DR
يمكن لتسعير الإدخال المُخزَّن مؤقتاً أن يُخفض بشكل ملموس تكلفة الأحمال التي تعيد إرسال بادئة مُحفّز كبيرة وغير متغيرة، لكن مقدار التوفير يعتمد على قواعد القراءة من الذاكرة المؤقتة والكتابة إليها والتخزين والتوجيه والاحتفاظ الخاصة بكل نموذج. إن وسم «caching supported» العام لا يكفي لتقدير التكلفة؛ استخدم السعر الحالي المنشور للنموذج والمسار الدقيقين.
TL;DR
- يُظهر GPT-5.6 Terra أسعاراً صريحة للقراءة من الذاكرة المؤقتة والكتابة إليها لدى OpenAI وCometAPI وOpenRouter، رغم أن مسارات البوابات وطبقات السياق الطويل قد تغيّر المقدار.
- تنشر Google سعراً قدره $0.15 لكل 1M-token للتخزين المؤقت للسياق ضمن مستوى Standard لنموذج Gemini 3.6 Flash إضافة إلى رسم تخزين؛ فيما تنشر CometAPI حالياً أسعار الإدخال والإخراج القياسية للنموذج دون بند منفصل للإدخال المُخزَّن مؤقتاً.
- المقارنة ذات الصلة ليست بين الإدخال القياسي مقابل القراءة من الذاكرة المؤقتة فحسب. إنها تشمل أيضاً أول كتابة إلى الذاكرة المؤقتة، أي رسوم تخزين، مدة حياة الذاكرة المؤقتة، اتساق المسار، وعدد إصابات الذاكرة المؤقتة اللاحقة.
Key messages
- تحقّق من الأسعار على مستوى النموذج ومستوى الخدمة بدلاً من تطبيق مُعامِل عام على مستوى البوابة.
- افصل القراءة من الذاكرة المؤقتة والكتابة إليها والتخزين وتخزين الاستجابة المؤقت في حسابات التكلفة.
- تحقّق من استخدام الذاكرة المؤقتة الفعلي في البيانات الوصفية لاستجابة واجهة البرمجة قبل توقع التوفير اعتماداً على السعر المنشور.
الطلب الذي يُكرّر بادئة كبيرة وغير متغيرة — مُحفّز نظام، مجموعة مخططات الأدوات، وثيقة مرجعية طويلة — لا يلزم أن يُفوَّت له السعر الكامل للإدخال في كل نداء. تدعم معظم النماذج من الجيل الحالي شكلاً من تسعير الإدخال المُخزَّن مؤقتاً: سعر مخفّض للجزء من المُحفّز الذي يتعرّف المزوّد على أنه قد تمّت معالجته بالفعل. تختلف الآلية وحجم الخصم ودرجة وضوح نشرها باختلاف المزوّد وباختلاف البوابة، وتستحق هذه الاختلافات أن تُذكر بشكل محدّد بدلاً من التعامل مع «دعم التخزين المؤقت» كميزة موحّدة.
What cached input pricing is, and isn't
يُخفّض تسعير الإدخال المُخزَّن مؤقتاً رموز الـالإدخال في الطلب التي تطابق بادئة سبق إرسالها. لا يُخفّض رموز الإخراج، وليس هو ذاته ما تفعله بوابة حين تُزيل التكرار بين طلبين متطابقين تماماً وتُعيد استجابة واحدة مجاناً — تلك آلية مختلفة تُقدّمها بعض البوابات بشكل منفصل. يتعلق تسعير الإدخال المُخزَّن مؤقتاً تحديداً بدفع مبلغ أقل عن الجزء من المُحفّز الذي شاهده مزوّد النموذج مؤخراً، وليس بتجاوز عملية التوليد تماماً.
كما أنه ليس مجانياً إنشاؤه. تُشير OpenAI’s GPT-5.6 pricing notes إلى أن كتابات الذاكرة المؤقتة تُفوَّت بسعر يعادل 1.25 ضعف سعر الإدخال غير المُخزّن مؤقتاً، فيما تحصل قراءات الذاكرة المؤقتة على خصم بنسبة 90%. يؤثر هذا القسط على الكتابة الأولى في نقطة التعادل ومن السهل إغفاله إذا أظهرت مقارنةٌ معدل القراءة المخفّض فقط. قد يستخدم مزوّدون آخرون رسوم تخزين بدلاً من نموذج كتابة مماثل، لذا ينبغي التحقق من تكاليف الكتابة والتخزين بشكل منفصل.
