أسعار OpenAI API وخيارات الخصم

من أوائل الأسئلة التي تواجه الشركات الراغبة في استخدام الذكاء الاصطناعي في خدمة العملاء، أو إنشاء المحتوى، أو تحليل البيانات، أو تطوير البرمجيات، أو أتمتة عمليات الأعمال: «كم تبلغ تكلفة OpenAI API؟» إلا أن أسعار OpenAI API تعتمد على هيكل مختلف تماماً عن الاشتراكات الشهرية الثابتة. إذ تختلف التكلفة بحسب النموذج المستخدم، وعدد input tokens المرسلة، وعدد output tokens التي يتم إنشاؤها، والأدوات المستخدمة، وprocessing tier المحدد.

لذلك، لا يكفي النظر فقط إلى سعر النموذج لكل مليون token لحساب الميزانية الفعلية للمشروع. يجب على مديري المشاريع، وأصحاب الشركات، والمديرين التنفيذيين، ورؤساء الأقسام، ومديري تكنولوجيا المعلومات تقييم حجم الاستخدام، وطول الاستجابات، ومتطلبات latency، وأداء النموذج، والاحتياجات التشغيلية معاً.

في هذا الدليل، سنستعرض بالتفصيل كيفية عمل تسعير OpenAI API، وطريقة حساب تكاليف tokens، وخيارات النماذج الحالية، وأساليب تحسين التكلفة مثل Batch API، وPrompt Caching، وFlex processing، وScale Tier.

ما هي OpenAI API؟

OpenAI API هي واجهة برمجة تطبيقات تتيح للمطورين والشركات دمج نماذج OpenAI في البرامج، وتطبيقات الهاتف المحمول، ومنصات الويب، وعمليات الأعمال المؤسسية.

تشمل أبرز التطبيقات التي يمكن تطويرها باستخدام OpenAI API ما يلي:

• Chatbots لخدمة العملاء
• أنظمة AI assistant متصلة بقاعدة معرفة مؤسسية
• تطبيقات تلخيص المستندات وتصنيفها
• إنشاء محتوى المبيعات والتسويق
• تحليل رسائل البريد الإلكتروني وطلبات الدعم
• تطبيقات semantic search (البحث الدلالي) وRAG
• مساعدين لتطوير البرمجيات
• أنظمة AI agents
• حلول معالجة الصور والصوت والنصوص
• أنظمة التقارير الآلية وتحليل البيانات

يتم تسعير OpenAI API بشكل منفصل عن اشتراكات ChatGPT. استخدام الشركة لـ ChatGPT Business أو ChatGPT Enterprise لا يعني أن رسوم استخدام API مشمولة تلقائياً ضمن الاشتراك. يتم قياس استخدام API وفوترته بشكل منفصل من خلال حساب API.

كيف يعمل تسعير OpenAI API؟

يعتمد تسعير OpenAI API غالباً على نموذج pay-as-you-go، أي الدفع بحسب الاستخدام. تدفع الشركة مقابل tokens والأدوات الإضافية المستخدمة في استدعاءات API.

ما هو Input Token؟

Input token هو جزء من المحتوى الذي يرسله المستخدم أو التطبيق إلى النموذج. وقد تدخل العناصر التالية ضمن تكلفة input tokens:

• رسالة المستخدم
• System prompt
• سجل المحادثة السابق
• المستند أو النص المرسل إلى النموذج
• أمثلة few-shot
• تعريفات tools وfunctions
• مخططات Structured Outputs
• المحتوى الذي يسترجعه نظام RAG

على سبيل المثال، إذا تم إرسال سياسة شركة من 10 صفحات إلى مساعد دعم العملاء مع كل استفسار، فإن نص هذه السياسة يُضاف أيضاً إلى استهلاك input tokens.

ما هو Output Token؟

Output tokens هي الوحدات التي تكوّن الاستجابة التي ينشئها النموذج. وكلما كانت الاستجابات أطول، زاد استهلاك output tokens.

يكون سعر output tokens عادة أعلى من سعر input tokens. لذلك، من المهم التحكم ليس فقط في البيانات المرسلة إلى النموذج، بل أيضاً في طول الاستجابة المطلوبة منه.

