OpenAI يخفض سعر GPT-5.6 Luna بنسبة 80% ويطلق وضع Sol API الأسرع

مقدمة

أجرت OpenAI تعديلات سعرية كبيرة على سلسلة GPT-5.6.

اعتبارًا من 30 يوليو 2026، خفضت الشركة سعر واجهة برمجة التطبيقات (API) لنموذج GPT-5.6 Luna بنسبة 80%، وسعر GPT-5.6 Terra بنسبة 20%. النموذج الرائد GPT-5.6 Sol يحافظ على سعره القياسي دون تغيير، لكن OpenAI أطلقت الوضع السريع (Fast Mode) الذي يوفر سرعة معالجة تصل إلى 2.5 ضعف السرعة القياسية، مع الحفاظ على نفس مستوى الذكاء النموذجي.

يأتي هذا التغيير في وقت نشرت فيه OpenAI تقريرًا هندسيًا تحليليًا يُظهر كيف ساعد GPT-5.6 Sol في تحسين الأنظمة المستخدمة لخدمة GPT-5.6 نفسه. وفقًا لـ OpenAI، أدت التحسينات في نوى معالجة الرسومات (GPU) على مستوى الإنتاج إلى خفض تكلفة الخدمة الشاملة بنسبة 20%، بينما حسّنت تحسينات فك الترميز التخميني كفاءة توليد الرموز بأكثر من 15%.

النتيجة هي أن OpenAI تتبنى استراتيجية أكثر جرأة على ما تسميه حدود القيمة مقابل السعر (price-performance frontier): مطابقة كمية الذكاء المستخدم مع القيمة الاقتصادية للمهمة.

بالنسبة للمطورين، أهم التغييرات واضحة في لمحة واحدة: Luna الآن منخفض السعر بشكل كبير لأحمال العمل عالية الإنتاجية للوكلاء، وTerra أصبحت أرخص للاستخدام اليومي، وSol يمكن شراؤها بمستوى خدمة أعلى عندما يكون زمن الاستجابة أكثر أهمية من السعر.

1. خفض سعر Luna بنسبة 80% وTerra بنسبة 20% وإطلاق الوضع السريع لـ Sol

تحديث التسعير في 30 يوليو يشمل سلسلة GPT-5.6 بأكملها، لكن حجم التعديلات يختلف من نموذج لآخر.

GPT-5.6 Luna: أكبر خفض في الأسعار

حصل Luna على أكثر تخفيض جذري في الأسعار.

تم تعديل سعر واجهة برمجة التطبيقات القياسي من المستويات التالية:

نوع الرمز	السعر الأصلي	السعر الجديد	التغيير
الإدخال	1.00 دولار / مليون رمز	0.20 دولار / مليون رمز	-80%
الإخراج	6.00 دولار / مليون رمز	1.20 دولار / مليون رمز	-80%

تصف OpenAI نموذج Luna بأنه الأسرع والأكثر تكلفة مناسبة في سلسلة GPT-5.6، وتضعه في موقع موجه لأحمال العمل عالية الإنتاجية الحساسة للتكلفة.

يشمل ذلك المهام التالية:

• التصنيف
• استخراج المعلومات
• الوكلاء الخلفيون
• أعمال البرمجة اليومية
• توليد الاختبارات
• سير عمل المخرجات المهيكلة
• الوكلاء الفرعيون الذين يستخدمون الأدوات
• معالجة المستندات على نطاق واسع

التسعير المنخفض يغير بشكل خاص الاقتصاديات الحسابية لدورات الوكلاء، لأن طلب المستخدم الواحد قد يتضمن استدعاءات متعددة للنموذج بدلاً من إكمال واحد بسيط.

تقول OpenAI إن Luna قادر على استخدام الأدوات وإتمام سير عمل متعدد الخطوات، مما يجعل إسناد المزيد من العمل إلى نماذج أقل تكلفة أمرًا عمليًا، دون الحاجة إلى حصر سلوك الوكلاء في المستوى المتقدم الأعلى سعرًا.