عملياً، تكون وحدة الفوترة للذاكرة المؤقتة عادةً بادئة مُحفّز قابلة لإعادة الاستخدام بدلاً من مجموعة عشوائية من الجمل المُكررة. يقوم المزوّدون بترميز المحتوى ومطابقته بالترتيب، لذا يجب أن يظهر المحتوى القابل لإعادة الاستخدام قبل الذيل الخاص بالطلب. تنتمي تعليمات النظام المستقرة وتعريفات الأدوات والسياسات والمواد المرجعية المشتركة إلى بداية المُحفّز؛ فيما تنتمي رسالة المستخدم المتغيرة أو الطابع الزمني أو مُعرّف الطلب أو المقتطف المُسترجع لاحقاً. حتى تغيير بلا أثر دلالي بالقرب من المقدمة يمكن أن يُغيّر الترميز أو يُحطّم المطابقة لما يليه.
كما أن قواعد الأهلية خاصة بالنموذج أيضاً. قد يشترط مزوّد طولاً أدنى للمُحفّز، أو يتعرّف فقط على نقاط قطع موثّقة، أو يُظهر حقلاً صريحاً للتحكم بالذاكرة المؤقتة. قد تنتهي صلاحية إدخال الذاكرة المؤقتة بين النداءات، وقد تحتاج البوابة إلى إبقاء الطلبات ذات الصلة على مسار مُتوافق لدى المزوّد الأعلى. يعني ذلك أن على النشر أن يتعامل مع إصابة الذاكرة المؤقتة كنتيجة مُلاحظة، لا كافتراض من تشابه المُحفّز. يُحسّن المُحفّز المصمم جيداً احتمال إعادة الاستخدام، لكن البيانات الوصفية للاستجابة والفاتورة هما من يُحددان ما إذا طُبّق السعر المُخفّض فعلاً.
What's actually published, by model and by gateway
الجدول أدناه لقطة تسعير تم التحقق منها في 29 يوليو 2026. الأسعار بالدولار الأمريكي لكل 1 مليون رمز ما لم يُذكر خلاف ذلك. تُقارن الصفوف المعلومات العامة الحالية لـ GPT-5.6 Terra وGemini 3.6 Flash عبر مزوّد النموذج وCometAPI وOpenRouter؛ لا ينبغي اعتبارها تعرفة دائمة.
| النموذج | البوابة | إدخال قياسي | إدخال مُخزَّن مؤقتاً (قراءة) | كتابة إلى الذاكرة المؤقتة | هل تم الإفصاح عن الخصم؟ |
|---|---|---|---|---|---|
| GPT-5.6 Terra | Official OpenAI rate | $2.50 / 1M | $0.25 / 1M | $3.13 / 1M | نعم — خصم 90%، مُعلن مباشرةً |
| GPT-5.6 Terra | CometAPI | $2.00 / 1M | $0.20 / 1M | $2.50 / 1M | نعم — مُدرج في صفحة التسعير الخاصة بـ CometAPI |
| GPT-5.6 Terra | OpenRouter | $2.50 / 1M | غير مُدرج كسعر محدد | غير مُدرج | لا — موصوف فقط بأنه «أرخص بنسبة 60–80%» إجمالاً، دون رقم خاص بكل نموذج |
| Gemini 3.6 Flash | Official Google rate | $1.50 / 1M | $0.15 / 1M (بحسب إعلان Google نفسه) | غير مُعلَن | نعم، عند الإطلاق — عبر توثيق نموذج Google |
| Gemini 3.6 Flash | CometAPI | $1.20 / 1M | غير مُدرج كسعر محدد | غير مُعلَن | لا — صفحة CometAPI تُشير إلى «Caching» كميزة مدعومة لكنها لا تنشر سعراً مخفّضاً للإدخال المُخزَّن مؤقتاً لهذا النموذج تحديداً حتى وقت كتابة هذه السطور |
| Gemini 3.6 Flash | OpenRouter | $1.50 / 1M | غير مُدرج كسعر محدد | غير مُعلَن | لا — يصف توثيق OpenRouter نفسه مُضاعِف التخزين المؤقت لدى Google بصورة عامة (0.25x من سعر الإدخال القائم) بدلاً من تأكيد السعر الخاص بهذا النموذج |
اقرأ الجدول بوصفه لقطة خاصة بالنموذج والمسار. تُفصّل CometAPI GPT-5.6 model page نموذج GPT-5.6 Terra بسعر إدخال قياسي $2.00، وإدخال مُخزَّن مؤقتاً $0.20، وكتابة إلى الذاكرة المؤقتة $2.50 لكل 1 مليون رمز. وتنشر Gemini 3.6 Flash model page حالياً $1.20 للإدخال و$6.00 للإخراج، لكنها لا تُظهر سعراً منفصلاً للإدخال المُخزَّن مؤقتاً أو للتخزين. تُدرج Gemini Developer API pricing مستوى Standard بسعر $1.50 للإدخال و$0.15 لتخزين السياق المؤقت و$1.00 لكل 1 مليون رمز في الساعة للتخزين. يُظهر OpenRouter حقول ذاكرة مؤقتة خاصة بالنموذج عبر Models API: يتضمن المسار الافتراضي لـ GPT-5.6 Terra تسعيراً ترويجياً أقل وطبقة سياق طويل أعلى منفصلة، فيما يُظهر Gemini 3.6 Flash entry قيماً مختلفة لـ Standard وFlex وPriority. هذا أدق من تطبيق مُضاعِف ذاكرة مؤقتة عام على كل نموذج.
