جهد التفكير ورموز التفكير: لماذا يكلف التفكير أكثر

طلبك كان سؤالاً واقعياً واحداً. الجواب كان ثلاثة أسطر. عدّاد المخرجات يقول آلاف الرموز. هذا ليس خطأً برمجياً: قبل الإجابة، تفكّر العديد من النماذج في مسودة مخفية، ورموز التفكير هذه تُحتسب كرموز مخرجات. إعداد الجهد يحدد مقدار هذا التفكير، ويجب أن يترك max_tokens مساحة له، وإلا تحصل على إجابة مقطوعة أو فارغة.

ما يفعله النموذج قبل أن يجيب#

تخيّل امتحاناً. يمكنك كتابة الإجابة مباشرة، أو ملء صفحة من العمل الخام أولاً. غالباً ما يعطي العمل الخام نتيجة أفضل في مسألة صعبة، لكن الورق ليس مجانياً. التفكير هو ذلك العمل الخام، ويُحتسب في الرموز مثل كل شيء آخر.

تقول وثائق التفكير الموسّع من Anthropic (تم التحقق منها في 23 أكتوبر 2026) إن رموز التفكير جزء من رموز المخرجات المفوترة، وتخبرك الاستجابة بعددها: usage.output_tokens_details.thinking_tokens. لنفترض أن استجابة تعود مع كتلة الاستخدام هذه (أرقام مثال):

"usage": {
  "input_tokens": 480,
  "output_tokens": 2150,
  "output_tokens_details": { "thinking_tokens": 1900 }
}

أنت تُفوتر مقابل 2,150 رمز مخرجات. استغرق التفكير 1,900 منها، لذا النص الذي تقرأه فعلاً هو 2,150 − 1,900 = 250 رمزاً. الأمر نفسه ينطبق حتى عندما لا يُعاد إليك نص التفكير: فإنه لا يزال يُحتسب. إذا أردت أولاً توضيح الفرق بين المدخلات والمخرجات، ابدأ بـ رموز المدخلات مقابل المخرجات.

الجهد: مقبض التحكم في التفكير#

في واجهة Claude البرمجية، المقبض هو output_config.effort. تسرد صفحة الجهد من Anthropic (تم التحقق منها في 23 أكتوبر 2026) خمسة مستويات: low، medium، high، xhigh، max. ثلاث تفاصيل تهم المبتدئ:

• يؤثر على كل رمز مخرجات، وليس التفكير فقط: النص واستدعاءات الأدوات والتفكير معاً.
• إنه إشارة سلوكية، وليس ميزانية صارمة. الجهد الأقل يعني رموزاً أقل مقابل بعض القدرة؛ عند الجهد المنخفض يمكن لـ Claude تخطي التفكير تماماً في مسألة بسيطة.
• القيمة الافتراضية هي medium على Claude Opus 5.5 وClaude Haiku 5.5، وhigh على معظم النماذج الأخرى التي تدعم المعامل. تعيين الافتراضي صراحةً هو نفس تركه خارج الطلب.

تُعاد معايرة المستويات لكل نموذج، لذا high على نموذج ما ليس نفس مقدار التفكير مثل high على نموذج آخر، ولا يقبل كل نموذج كل مستوى. في فيديو منشور، شغّل أحدهم كل مستويات الجهد لـ Claude Opus 5.5 على نفس مهمة الرسوم المتحركة وقارن الصور. إنها طريقة جيدة لرؤية ما يشتريه التفكير الإضافي. لن تخبرك بفاتورتك، لأن مهمتك ليست مهمتهم.

طلب لسؤال بسيط، مع خفض الجهد:

{
  "model": "claude-opus-5-5",
  "max_tokens": 4000,
  "output_config": { "effort": "low" },
  "messages": [
    { "role": "user", "content": "What is the capital of Australia?" }
  ]
}

فخ الإجابة الفارغة: التفكير يُحتسب ضمن max_tokens#

إليك كيف يسوء الأمر. تتوقع إجابة من جملتين، لذا تضبط max_tokens على 300. يبدأ النموذج بالتفكير، ينفق الـ 300 على مسودته، يصل إلى الحد ويتوقف. تحصل على رد فارغ أو جملة تنتهي في منتصف كلمة، ويقول سبب التوقف max_tokens.

الوثائق صريحة: max_tokens حد صارم على إجمالي المخرجات، التفكير زائد نص الاستجابة، والتفكير يُحتسب حتى عندما لا يُعاد محتواه. عند جهد high وما فوق، تقول Anthropic بضبط قيمة كبيرة.

عملياً:

1. خذ طول الإجابة التي تريدها.
2. أضف مساحة سخية للتفكير. بضعة آلاف من الرموز بداية معقولة لأي شيء فوق low.
3. تحقق من سبب التوقف بعد التشغيلات الأولى. إذا كان لا يزال يقول max_tokens، ارفع الحد. إذا كانت الإجابة كاملة، يمكنك خفضه.

القطع نفسه، مع finish_reason ونافذة السياق، مُغطى في لماذا تتوقف إجابة الذكاء الاصطناعي في منتصف الجملة.