على سبيل المثال، يوجد فرق كبير في التكلفة بين تطبيق لتصنيف المنتجات ينتج مخرجاً قصيراً مثل category_3 وتطبيق ينشئ تقرير تحليل مكوناً من 1,500 كلمة.

ما هو Cached Input؟

يشير cached input إلى عدد tokens التي تتم قراءتها من cache بدلاً من إعادة معالجتها في استدعاءات API التي يُعاد فيها استخدام بداية prompt نفسها أو بداية متطابقة إلى حد كبير.

تتيح ميزة Prompt Caching من OpenAI استخدام الأجزاء المتكررة من prompt بتكلفة أقل، كما تساعد على تقليل latency للطلبات المؤهلة. ويمكن أن تعمل Prompt Caching تلقائياً في الاستدعاءات المؤهلة على النماذج المدعومة. وللاستفادة من cache، يُنصح بوضع التعليمات الثابتة في بداية prompt، وبيانات المستخدم المتغيرة في نهايته.

الأسعار الحالية لنماذج OpenAI API

تقدم OpenAI عدة نماذج لتلبية احتياجات مختلفة من حيث الأداء والتكلفة. اعتباراً من يوليو 2026، تشمل بعض الأسعار القياسية لعائلة GPT-5.6 ما يلي:

النموذج

تعتمد هذه الأسعار على processing tier القياسي. وقد تُفرض رسوم مختلفة على الميزات الإضافية مثل Priority processing، واستخدام long context، وtool calls، وإنشاء الصور، ومعالجة الصوت، أو fine-tuning. تعرض صفحة مقارنة النماذج من OpenAI أسعار input وcached input وoutput بشكل منفصل لكل نموذج.

عند مراجعة جدول الأسعار، لا يكون اختيار أرخص نموذج هو القرار الصحيح دائماً. فإذا كان النموذج الأقل تكلفة يحتاج إلى محاولات أكثر، أو prompts أطول، أو مراجعة بشرية إضافية لإكمال مهمة معقدة، فقد تكون التكلفة الإجمالية أعلى من المتوقع.

أي نموذج يجب اختياره ومتى؟

يمكن النظر في GPT-5.6 Luna للمهام ذات الحجم الكبير والحساسة للتكلفة. وقد تشمل هذه الفئة التصنيف البسيط، واستخراج البيانات، وrouting، وإنشاء المحتوى القصير، والإجابة عن أسئلة العملاء القياسية.

يمكن استخدام GPT-5.6 Terra في السيناريوهات المؤسسية التي تتطلب توازناً بين الأداء والتكلفة. وقد يكون مناسباً لتطبيقات RAG، وأنظمة دعم العملاء الأكثر شمولاً، وتحليل المحتوى، وworkflows متعددة الخطوات.

يمكن تفضيل GPT-5.6 Sol للتطبيقات التي تتطلب دقة أعلى، أو reasoning، أو أداء مهام معقدة. ومع ذلك، يجب أن يستند اختيار النموذج دائماً إلى evals يتم تنفيذها باستخدام بيانات مؤسسية حقيقية.

كيف يتم حساب تكلفة OpenAI API؟

يمكن إجراء الحساب الأساسي باستخدام المعادلة التالية:

إجمالي التكلفة = تكلفة input tokens + تكلفة cached input tokens + تكلفة output tokens + رسوم استخدام الأدوات

مثال على حساب تكلفة OpenAI API

لنفترض أن إحدى الشركات وصلت إلى مستويات الاستخدام الشهرية التالية في تطبيق دعم عملاء يعمل باستخدام GPT-5.6 Terra:

• 40 مليون input token قياسي
• 20 مليون cached input token
• 8 ملايين output token

الحساب:

• Input قياسي: 40 × 2.50 USD = 100 USD
• Cached input: 20 × 0.25 USD = 5 USD
• Output: 8 × 15 USD = 120 USD

إجمالي تكلفة النموذج: 225 USD

لا يشمل هذا الحساب تكاليف web search، أو file search، أو image generation، أو معالجة الصوت، أو تخزين البيانات، أو البنية التحتية الخاصة بالتطبيق.