GPT-5.6 Terra: تخفيض أصغر لكنه مهم

سعر واجهة برمجة التطبيقات القياسي لـ Terra الآن:

نوع الرمز	السعر الأصلي	السعر الجديد	التغيير
الإدخال	2.50 دولار / مليون رمز	2.00 دولار / مليون رمز	-20%
الإخراج	15.00 دولار / مليون رمز	12.00 دولار / مليون رمز	-20%

يبقى Terra النموذج متوسط المستوى في سلسلة GPT-5.6.

وهو مصمم لأحمال العمل التي تتطلب قدرات استدلال أقوى من Luna دون الحاجة بالضرورة إلى التكلفة الأعلى لـ Sol.

التطبيقات النموذجية تشمل:

• وكلاء المؤسسات اليوميون
• المساعدة في البرمجة
• الأسئلة والأجوبة في مساحة العمل
• تحليل المستندات
• بحث محدود النطاق
• سير عمل مهنية متعددة الخطوات

أشارت OpenAI إلى Notion كأحد العملاء الذين يستخدمون Terra لأحمال عمل الوكلاء الشخصيين، مثل الأسئلة والأجوبة الحساسة لزمن الاستجابة في مساحة العمل والمهام محدودة النطاق.

GPT-5.6 Sol يحافظ على السعر القياسي دون تغيير

يبقى تسعير واجهة برمجة التطبيقات القياسية لـ Sol دون تغيير:

نوع الرمز	السعر القياسي
الإدخال	5.00 دولار / مليون رمز
الإخراج	30.00 دولار / مليون رمز

تغيير Sol ليس خفضًا في السعر.

بدلاً من ذلك، أطلقت OpenAI الوضع السريع (Fast Mode).

الوضع السريع لـ Sol: سرعة تصل إلى 2.5 ضعف

يستبدل الوضع السريع مصطلحات الأولوية السابقة من OpenAI.

بالنسبة لـ GPT-5.6 Sol، تقول OpenAI إن الوضع السريع يعالج الطلبات بسرعة تصل إلى 2.5 ضعف المعالجة القياسية، مع نفس مستوى ذكاء النموذج.

الثمن هو السعر.

تكلفة الوضع السريع هي ضعف تكلفة المعالجة القياسية.

بالنسبة لـ Sol، هذا يعني:

نوع الرمز	القياسي	الوضع السريع
الإدخال	5.00 دولار / مليون	10.00 دولار / مليون
الإدخال المخزن مؤقتًا	0.50 دولار / مليون	1.00 دولار / مليون
الإخراج	30.00 دولار / مليون	60.00 دولار / مليون

استخدامات طلبات واجهة برمجة التطبيقات الحالية:

service_tier="priority"

تبقى متوافقة مع الإصدارات السابقة ويتم توجيهها إلى الوضع السريع.

تدعم OpenAI أيضًا:

service_tier="fast"

كمعرف خدمة بعد إعادة التسمية.

الوضع السريع مفيد عندما تكون تكلفة الانتظار أعلى من تكلفة الاستدلال الأسرع.

الأمثلة تشمل:

• وكلاء البرمجة التفاعليون
• سير عمل الإنتاج الحساس للوقت
• المساعدة التحليلية في الوقت الفعلي
• عمليات العملاء عالية القيمة
• مهام الوكلاء المعقدة حيث يتراكم زمن الاستجابة عبر خطوات متعددة

سير العمل الذي يتطلب 20 أو 30 استدعاء للنموذج، حتى لو كان زمن استجابة كل استدعاء فردي منخفضًا، قد يبدو أبطأ بكثير من استجابة محادثة واحدة. لذلك، في أنظمة الوكلاء، يمكن أن يكون لسرعة المعالجة الأعلى تأثير مهم غير متناسب.

تغييرات في طريقة احتساب الاستخدام في ChatGPT Work و Codex

تنعكس الأسعار المنخفضة لـ Luna و Terra أيضًا في طريقة احتساب الاستخدام في ChatGPT Work و Codex.

تقول OpenAI:

• يمكن للمستخدمين المجانيين ومستخدمي Go استخدام Terra.
• يمكن لمستخدمي Plus و Pro و Business و Enterprise الاختيار بين Terra و Luna.
• تبقى أسعار الاشتراك وميزانيات الحصص دون تغيير.
• نظرًا لأن Luna و Terra أرخص، فإن استخدامهما يستهلك الآن عددًا أقل من النقاط.