Why gateway and provider prices can diverge
سعر البوابة ليس بالضرورة زيادةً على قائمة سعر أعلى ثابتة. قد يعكس سعةً مُتفاوضاً عليها، أو ترويجاً مؤقتاً، أو مستوى خدمة مختلفاً، أو ترتيباً تجارياً خاصاً بالمسار. يمكن أن يرتبط اسم نموذج بمتغيّرات عُليا متعددة تتغيّر أسعارها مع طول السياق أو ضمانات زمن الاستجابة. على سبيل المثال، تنشر إدخالات OpenRouter الخاصة بـ GPT-5.6 Terra مساراً افتراضياً وتجاوزاً أعلى سعراً بمجرد وصول الإدخال إلى حدّ السياق الطويل. وتفصل Google أسعار Standard وBatch وFlex وPriority لـ Gemini 3.6 Flash. لذا تحتاج المقارنة الواحدة إلى تاريخ ومسار ومستوى وطول سياق مفترض لكي تبقى ذات معنى.
كما أن العكس مهم أيضاً: إذا لم تنشر صفحة بوابةٍ بنداً منفصلاً للقراءة من الذاكرة المؤقتة، فلا ينبغي تحويل ذلك إلى «عدم توفر التخزين المؤقت» أو «انطباق خصم المزوّد المُباشر تلقائياً». قد تمرّر البوابة ميزة عُليا دون تفصيلها، أو تُظهرها فقط في مسارات معينة، أو تُفوّت الطلب بسعر الإدخال المعتاد. النهج المُدافع عنه هو استخدام صفحة النموذج الحالية الخاصة بالبوابة للتخطيط، ثم تأكيد السعر الفعلي من سجلات الاستخدام أو بيانات الفوترة. يبقى توثيق المزوّد مفيداً لفهم الآلية، لكنه لا يُرسّخ بمفرده الشروط التجارية للوسيط.
Where the discount actually matters
السيناريو الذي يُغيّر التكلفة الفعلية بصورة ملحوظة هو بادئة كبيرة ثابتة مقترنة بطلب صغير متغير — مُحفّز نظام أو مجموعة مخططات أدوات يُعاد إرسالها في كل نداء داخل حلقة وكيل، وثيقة مرجعية طويلة يُستفسر عنها مراراً بأسئلة مختلفة، أو محفوظات محادثة تُعاد إرسالها في كل دورة من دردشة. بالنسبة لحملٍ كهذا، فإن الفجوة بين دفع السعر الكامل للإدخال على البادئة بأكملها في كل مرة مقابل دفع قسط الكتابة مرة واحدة والسعر المُخفّض للقراءة لاحقاً تتراكم مع حجم النداءات. ولا تفعل شيئاً للأحمال التي لا تُكرّر بادئة — الطلب الفردي ليس لديه محتوى مُخزَّن مؤقتاً ليُخفّض أصلاً.
يُقارن حساب نقطة التعادل العملي تكلفة البادئة غير المُخزَّنة مؤقتاً عبر جميع النداءات مع تكلفة كتابة الذاكرة المؤقتة أو التخزين زائد قراءات الذاكرة المؤقتة المُخفّضة في النداءات اللاحقة. تعتمد النتيجة على حجم البادئة، وعدد إصابات الذاكرة المؤقتة الناجحة، وانتهاء صلاحية الذاكرة المؤقتة، وما إذا كانت البوابة تُبقي الطلبات على مسار مزوّد متوافق. إذا كانت تلك الشروط غير مستقرة، فقد يُبالغ الخصم الرئيسي في تقدير التوفير المُتحقق في الإنتاج.