لو تمت معالجة الاستخدام نفسه بالكامل كـ input قياسي من دون الاستفادة من cached input، لكانت تكلفة input أعلى. يوضح هذا المثال كيف يمكن لبنية prompt المناسبة واستخدام cache أن يؤثرا في الميزانية الإجمالية.

ما هي خيارات الخصم في OpenAI API؟

قد لا يتوفر كود ترويجي ثابت أو خصم اشتراك عام يُطبق تلقائياً على جميع مستخدمي OpenAI API. وبدلاً من ذلك، يتم توفير مزايا التكلفة وفقاً للميزات التقنية ونموذج المعالجة المستخدم.

ميزة توفير بنسبة 50% مع Batch API

تتيح Batch API معالجة العمليات المجمعة التي لا تتطلب استجابة فورية بشكل غير متزامن. ووفقاً للتوضيح الرسمي من OpenAI، قد يتم تسعير طلبات Batch API بخصم قدره 50% مقارنة بالأسعار القياسية المشتركة للمهام المدعومة، مع إعادة النتائج خلال 24 ساعة.

تشمل حالات الاستخدام المناسبة لـ Batch API ما يلي:

• تصنيف آلاف أوصاف المنتجات
• تنفيذ عمليات تلخيص المستندات ليلاً
• إجراء sentiment analysis (تحليل المشاعر) لمراجعات العملاء
• عمليات model evals
• إنشاء بيانات اصطناعية
• تصنيف البيانات بكميات كبيرة
• تحليل طلبات الدعم المؤرشفة
• معالجة مجموعات كبيرة من المحتوى

على سبيل المثال، إذا احتاجت شركة تجارة إلكترونية إلى تصنيف 500,000 وصف منتج، فقد لا يكون من الضروري الحصول على النتائج خلال ثوانٍ. ومن خلال تنفيذ العملية عبر Batch API، يمكن للشركة تحقيق ميزة كبيرة في التكلفة مقارنة بالمعالجة القياسية في الوقت الفعلي.

تقليل تكاليف Input المتكررة باستخدام Prompt Caching

في تطبيقات الذكاء الاصطناعي المؤسسية، قد يتم إرسال system prompt نفسه، وقواعد الأمان نفسها، ومعلومات المنتجات نفسها، أو تعريفات tools نفسها إلى النموذج مع كل طلب. وقد يؤدي إعادة معالجة هذا المحتوى بسعر input القياسي في كل استدعاء إلى زيادة الميزانية.

تتيح Prompt Caching للاستدعاءات التي تعيد استخدام prompt prefixes نفسها الاستفادة من سعر cached input. تعمل الميزة مع prompts مؤهلة بطول 1,024 token أو أكثر. ولتحقيق cache hit، يجب أن تتطابق بداية prompt تماماً.

يمكن تنظيم بنية prompt فعالة على النحو التالي:

• System prompt ثابت
• قواعد مؤسسية
• أمثلة متكررة
• تعريفات tools وfunctions
• رسالة مستخدم متغيرة

بالنسبة إلى GPT-5.6 وعائلات النماذج اللاحقة، يجب أيضاً تتبع تكاليف cache write وcache read بشكل منفصل. ووفقاً للوثائق الرسمية، قد تتم فوترة عمليات cache write لهذه العائلة من النماذج بسعر يعادل 1.25 ضعف سعر input القياسي، بينما يتم احتساب عمليات cache read اللاحقة وفق سعر cached input. لذلك، يجب تقييم استراتيجية caching بناءً على حجم الاستدعاءات المتكررة، وليس على استدعاء واحد.

Flex Processing

يمكن استخدام Flex processing للمهام التي تسمح بأوقات معالجة وشروط سعة أكثر مرونة مقابل تكلفة أقل. وتشير توضيحات OpenAI لبعض النماذج إلى أن أسعار Flex وBatch قد تكون نحو نصف سعر API القياسي.