هذا لا يعني أن الاشتراكات المدفوعة أصبحت أرخص بحد ذاتها.

هذا التغيير يعني أنه عندما يختار المستخدمون Luna أو Terra، يمكن استخدام نفس الحصة لفترة أطول.

القيمة مقابل السعر أصبحت مقياسًا أكثر أهمية للنماذج

نشرت OpenAI مخططًا يقارن السعر بالذكاء استنادًا إلى مؤشر تحليل الذكاء الاصطناعي v4.1 (Artificial Analysis Intelligence Index v4.1) لتوضيح الموقع الجديد لـ Luna.

يضع المخطط GPT-5.6 Luna عند أكثر من 50 نقطة على مؤشر الذكاء، مع إظهار أن أحد نماذج Luna بعد تعديل الأسعار

تبلغ التكلفة التقديرية للمهمة المُعرَّفة حوالي 0.05 دولار أمريكي.

لا ينبغي الخلط بين هذه البيانات وسعر أي استدعاء فردي لواجهة برمجة التطبيقات (API).

تحسب Artificial Analysis تكلفة كل مهمة ذكاء اصطناعي بناءً على استخدام الرمز المميز للنماذج ومنهجية مرجحة تعتمد على المعايير القياسية. تعتمد تكلفة طلبات الإنتاج الفعلية على:

• حجم الإدخال

• حجم الإخراج

• عمق الاستدلال

• التخزين المؤقت للسياق (Prompt Caching)

• عدد مرات استدعاء الأدوات

• عدد جولات تشغيل الوكلاء

• فوترة السياق الطويل

• آليات إعادة المحاولة

قبل تخفيض الأسعار في 30 يوليو، أفادت Artificial Analysis أن مؤشر الذكاء الخاص بـ GPT-5.6 Luna في إعداد الاستدلال الأقصى كان حوالي 51.

أسعار الرموز الجديدة المنخفضة جعلت Luna تقترب أكثر من الطرف منخفض التكلفة لمنحنى "الذكاء مقابل التكلفة".

الرسالة الأوسع التي نقلتها OpenAI هي: لا ينبغي للشركات استخدام النموذج الأغلى في كل خطوة.

قد يبدأ سير العمل باستخدام Sol لإزالة الغموض ووضع خطة، ثم يُسند التنفيذ المحدد جيدًا أو الاختبار أو المهام المتكررة إلى Luna.

عندما تمتلك النماذج ذات المستوى الأدنى بالفعل القدرة على استخدام الأدوات وإكمال سير العمل متعدد الخطوات، يصبح هذا النوع من توجيه النماذج أكثر جاذبية.

2. ساعد GPT-5.6 في تحسين البنية التحتية التي تشغّل GPT-5.6

قبل يوم واحد من هذا التخفيض، نشرت OpenAI مقالًا تقنيًا مفصلاً حول كيف أصبح GPT-5.6 أكثر كفاءة.

أكثر النقاط غرابة في هذه القصة هي أن GPT-5.6 Sol نفسه شارك في عملية التحسين.

صرحت OpenAI أن مهندسيها استخدموا Sol عبر Codex لتحليل أنظمة الإنتاج وكتابة كود الأداء واختبار البدائل ومراقبة التجارب.

وصفت الشركة ثلاثة مستويات رئيسية من التحسين:

1. مجموعة أدوات الوكلاء
2. تنسيق API والطلبات
3. استدلال النموذج على البنية التحتية لوحدات معالجة الرسومات (GPU)

ساعد Sol في تحسين نوى GPU في بيئة الإنتاج

على مستوى الاستدلال، قالت OpenAI إن GPT-5.6 Sol أعاد كتابة نوى الإنتاج وحسّنها بشكل مستقل.

نواة GPU هي برامج منخفضة المستوى مسؤولة عن تنفيذ العمليات الحسابية الرياضية بكفاءة على أجهزة المسرّع.