A simple cost model for a repeated prefix
لتكن P عدد الرموز في البادئة المستقرة وN عدد النداءات التي تُعيد استخدامها. إذا كان U هو سعر الإدخال غير المُخزَّن مؤقتاً لكل رمز، فإن تكلفة البادئة بلا تخزين مؤقت هي N × P × U. وتقديرٌ مبسّط للتخزين المؤقت هو P × W + (N − 1) × P × R + S، حيث W هو سعر كتابة الذاكرة المؤقتة، وR سعر قراءة الذاكرة المؤقتة، وS أي رسم تخزين خلال الفترة. تفترض الصيغة أن النداء الأول يُنشئ الذاكرة المؤقتة وأن كل نداء لاحق إصابةٌ ناجحة. وتستبعد ذيل الطلب المتغير، ورموز الإخراج، وإعادة المحاولات، وأي تغيير مسار يسبّب إخفاقاً.
فكّر في بادئة توضيحية بحجم 100,000 رمز مُعادة الاستخدام عبر 20 نداءً على السعر الرسمي لـ GPT-5.6 Terra. عند $2.50 لكل 1 مليون رمز إدخال غير مُخزَّن مؤقتاً، ستُكلّف معالجة تلك البادئة مراراً $5.00. باستخدام سعر الكتابة المنشور 1.25 ضعف وسعر القراءة المُخفّض بنسبة 90%، ستُكلّف كتابةٌ واحدة لبادئة 100,000 رمز نحو $0.3125 وتسع عشرة قراءة نحو $0.475، بإجمالي تكلفة للبادئة تقارب $0.7875. الفارق نحو $4.21 قبل تكاليف الإدخال والإخراج المتغيرة. هذا توضيح لا عرض سعر: لا يسري إلا إذا أصابت كل النداءات التسع عشرة لاحقاً الذاكرة المؤقتة نفسها الصالحة ولم ينطبق أي رسم تخزين أو توجيه إضافي.
تتبَع نقطة التعادل مباشرةً من ذات النموذج. يكون قسط الكتابة مُبرّراً فقط عندما تحدث قراءاتٌ مخفّضة بما يكفي قبل انتهاء الصلاحية. بالنسبة لأحمالٍ ذات جلسات قصيرة أو تعديلات مُحفّز متكررة أو ألفة مسار ضعيفة، قد يُعاد إنشاء الذاكرة المؤقتة أكثر مما هو متوقع. أما في حلقة وكيل طويلة الأمد أو تحليل وثيقة مُتكرر ببادئة مستقرة، فقد يكون عدد الإصابات أعلى بكثير. لذا ينبغي أن تستخدم التوقعات نطاق معدل إصابة مُلاحَظ بدلاً من افتراض تسلسلٍ مثالي بعد النداء الأول.
Implementation patterns that improve cache reuse
لبناء المُحفّز أثر أكبر على معدل الإصابة مما توحي به كثيرٌ من جداول التسعير. ضع أكثر المواد استقراراً أولاً واحفظ تسلسلها حتمياً: ينبغي أن تحتفظ تعليمات النظام ومخططات الأدوات ونص السياسات والسياق المرجعي المشترك بنفس الترتيب والمسافات وتمثيل الحقول عبر النداءات ذات الصلة. ألحِق المحتوى المتقلّب لاحقاً. تجنّب حقن الطوابع الزمنية أو المُعرّفات العشوائية أو العدّادات المتغيرة باستمرار أو نتائج الاسترجاع الخاصة بالطلب في البادئة القابلة لإعادة الاستخدام ما لم تكن مطلوبة فعلاً هناك.
قم بترقيم نسخ المواد المستقرة عمداً. إذا تغيّر مخطط أداة أو سياسة، فقدّم النسخة الجديدة بثبات بدلاً من السماح بانتشار متغيرات شبه متطابقة متعددة. بالنسبة للأحمال الحوارية أو الوكالية، أعد استخدام مُعرّف جلسة مستقر أو مفتاح ذاكرة مؤقتة عندما تدعم واجهة البرمجة ذلك، وتجنّب تبديل المزوّدين ضمن نفس التسلسل المعتمد على الذاكرة المؤقتة. يوثّق OpenRouter التوجيه المُلتصق بالمزوّد لأجل تخزين المُحفّز مؤقتاً ويعرض عناصر التحكم مثل session_id وprompt_cache_key؛ يمكن لتلك العناصر تحسين الاستمرارية، لكنها لا تضمن إصابةً حين تكون الذاكرة المؤقتة العليا باردة أو منتهية الصلاحية.
