أي نموذج رخيص لمهمتك؟ اختر حسب نسبة الإدخال إلى الإخراج

اختر حسب شكل مهمتك، لا حسب السعر المعلن. إذا كان الإدخال طويلاً والجواب قصيراً (ملخصات التقارير الطويلة، الوسم على مدخلات طويلة)، فإن DeepSeek-V4-Flash هو الأقل تكلفة بين الثلاثة. وإذا كان الجواب بطول الإدخال أو أطول (جولات محادثة قصيرة، إعادة الصياغة، توليد الشيفرة)، فإن GLM-5.3-Flash هو الأقل، والمحادثة الطويلة تقلب الإجابة في منتصفها. أما MiniMax-M2.7 فهو الخيار عندما يقول اختبارك الخاص إن إجاباته تناسبك أكثر، وهو الأبعد بين الثلاثة عن سعر OpenRouter المرجعي.

يمكنك أن ترى في أي جانب أنت بعد 20 طلباً. الأسعار أدناه مأخوذة من مرجع أسعار CheapTokens بتاريخ 6 نوفمبر 2026، وكل رقم في جدول أو علامة حي، فيتبع التعرفات الحالية.

للطلب عدّادان#

يُحتسب كل طلب مرتين: مرة على الرموز التي ترسلها (الإدخال)، ومرة على الرموز التي يكتبها النموذج رداً (الإخراج). ويضع كل نموذج سعره الخاص لكل جانب، وهنا يخطئ من يقارن الأسعار المعلنة (الأساسيات في Input vs output tokens: what an AI API bills you for).

يتقاضى DeepSeek-V4-Flash $0.015 للإدخال و$0.10 للإخراج لكل مليون رمز. ويتقاضى GLM-5.3-Flash $0.02 و$0.04. ويتقاضى MiniMax-M2.7 $0.05 و$0.15. أحد النماذج أرخص في الدخول وآخر في الخروج، لذا يعتمد الفائز على عدد الرموز التي تمر في كل اتجاه.

هذه النسبة هي الرقم الذي يجب معرفته: رموز الإدخال مقسومة على رموز الإخراج. أداة وسم تقرأ تذكرة من 600 رمز وتجيب بوسم من 10 رموز تكون عند 60 إلى 1 (600 ÷ 10 = 60). وأداة إعادة صياغة تأخذ فقرة من 400 رمز وتعيد 800 رمز تكون عند 1 إلى 2 (400 ÷ 800 = 0.5).

قِس نسبتك في 20 طلباً#

التخمين هو مصدر الخطأ هنا، لذا قِس. كل استجابة Chat Completions تحمل كائن usage فيه prompt_tokens (ما أرسلته) وcompletion_tokens (ما عاد). وتسميهما صيغة Anthropic Messages input_tokens وoutput_tokens؛ وتُظهر وثائق CheapTokens الصيغتين.

خذ 20–50 طلباً حقيقياً من مهمتك واجمع كل جانب. اجمع ولا تحسب متوسط النسب لكل طلب: جواب صغير واحد سيجرف المتوسط بعيداً.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompts = ["...", "..."]  # 20-50 real inputs from your task

tokens_in = tokens_out = 0
for text in prompts:
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V4-Flash-0731",
        messages=[{"role": "user", "content": text}],
        max_tokens=2000,
    )
    tokens_in += r.usage.prompt_tokens
    tokens_out += r.usage.completion_tokens

print(f"input {tokens_in}, output {tokens_out}, ratio {tokens_in / tokens_out:.1f} : 1")

يطبع السطر الأخير نسبتك. هذا الرقم الوحيد هو كل ما تحمله إلى القسم التالي.

ماذا تفعل النسبة بالفاتورة#

إليك أربعة أشكال شائعة. الأحجام افتراضات اختيرت لتكون نموذجية؛ استبدلها بالأرقام من تشغيلك الخاص.

وسم 10,000 تذكرة يومياً#

لنقل إن أداة دعم تسم 10,000 تذكرة يومياً: 600 رمز دخولاً، ووسم من 10 رموز خروجاً. اليوم كله على كل نموذج:

اقرأ الجدول. DeepSeek-V4-Flash هو الأرخص بين الثلاثة هنا، لأن كل رمز تدفع مقابله تقريباً هو إدخال. ويُظهر عمود OpenRouter أن النماذج الثلاثة كلها دون السعر المرجعي إجمالاً، مع احتساب الإدخال والإخراج معاً.