حتى لو لم تتغير بنية النموذج الأساسية، فإن حركة الذاكرة غير الفعالة أو المزامنة أو الجدولة أو تخطيط البيانات يمكن أن تؤدي إلى نقص الاستفادة من موارد GPU المكلفة.

قالت OpenAI إن Sol ساعد في تحديد الأنواع التالية من العمليات الحسابية القابلة للتحسين:

• القابلة للحساب المسبق
• القابلة للتجنب
• القابلة للتوازي
• القابلة لإعادة الترتيب
• القابلة للتنفيذ عبر نوى أكثر كفاءة

ذكرت الشركة على وجه التحديد تقنيتي برمجة GPU وهما Triton و Gluon كمشاركتين في هذا العمل.

وفقًا لـ OpenAI، أدت تحسينات النواة وتحسينات الخدمة المرتبطة بها إلى خفض التكلفة الإجمالية لخدمة GPT-5.6 بنسبة 20%.

حسّن Sol أيضًا عملية فك الترميز التخميني (Speculative Decoding)

تحسين مهم آخر جاء من فك الترميز التخميني.

النسخة المبسطة من فك الترميز التخميني هي كما يلي:

1. نموذج مسودة أصغر يتنبأ بعدة رموز متتالية محتملة.
2. يقوم النموذج الرئيسي بتقييم هذه الرموز المرشحة بالتوازي.
3. يمكن إخراج الرموز المقبولة دون الحاجة إلى نفس القدر من العمل التوليدي المتسلسل.

لذلك، فإن جودة نموذج المسودة أمر بالغ الأهمية.

قالت OpenAI إن GPT-5.6 Sol صمم وأجرى مئات التجارب على بنية النموذج التخميني، بما في ذلك تغييرات في:

• الحجم
• البنية
• الميزات
• إعدادات التدريب

كما راقب Sol عملية التدريب وتدخل عند حدوث أعطال في الأجهزة أو عدم استقرار في التدريب.

قالت OpenAI إن التحسينات الناتجة أدت إلى زيادة كفاءة توليد الرموز بأكثر من 15%.

موازنة التحميل مهمة بنفس القدر

لا تعتمد تكلفة النموذج فقط على الكود الذي يعمل داخل وحدة GPU واحدة.

يجب توجيه الطلبات بين المستويات التالية:

• المناطق
• مراكز البيانات
• أنواع المسرّعات
• المجموعات (Clusters)
• مثيلات النموذج
• الشبكات الفرعية للنموذج
• النوى الحاسوبية

إذا لم يتم توزيع العمل بشكل عادل وكانت بعض الأجهزة خاملة، فقد تظل التكاليف مرتفعة حتى مع وجود مسرّعات قوية.

قالت OpenAI إن Sol ساعد في تحليل حركة مرور الإنتاج، وتحديد جذور اختلال التوازن، واختبار استراتيجيات التوجيه البديلة، وضبط القواعد الاسترشادية المستخدمة لتوزيع الطلبات.

يمكن لهذا النوع من التحسينات التشغيلية رفع الإنتاجية الإجمالية دون استثمار إضافي مماثل في الأجهزة.

إدارة السياق تقلل الحسابات المكررة

قامت OpenAI أيضًا بتحسين إطار عمل الوكلاء المستخدم في أنظمة مثل Codex و ChatGPT Work.

قد يحتاج الوكيل إلى استدعاء النماذج والأدوات عدة مرات قبل إرجاع النتيجة النهائية.

على سبيل المثال، قد يقوم Codex بـ:

1. فحص الكود المصدري.
2. البحث في سجل النشر.
3. قراءة تقارير الحوادث.
4. تعديل الملفات.
5. تشغيل الاختبارات.
6. فحص الأخطاء.
7. تعديل الكود.
8. إعادة تشغيل الاختبارات.

قد تحمل كل دورة سياقًا وتعريفات أدوات ونتائج سابقة ومعلومات بيئية.

إذا نما هذا السياق بشكل غير ضروري، تزداد التكلفة وزمن الاستجابة أيضًا.

قالت OpenAI إن إطار عمل الوكلاء الخاص بها يعتمد تقنيات مثل الاكتشاف المتأخر، حيث لا يتم كشف الأدوات والمهارات والمكونات الإضافية وتكاملات MCP إلا عند الحاجة.