يمكن النظر في Flex processing للمهام التي لا يكون فيها زمن الاستجابة حرجاً، مع بقاء استدعاءات API ضمن نموذج pay-as-you-go. ومع ذلك، يجب التحقق من دعم النموذج المختار لـ Flex، وسعره الحالي، وشروط الخدمة قبل استخدام هذه الميزة.

السعة المحجوزة مع Scale Tier

تتيح Scale Tier للشركات التي لديها أحجام استخدام مرتفعة ومتوقعة لـ API شراء سعة محددة من input وoutput tokens مسبقاً.

على سبيل المثال، تشير صفحة Scale Tier من OpenAI إلى أن وحدة input واحدة لـ GPT-4.1 توفر 30,000 input token في الدقيقة مقابل 110 USD يومياً، بينما توفر وحدة output واحدة 2,500 output token في الدقيقة مقابل 36 USD يومياً. ويتم شراء كل وحدة tokens لمدة لا تقل عن 30 يوماً.

قد تكون Scale Tier مناسبة بشكل خاص للمؤسسات التي لديها الاحتياجات التالية:

• حركة API مستمرة ومرتفعة
• احتياجات سعة يمكن توقعها
• توقعات أعلى بشأن uptime
• متطلبات SLA لأداء latency
• تطبيقات AI حرجة في بيئات الإنتاج
• احتياجات تخطيط السعة خلال فترات الذروة

ومع ذلك، قد لا تكون Scale Tier أكثر اقتصاداً من نموذج pay-as-you-go بالنسبة إلى الشركات ذات الاستخدام المنخفض أو غير المنتظم. ويجب تحليل حجم tokens اليومي ونسبة استخدام السعة قبل اتخاذ القرار.

Priority Processing

Priority processing هو processing tier مميز لعملاء API الذين يحتاجون إلى أداء استجابة أسرع وأكثر استقراراً. وهو أعلى تكلفة من استخدام API القياسي، ولذلك لا يُعد خيار خصم مباشر.

على سبيل المثال، ضمن Priority processing، يتم عرض GPT-5.6 Terra بسعر 5 USD لكل مليون input token، و0.50 USD لكل مليون cached input token، و30 USD لكل مليون output token. وعلى الرغم من أن هذه الأسعار أعلى من الأسعار القياسية، فقد يكون هذا الخيار مناسباً للتطبيقات الحرجة التي تتطلب latency منخفضة ومستويات خدمة محددة.

قد يكون Priority processing مناسباً في السيناريوهات التالية:

• أنظمة دعم العملاء المباشرة
• AI assistants التي تعمل داخل واجهة المستخدم
• أدوات دعم المبيعات في الوقت الفعلي
• التطبيقات التي يؤدي فيها latency مباشرة إلى خسارة الإيرادات
• أنظمة الإنتاج التي تتطلب SLA مؤسسية

كيف يمكن تحسين ميزانية OpenAI API؟

توجيه النماذج بحسب المهمة

بدلاً من إرسال كل طلب إلى أقوى نموذج، يمكن تقسيم المهام وفق درجة تعقيدها. ويمكن توجيه عمليات التصنيف البسيطة إلى نموذج أقل تكلفة، بينما يتم إرسال الطلبات التي تحتاج إلى تحليل متعمق إلى نموذج أكثر تقدماً.

يمكن لنهج model routing هذا تقليل تكاليف tokens غير الضرورية مع الحفاظ على الجودة.

التحكم في طول Output

بدلاً من مطالبة النموذج بتقديم «إجابة تفصيلية»، يجب تحديد التنسيق المتوقع بوضوح. على سبيل المثال:

• 100 كلمة كحد أقصى
• مخرجات JSON فقط
• ملخص من ثلاث نقاط
• تصنيف واحد فقط
• Structured output متوافق مع schema محدد

يساعد هذا النهج على تقليل استهلاك output tokens وتكلفة معالجة الاستجابات من جهة التطبيق.

عدم إرسال Conversation History غير الضروري

في محادثات chatbot الطويلة، يؤدي إرسال جميع الرسائل السابقة إلى النموذج مع كل استدعاء API إلى زيادة مستمرة في تكاليف input.

