رموز التفكير في مهمة كبيرة: الجهد، الحدود القصوى، ميزانيات المراحل

تُحتسب رموز التفكير كرموز إخراج، وتُحسب ضمن max_tokens حتى عندما لا تراها أبدًا. لذا تعتمد فاتورة أي مهمة كبيرة على مقدار ما يفكر فيه النموذج، وليس فقط على طول إجابته المرئية. الرافعتان المهمتان هما حد أقصى للإخراج وتقسيم المهمة: نموذج رخيص للمرور الشامل، ونموذج أقوى للتجميع فقط.

إذا عمل وكيلك لمدة عشر دقائق وكانت الفاتورة أكبر من المهمة، فهذا أول مكان تبحث فيه.

كيف يبدو رمز التفكير على الفاتورة#

خذ مصنّفًا يجيب بـ keep أو drop لكل تعليق. الإجابة المرئية كلمة واحدة؛ لنخصص لها حوالي 20 رمز إخراج. لنفترض أن النموذج يفكر أولًا ويستهلك 600 رمز في ذلك. ترى 20 رمزًا على الشاشة وتدفع مقابل 620.

صفحة الجهد من Anthropic (تم التحقق منها في 5 نوفمبر 2026) صريحة في ذلك: يُحتسب التفكير ضمن max_tokens حتى عندما لا يُعاد محتوى التفكير، وmax_tokens حد صارم على إجمالي الإخراج، التفكير بالإضافة إلى نص الرد. جانب الإخراج هو أيضًا الجانب الأعلى سعرًا لكل رمز، ولهذا يؤلم هذا.

اضرب ذلك في 40,000 تعليق وسيكون الجزء غير المرئي معظم الفاتورة. لأساسيات جانبي الطلب، راجع رموز الإدخال مقابل الإخراج.

الجهد: قرص دوّار، وليس ميزانية#

تضبط واجهة Messages API من Anthropic الجهد باستخدام output_config.effort. بدون قيمة، يُطبق الافتراضي للنموذج. المستويات هي max، xhigh، high، medium وlow. الافتراضي هو high على معظم النماذج؛ Claude Opus 5.5 وClaude Haiku 5.5 افتراضيًا medium.

ثلاثة تفاصيل من الصفحة نفسها تستحق التذكر:

• ينطبق الجهد على كل رمز إخراج، مع أو بدون تفكير. الجهد الأقل يعني أيضًا استدعاءات أدوات أقل وأكثر إيجازًا، وهذا مهم للوكلاء.
• low يناسب المهام الأبسط والوكلاء الفرعيين.
• الجهد إشارة سلوكية، وليس ميزانية رموز صارمة. إنه يوجه النموذج؛ ولا يضمن رقمًا. الحد الصارم هو max_tokens.

إذن الجهد هو القرص الدوّار لمدى محاولة النموذج، وحد الإخراج هو السياج. تريد كليهما حيث يتوفران. للقصة البسيطة عن سبب تكلفة التفكير أكثر، هناك نسخة للمبتدئين: جهد الاستدلال ورموز التفكير مشروحة.

خط أنابيب حقيقي: نموذج يوجّه وآخر ينفذ الجزء الأكبر#

وصف Andrej Karpathy، باحث الذكاء الاصطناعي وأحد مؤسسي OpenAI، خط أنابيب فيديو HN الخاص به في 31 أكتوبر 2026 (المنشور). قام Claude Opus 5.5 عند جهد Medium، وهو الافتراضي، بتنزيل جميع تعليقات Hacker News، وحصرها في حوالي 40,000 تعليق توصي بفيديو YouTube، وبنى موقعًا يضم 6,454 فيديو من 2007 إلى 2026 عبر 150 موضوعًا. شغّل Sonnet التعليقات في سير عمل Claude Code لتصفية البريد العشوائي والعثور على التوصيات. وفقًا لحسابه، يستغرق الأمر كله حوالي ساعتين الآن.

لا يقدم المنشور أعداد رموز ولا تكلفة، لذا لا يوجد شيء لاقتباسه عن السعر. ما يظهره هو الشكل: النموذج الأقوى يجلس في الأعلى عند جهد متوسط ويقرر ما يجب بناؤه؛ نموذج أرخص يطحن الجزء المتكرر. لاحظ أين تذهب الرموز. التوجيه خطوات قليلة كبيرة ونادرة. التصفية عشرات الآلاف من الخطوات الصغيرة المتطابقة.