يقتصر إخراج الأدوات افتراضيًا على 10,000 رمز مميز، ما لم يطلب النموذج حدًا مختلفًا.

يقلل هذا من احتمالية امتلاء نافذة السياق بنتائج الأدوات الكبيرة بشكل غير ضروري.

سجل الإلحاق فقط (Append-Only) للحفاظ على التخزين المؤقت للسياق

عادةً ما تعيد حلقات الوكيل استخدام نفس التعليمات والسياق عدة مرات.

يمكن للتخزين المؤقت للسياق تجنب إعادة حساب بادئات السياق المستقرة.

لكن التخزين المؤقت يكون فعالاً فقط عندما تظل البادئة المكررة متطابقة تمامًا.

قالت OpenAI إن إطار عملها يحافظ على خاصية "الإلحاق فقط" لتاريخ الرؤية النموذجي:

• تُضاف الرسائل الجديدة إلى النهاية.
• تُضاف نتائج الأدوات إلى النهاية.
• تُضاف التحديثات البيئية إلى النهاية.
• ترتيب الأدوات حتمي (Deterministic).
• لا تتم معالجة إعدادات الموافقة في وقت التشغيل ضمن تعريفات الأدوات.

يعمل هذا التصميم على تحسين معدل إعادة استخدام التخزين المؤقت للسياق في Codex و ChatGPT Work.

المبدأ الأساسي بسيط:

النموذج أرخص، ليس فقط لأن تكلفة رموزه أقل، ولكن أيضًا لأن الأنظمة المحيطة به تتجنب منذ البداية توليد ومعالجة الرموز غير الضرورية.

يمكن أن تنتج حلقة الكفاءة تأثيرات مركّبة

تصف OpenAI هذا بأنه حلقة تغذية راجعة.

النماذج الأقوى تساعد المهندسين على تحسين:

• نوى GPU
• التوجيه (Routing)
• فك الترميز التخميني
• التخزين المؤقت
• إعدادات عبء العمل
• تنسيق الوكلاء

هذه التحسينات تقلل التكلفة وزمن الاستجابة.

البنية التحتية الأكثر كفاءة تجعل تشغيل النماذج الأقوى على نطاق أوسع أكثر اقتصادية.

تعتقد OpenAI أن هذا يمكن أن يقصر الدورة من تطوير النماذج إلى النشر واسع النطاق، مما يسرع وتيرة الابتكار في مجال الذكاء الاصطناعي.

يجب العثور على الجيل التالي من مكاسب التحسين.

تخفيض أسعار Luna و Terra في 30 يوليو هو أوضح نتيجة موجهة للعملاء حتى الآن.

3. رد فعل المطورين: Luna تحظى بمزيد من الاهتمام والمنافسون يواجهون ضغوطًا سعرية جديدة

كما أبرز التقرير الصيني الأصلي ردود الفعل الحماسية من مجتمع المطورين بعد الإعلان.

ركز بعض المستخدمين على حجم التخفيض الكبير في سعر Luna.

إن تخفيضًا بنسبة 80% أكبر بكثير من التعديلات السعرية التدريجية الشائعة في واجهات API الرائدة.

يرى آخرون أن Luna كانت مقومة بأقل من قيمتها قبل التخفيض، خاصة بالنسبة لأعباء عمل الوكلاء — في هذه السيناريوهات، يمكن للنماذج الأقل تكلفة التعامل مع مهام التنفيذ الروتينية تحت إشراف مخطط أقوى.

أثار هذا التعديل السعري فورًا مقارنات مع نماذج أخرى تركز على التكلفة، بما في ذلك Kimi K3.

وصفت صورة ميم شهيرة انتشرت في المجتمع هذا الوضع على النحو التالي: بدأت Luna فجأة في التنافس على المستخدمين الذين جذبتهم الأسعار المنخفضة لـ Kimi K3.

هذه الصورة الميمية مضحكة، لكنها ليست اختبارًا تقنيًا معياريًا، لذلك لم تُدرج ضمن صور المقال الرئيسي.

