.5 سنت لكل رسالة، أي أغلى بنسبة 80% كاملة. كما أن السياق يصبح أطول؛ وعند وصوله إلى الرسالة رقم 50، فإن السياق الذي يعيد الذكاء الاصطناعي معالجته بلغ 5.6 أضعاف ما كان عليه عند الرسالة رقم 1.

أبسط حل لهذه المشكلة هو عادة: لكل مهمة، محادثة واحدة.

عندما ينتهي موضوع ما، ابدأ محادثة جديدة فورًا، ولا تجعل الذكاء الاصطناعي نافذة دردشة لا تُغلق أبدًا. تبدو هذه العادة سهلة، لكن كثيرين لا يستطيعون تطبيقها، إذ يشعرون أنه «قد تحتاج لاحقًا إلى المحتوى السابق». في الحقيقة، فإن «السيناريو المحتمل» الذي تخشاه نادر جدًا في معظم الأحيان؛ لكن ولأجله، أنت تدفع عدة أضعاف التكلفة لكل رسالة جديدة.

عندما يلزم تمديد الحوار فعلاً، لكن السياق صار طويلًا جدًا، يمكننا الاستفادة من بعض أدوات الضغط. لدى Claude Code أمر /compact الذي يمكنه تكثيف سجل محادثة طويل إلى ملخص قصير، لمساعدتك على إجراء عملية «تحرير حضرية» رقمية.

وهناك منطق آخر لتوفير المال يُسمى Prompt Caching (تخزين التعليمات). إذا كنت تستخدم باستمرار نفس مقطع تعليمات النظام، أو كان كل محادثة تستشهد بنفس الوثيقة المرجعية، فإن الذكاء الاصطناعي سيقوم بتخزين هذا الجزء مؤقتًا؛ وعند الاستدعاء لاحقًا، لن تُفرض عليك تكلفة قراءة التخزين البسيطة فقط، بدل أن تحاسبك في كل مرة بالسعر الكامل.

تظهر تسعيرة Anthropic الرسمية أن سعر Token التي يتم إصابتها من خلال التخزين يكون 1/10 من السعر العادي. كما أن Prompt Caching لدى OpenAI يمكنه خفض تكلفة الإدخال بنحو 50%. وفي ورقة بحثية نُشرت في arXiv في يناير 2026، تم اختبار مهام طويلة عبر منصات AI متعددة، ووجدت أن تخزين التعليمات يمكنه خفض تكلفة API بنسبة تتراوح بين 45% و80%.

أي أن نفس المحتوى: في المرة الأولى تدفع السعر الكامل، وبعدها عند كل استدعاء لاحق تدفع 1/10 فقط. وبالنسبة للمستخدمين الذين يعيدون استخدام نفس مجموعة الوثائق المعيارية أو تعليمات النظام يوميًا، يمكن لهذه الميزة أن توفر عددًا كبيرًا من Token.

لكن لـ Prompt Caching شرط: يجب أن تظل محتويات وتعاقب تعليمات النظام والوثائق المرجعية متطابقة، وأن تكون في أول سياق المحادثة. إذا حدث أي تغيير في المحتوى، سيفشل التخزين وتُحسب التكلفة من جديد بالسعر الكامل. لذا إذا كانت لديك مجموعة ثابتة من معايير العمل، فثبّتها واكتبها كما هي ولا تعدلها عشوائيًا.

آخر نصيحة لإدارة السياق هي التحميل عند الحاجة. كثيرون يحبون حشر كل المعايير والوثائق والتنبيهات دفعة واحدة داخل تعليمات النظام، بحجة «تحسبًا لأي شيء».

لكن ثمن ذلك هو أنك تؤدي مهمة بسيطة في الأصل، ثم تضطر لتحمّل قواعد بحجم عدة آلاف كلمة، فتبدد كومة من Token دون داع. توصي الوثائق الرسمية الخاصة بـ Claude Code بأن يُبقى CLAUDE.md ضمن 200 سطر، وأن تفصل القواعد الخاصة لكل سيناريو إلى ملفات مهارات مستقلة؛ وعندما تحتاج إلى سيناريو معين، يتم تحميل قواعد ذلك السيناريو فقط. إن الحفاظ على السياق نقيًا قدر الإمكان هو احترام لأعلى درجات قوة الحساب.

لا تذهب لشراء الخضار بسيارة بورش

تختلف الأسعار كثيرًا بين النماذج المختلفة للذكاء الاصطناعي.

Claude Opus 4.6: إدخال 5 دولارات لكل مليون Token، وإخراج 25 دولارًا.
Claude Haiku 3.5: إدخال 0.8 دولار، وإخراج 4 دولارات.
الفارق يقارب 6 مرات. استخدام أقوى نموذج لجمع المواد وترتيب تنسيق—ليس فقط بطيئًا، بل مكلف أيضًا.

الطريقة الذكية هي نقل منطق «التقسيم الطبقي للعمل» الشائع في المجتمع البشري إلى عالم الذكاء الاصطناعي: مهام ذات صعوبة مختلفة تُسند إلى نماذج ذات أسعار مختلفة.