يعمل التقسيم نفسه مع أي زوج من النماذج. إذا أردت موجه التصفية نفسه، فهو في تصفية 40 ألف تعليق باستخدام LLM؛ لتحديد أي طلب يذهب إلى أي نموذج، راجع توجيه النماذج، الرخيص أولًا.

قدّر المرور الشامل#

هذا افتراضنا الخاص، وليس أرقام Karpathy: 40,000 تعليق، حوالي 150 رمز إدخال لكل منها (تعليمات بالإضافة إلى تعليق) وحوالي 20 رمز إخراج لكل منها (تسمية وبضع كلمات).

• الإدخال: 40,000 × 150 = 6,000,000 رمز
• الإخراج: 40,000 × 20 = 800,000 رمز

على DeepSeek-V4-Flash يكلف هذا المرور $0.17. يعرض الجدول عبء العمل نفسه على كل نموذج نخدمه؛ في المجموع، مع احتساب الإدخال والإخراج معًا، كل واحد منها أرخص من OpenRouter.

الآن دع النموذج يفكر لمدة 600 رمز لكل تعليق قبل أن يجيب، أي 620 رمز إخراج لكل عنصر: 40,000 × 620 = 24,800,000 رمز إخراج. يصبح المرور نفسه على DeepSeek-V4-Flash $2.57. نفس الإدخال، وإذا فكر النموذج 600 رمز لكل تعليق، ينمو جانب الإخراج واحدًا وثلاثين مرة. هل هذا التفكير يستحق ذلك متروك لتقييمك الخاص؛ بالنسبة لقرار إبقاء/إسقاط من كلمة واحدة، هذا أول شيء يجب اختباره عند مستوى أقل أو مع حد أقصى.

العب بأرقامك الخاصة: الرموز لكل طلب وعدد الطلبات، وتستخدم الحاسبة الأسعار الحية.

رافعات يمكنك سحبها اليوم#

تعرض واجهات API المختلفة عناصر تحكم مختلفة في التفكير، لذا إليك ما يعمل في كل مكان: حد أقصى صارم، وتعليمات إجابة قصيرة، وتقسيم المراحل.

طلب بسيط للمرور الشامل على CheapTokens. عنوان URL الأساسي هو https://api.cheaptokens.dev/v1 ومعرّف النموذج هو الكامل من الوثائق:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "max_tokens": 1024,
    "messages": [
      {"role": "system", "content": "Reply with exactly one word: keep or drop."},
      {"role": "user", "content": "Comment: this talk on compilers changed how I think, youtube.com/watch?v=example"}
    ]
  }'

اقرأ usage.completion_tokens في الاستجابة: هذا الرقم هو فاتورة الإخراج لطلبك. يحد الحد الأقصى التفكير والإجابة المرئية معًا. إذا كان finish_reason هو length والمحتوى فارغًا، فقد استُنفد الحد الأقصى قبل ظهور الإجابة: ارفعه، أو اطلب إجابة أقصر. تحقق من usage.completion_tokens على بضعة تعليقات، ثم اضبط الحد الأقصى فوق الحد الأقصى الحقيقي بقليل. تفاصيل الحد وتسلسل الإيقاف موجودة في قطع رموز الإخراج، والقطع في منتصف الجملة مشروح في لماذا تتوقف الإجابة في منتصف الجملة.

يسمح DeepSeek-V4-Flash بما يصل إلى 32,768 رمز إخراج لكل إجابة مع سياق 380K، لذا فإن حدًا أقصى قدره 1,024 هو خيار، وليس حدًا. GLM-5.3-Flash (8,192 إخراج، سياق 390K) وMiniMax-M2.7 (8,192 إخراج، سياق 180K) يناسبان النمط نفسه. اختر الحد الأقصى لكل مرحلة.

لمشاهدة كل شيء في صفحة واحدة، جدول الأسعار الحي موجود في أسعار CheapTokens، وتنسيق الطلب في الوثائق.

الجهد لكل مرحلة: قاعدة قصيرة#

ابدأ منخفضًا في المرور الشامل وارفع مرحلة واحدة في كل مرة. احتفظ بالرقم الذي يقول تقييمك الخاص إنه يستحق، وليس الرقم الذي يبدو أكثر أمانًا. يجب أن يرى النموذج القوي مجموعة صغيرة ومصفاة مسبقًا؛ ويجب أن يرى الرخيص كل شيء آخر.