استفسر المطورون فورًا عما إذا كانت Anthropic سترد

رد فعل شائع آخر كان توجيه نداء إلى @Anthropic، سائلين عما إذا كانت أسعار Claude API ستُعدَّل وفقًا لذلك.

يعكس هذا التفاعل التغيرات الأوسع في المشهد التنافسي للنماذج الكبيرة.

قبل عام، تركزت المنافسة الأكثر وضوحًا على:

• نتائج المعايير القياسية
• قدرات البرمجة
• نافذة السياق
• القدرات متعددة الوسائط

لا تزال هذه الأبعاد مهمة.

لكن المطورين الذين يشغّلون وكلاء بمستوى إنتاجي يركزون بشكل متزايد على:

• التكلفة لكل مهمة مكتملة
• زمن الاستجابة
• استخدام رموز الإخراج
• كفاءة التخزين المؤقت للسياق
• عدد استدعاءات الأدوات
• الموثوقية
• مرونة توجيه النماذج

أرخص رمز مميز ليس دائمًا أرخص سير عمل.

وبالمثل، فإن النموذج الأكثر ذكاءً ليس بالضرورة أفضل نموذج لكل خطوة في سير العمل.

تخفيض أسعار Luna يجعل توجيه النماذج أكثر جاذبية

افترض أن المهمة تتكون من خمس مراحل:

1. فهم مشكلة غامضة.
2. وضع خطة.
3. تعديل ملفات روتينية.
4. كتابة اختبارات.
5. مراجعة النتائج.

قد يستخدم الفريق نموذج Sol في المرحلتين 1 و2.

عندما يكون العمل محددًا بوضوح، يمكن لـ Luna معالجة المراحل من 3 إلى 5.

كلما كانت Luna أرخص، زاد الحافز لتحويل أعمال الوكلاء الروتينية من النموذج الرئيسي.

هذا لا يعني أن Luna تقترب من Sol في كل القدرات.

هذا يعني أن قيمة النموذج الأصغر تعتمد على ما إذا كان ذكيًا بما يكفي للمهمة المحددة الموكلة إليه.

المقياس المهم هو تكلفة كل نتيجة ناجحة

الرسالة التسويقية الجديدة من OpenAI تركز باستمرار على النتائج لكل دولار.

هذا أكثر فائدة من مجرد التركيز على سعر الرموز.

يجب أن تتبع التقييمات في بيئات الإنتاج:

• معدل نجاح المهام
• رموز الإدخال
• رموز الإخراج
• إعادة استخدام رموز الإدخال المخزنة مؤقتًا
• عدد جولات النموذج
• استدعاءات الأدوات
• زمن الاستجابة من البداية إلى النهاية
• معدل إعادة المحاولة
• وقت التصحيح البشري
• التكلفة الإجمالية لكل مهمة ناجحة

النموذج الذي تكون تكلفة رمزه المميز خمس التكلفة قد يكون مكلفًا للغاية إذا تطلب الكثير من إعادة المحاولة.

النموذج الأغلى الذي ينجز العمل بخطوات أقل قد يكون له تكلفة إجمالية أقل في النهاية.

تسعير Luna الجديد يجعل الحسابات أكثر ملاءمة للنماذج الأصغر، لكن المطورين ما زالوا بحاجة إلى

تقييمات مخصصة لأحمال عملهم المحددة.

الخلاصة: المنافسة بين النماذج تتحول نحو نسبة الذكاء إلى التكلفة

الأحداث التي وقعت في 29 يوليو و30 يوليو تُظهر أن OpenAI تدفع بفكرتين مترابطتين في الوقت نفسه.

أولاً، يُستخدم GPT-5.6 بشكل متزايد لتحسين البنية التحتية التي تشغّل GPT-5.6 نفسه.

ثانيًا، تحوّل الشركة جزءًا من مكاسب الكفاءة هذه إلى أسعار أقل للعملاء وخيارات خدمة أسرع.

هذا يغيّر المشهد التنافسي.

المرحلة التالية من سوق النماذج ليست مجرد:

أي نموذج هو الأذكى؟

بل تشمل أيضًا:

ما مقدار الذكاء المفيد الذي يمكن للمطور شراءه مقابل كل دولار ينفقه وكل ثانية انتظار؟

تخفيض Luna بنسبة 80% يجعل هذا السؤال بارزًا بشكل خاص.