مثلما في الحياة الواقعية، لن تستأجر شخصًا براتب مليون سنويًا لنقل الطوب في موقع البناء.

الأمر نفسه مع الذكاء الاصطناعي. توصي الوثائق الرسمية الخاصة بـ Claude Code أيضًا بوضوح:
Sonnet يتولى معظم مهام البرمجة، Opus مخصص لقرارات المعمارية المعقدة والاستدلال متعدد الخطوات، والمهام الفرعية البسيطة تُسند إلى Haiku.

والخطة العملية الأكثر تحديدًا هي بناء «سير عمل من مرحلتين». في المرحلة الأولى، استخدم نموذجًا مجانيًا أو منخفض التكلفة للقيام بالأعمال القذرة مثل جمع المواد، وتنظيف التنسيق، وتوليد المسودة الأولية، والتصنيف والتلخيص البسيط. في المرحلة الثانية، أرسل خلاصة مهذبة عالية النقاوة إلى النموذج الأعلى، لتنفيذ القرارات الأساسية والتدقيق العميق.

على سبيل المثال، إذا كنت تريد تحليل تقرير مهني من 100 صفحة، يمكنك أولًا استخدام Gemini Flash لاستخراج البيانات والنتائج الرئيسية من التقرير، ثم تنظيمها في ملخص من 10 صفحات، وبعدها تسليم هذا الملخص إلى Claude Opus لإجراء تحليل عميق وتقييم. هذا النوع من سير العمل ثنائي المرحلة يمكنه خفض التكلفة بشكل كبير مع الحفاظ على الجودة.

أكثر تطورًا من مجرد معالجة كل جزء على حدة هو تفكيك المهمة إلى توزيع أعمق بناءً على طبيعة العمل. يمكن تفكيك مهمة هندسية معقدة تمامًا إلى عدة مهام فرعية مستقلة، ثم مطابقة كل واحدة مع النموذج الأنسب.

مثلًا، في مهمة تتطلب كتابة كود، يمكن للنموذج الرخيص أن يكتب الهيكل وكود القالب أولًا، ثم يتم تسليم الجزء الخاص بالمنطق الأساسي فقط إلى النموذج الغالي لتنفيذه. كل مهمة فرعية تحصل على سياق نظيف ومركّز، والنتيجة تكون أدق والتكلفة أقل.

لم تكن مضطرًا أصلًا إلى دفع Token

كل النقاشات السابقة تدور جوهريًا حول معالجة سؤال تكتيكي: «كيف توفر المال؟». لكن هناك سؤال منطقي أعمق يغفل عنه كثيرون: هل هذا الفعل أصلًا يحتاج إلى دفع Token؟

أقصى مستوى من التوفير ليس تحسين الخوارزمية، بل «التحكم الحاسم» في القرار. نحن معتادون أن نطلب من الذكاء الاصطناعي حلولًا شاملة، لكننا ننسى أنه في كثير من السيناريوهات، استدعاء نموذج كبير غالي الثمن يشبه إطلاق مدفع مضاد للطائرات على بعوضة.

مثلًا، إذا جعلت الذكاء الاصطناعي يعالج البريد تلقائيًا، فإنه سيتعامل مع كل رسالة كأنها مهمة مستقلة لفهمها وتصنيفها والرد عليها، فتكون تكلفة Token هائلة. لكن إذا خصصت 30 ثانية فقط لتفقد صندوق الوارد يدويًا، وتستبعد الرسائل الواضحة التي لا تحتاج إلى معالجة بالذكاء الاصطناعي، ثم تسلّم الباقي للذكاء الاصطناعي، فإن التكلفة ستنخفض فورًا إلى جزء صغير مما كانت عليه. قوة الحكم لدى البشر ليست عائقًا هنا، بل هي أفضل فلتر.

أناس عصر Telegram يعرفون أنه كلما أرسلت كلمة أكثر، ستدفع أكثر—لذا يوازنون. إنها حساسية بديهية تجاه الموارد. في عصر الذكاء الاصطناعي الأمر نفسه: عندما تعرف فعلاً كم تكلفك كل كلمة إضافية يدعوك بها الذكاء الاصطناعي، ستوزن تلقائيًا هل الأمر يستحق، وهل هذه المهمة تحتاج إلى نموذج فئة عليا أم نموذجًا رخيصًا، وما إذا كان هذا السياق لا يزال مفيدًا أم لا.

هذا النوع من الموازنة هو القدرة الأكثر توفيرًا للمال. في زمن أصبحت فيه قوة الحوسبة أغلى، فإن الطريقة الأذكى ليست أن تستبدل البشر بالذكاء الاصطناعي، بل أن تعمل الآلة والإنسان فيما يجيدان كلٌ منهما. وعندما تصبح حساسية Token متأصلة كتكيّف انعكاسي، عندها فقط تعود من تابعة لقوة الحوسبة إلى مالكها.