ماذا يفعل التفكير الطويل بالفاتورة#

لنفترض أنك تشغّل روبوت دعم بـ 2,000 تذكرة يومياً. كل تذكرة حوالي 500 رمز مدخلات. إجابة قصيرة ومباشرة حوالي 400 رمز مخرجات. نفس التذكرة مع تفكير مخفي طويل حوالي 4,000 رمز مخرجات. هذه افتراضات للمثال؛ لأرقامك الخاصة راجع كم عدد الرموز التي يستهلكها الطلب.

يومياً هذا 2,000 × 500 = 1,000,000 رمز مدخلات، وإما 2,000 × 400 = 800,000 رمز مخرجات أو 2,000 × 4,000 = 8,000,000 رمز مخرجات. يرى قارئ التذكرة نفس السطرين في الحالتين. الشيء الوحيد الذي تغير هو حجم المخرجات، والمخرجات هي الجانب الذي يضخمه التفكير.

الحساب نفسه على أي نموذج يفوتر التفكير المخفي: رموز المخرجات × سعر المخرجات. بالنسبة لـ DeepSeek-V4-Flash هذا السعر هو $0.10 لكل 1M رمز مخرجات، وجانب المخرجات لديه أرخص من سعر OpenRouter المرجعي. كما يجيب حتى 32,768 رمزاً في المرة مع سياق 380K، لذا max_tokens كبير يناسب. الأسعار ثابتة لكل نموذج، بدون ساعات ذروة، والجدول أعلاه يُعاد حسابه من قائمة الأسعار المباشرة. جميع الأسعار على صفحة التسعير؛ صفحة DeepSeek تحتوي على تفاصيل النموذج.

إليك طلباً لترسله بنفسك. إنها مهمة تلخيص عادية، لذا لا تحتاج إلى تفكير طويل، والحد يترك مساحة كبيرة:

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": 2000,
    "messages": [
      {"role": "user", "content": "Summarize in one sentence: A token is a small piece of text that a model reads and writes, and APIs bill by the token."}
    ]
  }'

في الرد، usage.completion_tokens هو ما تدفع مقابله على جانب المخرجات، ويجب أن يكون finish_reason هو stop. إذا قال length، فإن الحد قطع الإجابة. للحصول على المفتاح وأول استدعاء: الوثائق.

أي جهد لأي مهمة#

• حقيقة، ملخص من سطر واحد، تصنيف. أقل جهد. هذه هي الحالة من بداية المقال: لا تحتاج إلى العمل الخام.
• كتابة يومية، شرح قصير، تعديل بسيط. الافتراضي للنموذج. غيّره فقط بعد أن ترى تكلفة الإجابات.
• خطأ برمجي معقد، خطة متعددة الخطوات، مسألة رياضية. high أو أعلى، وmax_tokens كبير. هنا التفكير الإضافي هو الهدف.

عند الشك، شغّل نفس الطلب على مستويين، قارن الإجابات، وقارن output_tokens. إذا كانت الإجابة الأرخص جيدة بالقدر نفسه، فقد وجدت مستواك.

نقل طلب قديم: خطأ 400#

تحكم الكود الأقدم في التفكير عبر ميزانية رموز. على Claude 4.7 والنماذج الأحدث (Opus 5.5، Sonnet 5.5، Haiku 5.5، Fable 5.1) يُرفض هذا الشكل بخطأ 400. تنتقل إلى التفكير التكيفي وتضبط العمق بالجهد:

// before: returns 400 on newer models
"thinking": { "type": "enabled", "budget_tokens": 8000 }

// after
"thinking": { "type": "adaptive" },
"output_config": { "effort": "medium" }

فخ آخر: على Opus 5.5 يكون التفكير التكيفي مفعّلاً دائماً، وthinking: { "type": "disabled" } يعيد 400 عند كل مستوى جهد. يسمح Haiku 5.5 بتعطيل التفكير عند جهد high أو أقل. إذا أردت تفكيراً أقل على Opus 5.5، اخفض الجهد بدلاً من إيقافه.

الوكلاء والمحادثات الطويلة: اختر مستوى واحداً وحافظ عليه#

إذا كان طلبك مخزناً مؤقتاً، فإن تغيير الجهد الأعلى بين الطلبات يبطل نقاط توقف الذاكرة المؤقتة لتلك المحادثة. لحلقة وكيل أو محادثة طويلة، اختر مستوى واحداً مسبقاً. تقدم بعض النماذج جهداً لكل رسالة في النسخة التجريبية يحافظ على الذاكرة المؤقتة، وهو أمر يستحق النظر بمجرد أن تتقن الأساسيات. للمحادثات الطويلة محرك تكلفة ثانٍ، مُغطى في لماذا تكلف محادثة طويلة أكثر.

جرّبه على طلبك الخاص#

1. أرسل طلبك الحقيقي مرة واحدة واقرأ usage: كم عدد رموز المخرجات، وكم منها تفكير.
2. اخفض الجهد خطوة وأرسله مرة أخرى. قارن الإجابات والأعداد.
3. اضبط max_tokens على الإجابة التي تريدها زائد مساحة للتفكير، وتحقق من سبب التوقف.

ثم ضع أعداد رموزك في جدول الأسعار المباشر على صفحة التسعير وستحصل على تقدير شهري.