ينبغي أيضاً أن تتدهور التطبيقات بنظافة عند الإخفاق. التخزين المؤقت تحسينٌ للتكلفة والزمن، لا اعتمادٌ للصحة الوظيفية. يجب أن يُنتج الطلب النتيجة الصحيحة نفسها عندما تكون الذاكرة المؤقتة غير متاحة، وألا تُنشئ منطق إعادة المحاولة كتاباتٍ متكررة بشكل أعمى. يسهّل ذلك مقارنة المسارات: إذ يمكن للفرق تغيير سياسة التخزين المؤقت أو إعدادات البوابة دون تغيير السلوك الدلالي للتطبيق.
How to verify cache economics in production
ابدأ بقياسٍ على مستوى الطلب بدلاً من فاتورة الشهر. سجّل مُعرّف النموذج الدقيق، ومسار البوابة أو المزوّد عندما يتاح، ومستوى الخدمة، وإجمالي رموز الإدخال، ورموز القراءة من الذاكرة المؤقتة، ورموز كتابة الذاكرة المؤقتة، ورموز الإخراج، وزمن الاستجابة، والتكلفة المُفوّتة. يتضمن كائن الاستخدام لدى OpenRouter حقول cached_tokens وcache_write_tokens؛ يُظهر مزوّدون آخرون تفاصيل مكافئة تحت أسماء حقول مختلفة. احتفظ بالحقول الخام للاستخدام بحيث لا يُمحى الدليل المطلوب لإعادة بناء التكلفة لاحقاً عند تغير الأسعار.
اجمّع البيانات حسب نسخة المُحفّز والحِمل، لا حسب النموذج فقط. المقاييس المفيدة تشمل نسبة الطلبات المؤهلة التي تُصاب بالذاكرة المؤقتة، ونسبة رموز الإدخال المُفوّتة بسعر القراءة، والكتابات لكل قراءة ناجحة، والوقت بين الكتابة وآخر إصابة، والتكلفة المُتحققة لكل طلب. قد لا تُنتج نسبة إصابة عالية على مستوى الطلب قيمةً كبيرة إذا كانت البادئة المُخزَّنة صغيرة، فيما قد يوفر معدل إصابة أقل على بادئة كبيرة جداً أكثر. أقرن تلك المقاييس بنسب زمن الاستجابة، إذ قد تكون المسارات الأرخص التي تُخفق مراراً أو تُعيد التوجيه أسوأ عملياتياً.
أخيراً، راجع الشذوذات بدلاً من تسويتها. قد يُشير الهبوط المفاجئ في الرموز المُخزَّنة مؤقتاً إلى نشر نسخة مُحفّز جديدة، أو تسلسل غير مستقر، أو انتهاء إدخالات، أو حدّ طبقة سياق طويل، أو تغيير مسار بوابة. قارن الطلبات المتأثرة مع صفحة النموذج الحالية وتوثيق المزوّد، ثم تحقّق من السعر المُفوّت. يُغلق هذا الفجوة بين الخصم المنشور والتوفير الذي يُحققه التطبيق فعلياً.
What to check before assuming a rate applies
أكّد خمسة عناصر قبل استخدام سعر منشور في الميزانية: النموذج ومستوى الخدمة الدقيقان، الحد الأدنى للبادئة القابلة لإعادة الاستخدام أو نقاط قطع الذاكرة المؤقتة الصريحة، رسم الكتابة الأولى أو التخزين، مدة حياة الذاكرة المؤقتة، ودليل على أن الطلبات تُصيب الذاكرة المؤقتة بالفعل. تُشير OpenAI حالياً إلى حدٍّ أدنى لعمر الذاكرة المؤقتة يبلغ 30 دقيقة لـ GPT-5.6، لكن ذلك ليس قاعدة احتفاظٍ عمومية. تنشر Google أسعاراً مختلفة لمستويات Standard وBatch وFlex وPriority. يمكن للبوابات أيضاً أن تُوجّه بين مزوّدين أو مستويات، لذا يهمّ المسار المُختار. توصي prompt-caching documentation لدى OpenRouter بالتحقق من حقول الاستخدام في الاستجابة مثل cached_tokens وcache_write_tokens. لأي تقدير إنتاجي، قارن صفحة النموذج الحالية مع الفوترة الفعلية وبيانات الاستخدام بدلاً من الاعتماد فقط على وسم عام «caching supported».