أصبح Terra أرخص للعمل المهني اليومي.

يبقى Sol النموذج الراقي، لكن وضع Fast mode يتيح للمطورين دفع المزيد مقابل سرعة أكبر عندما يكون الوقت حرجًا.

مع اقتراب جودة النماذج من بعضها البعض في المزيد من المهام، فإن الشركات التي يمكنها جعل نفس العتاد ينجز أعمالًا مفيدة أكثر — وتحويل هذه الكفاءات إلى تسعير أفضل — قد تحصل على ميزة تنافسية متزايدة الأهمية.

الأسئلة الشائعة

ما هو سعر GPT-5.6 Luna الجديد في OpenAI API؟

اعتبارًا من 30 يوليو 2026، حددت OpenAI سعر GPT-5.6 Luna في وضع المعالجة القياسي بـ 0.20 دولار لكل مليون رمز إدخال و1.20 دولار لكل مليون رمز إخراج. هذا يمثل تخفيضًا بنسبة 80% عن السعر الأولي البالغ 1 دولار/6 دولارات لكل مليون رمز.

ما هو سعر GPT-5.6 Terra الجديد؟

GPT-5.6 Terra يُسعَّر حاليًا في وضع المعالجة القياسي بـ 2 دولار لكل مليون رمز إدخال و12 دولارًا لكل مليون رمز إخراج. تشير OpenAI إلى أن هذا يمثل تخفيضًا بنسبة 20% عن السعر السابق البالغ 2.50 دولار/15 دولارًا لكل مليون رمز.

هل انخفض سعر GPT-5.6 Sol؟

لا. لا يزال سعر API القياسي لـ GPT-5.6 Sol عند 5 دولارات لكل مليون رمز إدخال و30 دولارًا لكل مليون رمز إخراج. التغيير الرئيسي هو تقديم وضع Fast.

ما هو وضع GPT-5.6 Sol Fast؟

وضع Fast هو طبقة معالجة API الأسرع من OpenAI، والتي حلت محل اسم Priority Processing السابق. بالنسبة لـ GPT-5.6 Sol، تشير OpenAI إلى أنه مقابل ضعف سعر الرموز القياسي، يمكنه تسريع المعالجة حتى 2.5 مرة مقارنة بالوضع القياسي، دون تغيير مستوى ذكاء النموذج.

هل طلبات API القديمة ذات أولوية المعالجة ما زالت صالحة؟

نعم. تقول OpenAI إن الطلبات التي تستخدم طبقة خدمة priority لا تزال متوافقة مع الإصدارات السابقة وستستخدم وضع Fast تلقائيًا. يمكن للمطورين أيضًا استخدام قيمة طبقة الخدمة fast.

هل ساعد GPT-5.6 حقًا في تحسين نفسه؟

تقول OpenAI إن GPT-5.6 Sol المستخدم عبر Codex في عمليات هندسية بإشراف بشري ساعد في تحليل حركة الإنتاج، وإعادة كتابة نواة GPU، وتشغيل مئات تجارب التخمين التكرارية (speculative decoding)، ومراقبة عملية التدريب. وتنسب OpenAI جزءًا من خفض تكلفة الخدمة بنسبة 20% وتحسين كفاءة توليد الرموز بأكثر من 15% إلى هذا العمل.

هل سيغيّر تخفيض الأسعار اشتراكات ChatGPT؟

أسعار الاشتراكات وميزانيات الحصص لن تتغير. تقول OpenAI إنه بسبب انخفاض الأسعار الأساسية، تستهلك Luna وTerra الآن نقاطًا أقل في Codex وChatGPT Work.

هل Luna الآن أفضل نموذج لكل أعباء عمل الوكلاء؟

لا. Luna أرخص بكثير، لكن اختيار النموذج ما زال يعتمد على صعوبة المهمة ومعدل الأخطاء المقبول. الاستراتيجية الشائعة هي: استخدام نموذج أقوى للمهام التخطيطية الغامضة، واستخدام نموذج أرخص للمهام التنفيذية المحددة بوضوح.