بدلاً من ذلك:

• يمكن تلخيص الرسائل القديمة.
• يمكن اختيار الأجزاء ذات الصلة فقط من المحادثة.
• يمكن تخزين المعلومات طويلة المدى في طبقة بيانات منفصلة.
• يمكن استرجاع المحتوى الضروري فقط عبر RAG.

الحد من نتائج RAG

لا يضمن إرسال عدد كبير جداً من document chunks إلى النموذج في نظام RAG نتائج أفضل. وقد يؤثر context غير الضروري سلباً في جودة الاستجابة، إضافة إلى زيادة التكلفة.

يجب اختبار قيمة top-k، وحجم chunks، وفلاتر metadata، ونظام reranking باستخدام بيانات حقيقية.

مراقبة استخدام Tokens بانتظام

يجب متابعة معلومات usage الواردة في استجابات API، وبيانات OpenAI Usage dashboard بانتظام.

ومن أبرز المقاييس التي يمكن تتبعها:

• عدد input tokens
• عدد output tokens
• نسبة cached tokens
• حجم cache write tokens
• التكلفة بحسب النموذج
• الاستخدام بحسب العميل أو القسم
• متوسط التكلفة لكل عملية
• التكلفة لكل نتيجة ناجحة
• معدل إعادة المحاولة
• تكاليف tool calls

قد لا يكشف الاطلاع على إجمالي الفاتورة الشهرية فقط عن workflow الذي يسبب تكاليف غير ضرورية.

كيف يجب على الشركات تخطيط ميزانية OpenAI API؟

لا يكفي حساب رسوم tokens فقط في مشروع OpenAI API. ويجب إدراج التكاليف التالية أيضاً ضمن الميزانية الإجمالية:

• استخدام النماذج والأدوات المدفوعة
• تطوير backend وfrontend وتكامل API
• قواعد البيانات، وvector database، وتخزين الملفات
• الأمان، والتحكم في الوصول، وlogging
• مراقبة الأداء، والأخطاء، والتكاليف
• عمليات الاختبار، وevals، والمراجعة البشرية
• صيانة prompts، والنماذج، وworkflows
• مخاطر سعر الصرف الناتجة عن التسعير بالدولار الأمريكي

على سبيل المثال، قد تكون تكاليف التطوير، والبنية التحتية للبيانات، والأمان، والصيانة في مشروع لا تتجاوز فاتورة API الشهرية فيه 500 USD أعلى بكثير. لذلك، يجب إعداد الميزانية مع أخذ بنية الحل المتكاملة في الاعتبار، وليس تكلفة tokens فقط.

كيف يمكن لـ Omtera تحسين تكاليف OpenAI API؟

لا يكفي إنشاء اتصال API فقط لكي تقدم OpenAI API قيمة حقيقية للشركة. يجب تناول اختيار use case المناسب، وتحديد النموذج، وتصميم بنية prompts، والأمان، وبنية RAG، وevals، ومراقبة التكاليف ضمن نهج متكامل.

يمكن لـ Omtera دعم الشركات في المجالات التالية عند التخطيط لحلول تعتمد على OpenAI:

• اختيار use cases المتوافقة مع أهداف الأعمال
• تقييم النماذج وservice tiers
• تحليل استهلاك tokens
• إعداد استراتيجية Prompt Caching
• تحديد workloads المناسبة لـ Batch API
• تحسين بنية RAG
• تصميم نظام model routing
• إعداد dashboards للتكلفة والأداء
• تخطيط عمليات الأمان والتفويض المؤسسية
• إنشاء أنظمة evals قبل الانتقال إلى بيئة الإنتاج

وبذلك، يمكن للشركات بناء نظام لا يقتصر على كونه تطبيق AI يعمل بشكل جيد، بل يكون أيضاً قابلاً للقياس، وآمناً، ومستداماً، وقابلاً للتوسع.

لا يمكن تقييم أسعار OpenAI API فقط من خلال السؤال: «كم تبلغ تكلفة مليون token؟» فالتكلفة الفعلية تعتمد على اختيار النموذج، ونسبة input إلى output، وسجل المحادثة، وRAG context، واستخدام cache، وtool calls، وprocessing tier، وبنية التطبيق.