تلخيص التقارير الطويلة#

تقرير من 12,000 رمز يُضغط في ملخص من 300 رمز هو 40 إلى 1 (12,000 ÷ 300 = 40). يكلف الملخص الواحد $0.00021 على DeepSeek-V4-Flash و$0.00025 على GLM-5.3-Flash. نفس القصة كالوسم: كلما قرأت أكثر مقابل كل كلمة تكتبها، ساعد سعر إدخال DeepSeek أكثر.

إعادة الصياغة وملفات الشيفرة#

الآن اقلبها. إعادة صياغة النبرة تأخذ 400 رمز وتعطي 800. DeepSeek-V4-Flash: $0.000086. GLM-5.3-Flash: $0.00004. الإخراج هو النصف الأكبر من هذه الفاتورة، لذا يفوز النموذج ذو أقل سعر إخراج، وهو GLM-5.3-Flash.

محادثة تستمر في النمو#

المحادثة هي المخادعة، لأن الـ API لا ذاكرة له: في كل جولة تعيد إرسال مصفوفة الرسائل كاملة. في الجولة 1 يكتب المستخدم 300 رمز ويجيب البوت بـ 200 (300 ÷ 200 = 1.5). هذه أرض GLM: $0.000014 مقابل $0.000025 على DeepSeek-V4-Flash.

بحلول الجولة 30 يصبح السجل 6,000 رمز ويبقى الجواب 200 (6,000 ÷ 200 = 30). الآن يواجه $0.00013 على GLM-5.3-Flash $0.00011 على DeepSeek-V4-Flash، وقد انقلب النموذج الأرخص. نفس البوت يغيّر أفضل نموذج له في منتصف محادثة طويلة.

عندما يحدد طول جواب واحد#

النسبة ليست البوابة الوحيدة. حد الجواب يختلف: يكتب DeepSeek-V4-Flash حتى 32,768 رمز إخراج في جواب واحد، ويكتب GLM-5.3-Flash وMiniMax-M2.7 حتى 8,192.

لنقل إنك تطلب وحدة كاملة من 12,000 رمز دفعة واحدة. على نموذج محدود بـ 8,192 يتوقف الرد في منتصف الملف بـ finish_reason: length (الحل في AI answer cut off? Fix finish_reason length and max_tokens). وعلى DeepSeek-V4-Flash يتسع. لذا للمخرجات الطويلة الفردية، افحص الحد أولاً والنسبة ثانياً.

من جهة الإدخال يأخذ GLM-5.3-Flash سياقاً من 390K رمز وDeepSeek-V4-Flash 380K، وهو ما يكفي لوثيقة بطول كتاب كامل في طلب واحد. وMiniMax-M2.7 لديه 180K.

أين يقع MiniMax-M2.7#

النسبة تحسم بين الصفين الفائزين في الجداول أعلاه. وتختار MiniMax-M2.7 لسبب مختلف: كيف تُقرأ إجاباته على مهمتك. وفي جدول التكلفة يُظهر أيضاً أوسع هامش تحت عمود OpenRouter، و180K من السياق وفيرة للمحادثة ومعظم المستندات.

لا يوجد جدول أسعار يخبرك عن الجودة. شغّل نفس الـ 20 توجيهاً من خطوة القياس عبر المعرّفات الثلاثة (zai-org/GLM-5.3-Flash، deepseek-ai/DeepSeek-V4-Flash-0731، MiniMaxAI/MiniMax-M2.7) واقرأ الإجابات جنباً إلى جنب. لنظرة عامة وجهاً لوجه راجع GLM vs DeepSeek vs MiniMax: which model to choose. لجلسات الوكيل الكاملة، راجع Agent session cost: 50 steps on GLM, DeepSeek or MiniMax.

ضع أرقامك الخاصة#

أدخل رموز طلب واحد وعدد الطلبات التي ترسلها يومياً. تستخدم الحاسبة الأسعار الحية وتعرض النماذج الثلاثة. القيم الابتدائية لبوت إجابات RAG: 3,000 رمز من النص المسترجع والسؤال دخولاً، و500 خروجاً. اسحب الإدخال للأعلى وراقب تغيّر الصف الأرخص.

عندما تبدو الأرقام صحيحة، راجع هذه القائمة.

عنوان URL الأساسي ومعرّفات النماذج في وثائق CheapTokens، وقائمة الأسعار الحية الكاملة في صفحة الأسعار، ولكل نموذج صفحته الخاصة: GLM، DeepSeek، MiniMax. رصيد واحد يغطي الثلاثة، لذا فإن التبديل بعد القياس تغيير من سطر واحد لمعرّف النموذج.