الأدوات ذات الصلة

• OpenAI API: منصة المطورين من OpenAI للوصول إلى نماذج GPT-5.6 وخدمات API.
• GPT-5.6 Sol: المواصفات الرسمية للنموذج الرئيسي GPT-5.6.
• GPT-5.6 Terra: الوثائق الرسمية لنموذج الطبقة المتوازنة GPT-5.6.
• GPT-5.6 Luna: الوثائق الرسمية لنموذج الطبقة الحساسة للتكلفة GPT-5.6.
• Codex: بيئة الترميز الذكية من OpenAI، والتي استُخدمت في جزء من أعمال تحسين GPT-5.6.
• Artificial Analysis: منصة تحليل نماذج مستقلة تغطي مستويات الذكاء والسرعة واستخدام الرموز وتكلفة المهمة الواحدة.

الروابط ذات الصلة

• OpenAI: دفع حدود الأداء مقابل السعر مع GPT-5.6: الإعلان الرسمي من OpenAI الصادر في 30 يوليو حول تخفيض أسعار Luna وTerra ووضع Sol Fast.
• OpenAI: كيف يمزج GPT-5.6 بين الذكاء الحدودي والكفاءة الحدودية: التفاصيل الهندسية حول موازنة الأحمال ونوى GPU وفك الترميز التخميني وإدارة السياق وتخزين المطالبات المؤقت.
• وضع Fast من OpenAI: الوثائق الرسمية حول معالجة API الأسرع وتسعير وضع Fast.
• إطلاق GPT-5.6 من OpenAI: الإعلان الأصلي عن التوافر العام الشامل لعائلة GPT-5.6 وخلفية المعايير.
• Artificial Analysis: معايير GPT-5.6: تحليل مستقل لمستوى ذكاء GPT-5.6 وأداء البرمجة والسرعة والتكلفة قبل تخفيض الأسعار في 30 يوليو.
• Artificial Analysis GPT-5.6 Luna: بطاقة أداء مستقلة تفصيلية لنموذج Luna تغطي مستوى الذكاء والسرعة والتكلفة لكل مهمة، مع تحديثات الأسعار اعتبارًا من 30 يوليو.

ai/models/gpt-5-6-luna/): تفاصيل منهجية نموذج Luna ومؤشر الذكاء الخاص به.

• كتالوج نماذج OpenAI: الكتالوج الرسمي لواجهة برمجة التطبيقات ومواصفات النماذج الحالية.

ملخص

خفضت OpenAI أسعار واجهة برمجة التطبيقات لـ GPT-5.6 Luna بنسبة 80%، وTerra بنسبة 20%، مع الإبقاء على سعر Sol Standard دون تغيير. بدلاً من ذلك، أضافت Sol وضعًا سريعًا جديدًا يمكنه زيادة سرعة معالجة واجهة برمجة التطبيقات بما يصل إلى 2.5 مرة، لكن بسعر يعادل ضعف سعر الوضع القياسي.

يرتبط هذا التوقيت ارتباطًا وثيقًا بالأعمال الهندسية الأخيرة لشركة OpenAI. إذ أشارت الشركة إلى أن GPT-5.6 Sol ساعد في تحسين نوى معالجة الرسوميات، وفك الترميز التنبؤي، وتوازن الحمل، والبنية التحتية للوكلاء الأذكياء، مما أدى إلى خفض تكلفة الخدمة الشاملة بنسبة 20%، وتحقيق كفاءة أعلى في توليد الرموز بنسبة تتجاوز 15% في بعض أجزاء التقنية.

أما بالنسبة للمطورين، فالنتيجة هي نطاق أوسع من حيث القيمة مقابل السعر: Sol للمهام الأكثر صعوبة، وTerra للمهام المهنية المتوازنة، وLuna بسعر أقل لتنفيذ الوكلاء على نطاق واسع.

تُظهر تحديثات GPT-5.6 أن المنافسة في مجال النماذج المتطورة تركز بشكل متزايد على تكلفة كل نتيجة ناجحة — وليس فقط على مستوى الذكاء الخام في المعايير المرجعية.