يمكن أن توفر Batch API، وPrompt Caching، وFlex processing عند ملاءمتها، مزايا مهمة في التكلفة. ويمكن للمؤسسات ذات الأحجام المرتفعة والمتوقعة تقييم Scale Tier، بينما قد تنظر التطبيقات التي تكون فيها latency عاملاً حرجاً في Priority processing.

النهج الأكثر فاعلية هو اختبار النماذج باستخدام بيانات أعمال حقيقية، وقياس التكلفة لكل مهمة ناجحة، وتحسين نظام AI بانتظام. بهذه الطريقة، يمكن تحويل OpenAI API من مصروف تقني غير منضبط إلى استثمار استراتيجي يحقق قيمة أعمال قابلة للقياس.

هل أنتم مستعدون لجعل استثماركم في OpenAI API قابلاً للقياس والتوسع؟ خططوا لجلسة سريعة مع Omtera لوضع خارطة طريق OpenAI الخاصة بكم.

الأسئلة الشائعة

هل OpenAI API مجانية؟

يتم تسعير OpenAI API عادة وفق نموذج pay-as-you-go. وقد يختلف توفير أرصدة مؤقتة للحسابات الجديدة أو ضمن برامج معينة بحسب شروط الحساب والحملات. ويجب التحقق من الحالة الحالية من خلال شاشة billing في OpenAI Platform.

هل OpenAI API مشمولة في اشتراك ChatGPT Plus؟

لا. ChatGPT Plus وOpenAI API منتجان منفصلان ويتم احتسابهما بشكل منفصل. شراء اشتراك ChatGPT لا يوفر أرصدة لاستخدام API.

هل لدى OpenAI API رسوم شهرية ثابتة؟

يتم احتساب الاستخدام القياسي لـ API غالباً بحسب عدد tokens والأدوات المستخدمة. أما خيارات السعة المحجوزة مثل Scale Tier، فتسمح بشراء وحدات سعة محددة مسبقاً.

هل يتم احتساب أسعار OpenAI API بالليرة التركية؟

يتم عرض أسعار OpenAI API عادة بالدولار الأمريكي. ويجب على الشركات في Türkiye إدراج تقلبات أسعار الصرف، والرسوم البنكية، والالتزامات الضريبية السارية ضمن تخطيط الميزانية.

هل توفر Batch API خصماً فعلياً بنسبة 50%؟

وفقاً للتوضيح الرسمي من OpenAI، قد يتم تسعير workloads المدعومة في Batch API بخصم 50% مقارنة بالأسعار القياسية المشتركة. ومع ذلك، يجب التحقق من دعم النموذج وشروط التسعير الحالية قبل التنفيذ.

هل تعمل Prompt Caching تلقائياً؟

يمكن أن تعمل Prompt Caching تلقائياً للطلبات المؤهلة على النماذج المدعومة. إلا أن تحقيق cache hit يعتمد على إعادة استخدام بداية prompt نفسها واستيفاء الحد الأدنى من متطلبات tokens.

هل يكفي أرخص نموذج من OpenAI لجميع المشاريع؟

لا. قد ينتج النموذج الأقل سعراً لكل token أخطاء أكثر أو يحتاج إلى محاولات إضافية في المهام المعقدة. لذلك، يجب ألا يعتمد اختيار النموذج على السعر فقط، بل أيضاً على الجودة، وlatency، والموثوقية، والتكلفة لكل عملية ناجحة.

كيف يمكن الحد من تكاليف OpenAI API؟

يمكن التحكم في التكاليف من خلال ضوابط الميزانية على مستوى المشروع، وتنبيهات الاستخدام، وحدود output tokens، وmodel routing، وPrompt Caching، وBatch API، والتحليل المنتظم للاستخدام.

هل يمكن أن تتغير أسعار OpenAI API؟

نعم. قد تتغير النماذج، والأسعار، وservice tiers، وخيارات الخصم بمرور الوقت. لذلك، يجب التحقق من صفحات التسعير الرسمية لـ OpenAI قبل اتخاذ قرارات التطوير أو الشراء.