OpenAI تخفض أسعار GPT-6 Sol وLuna بنسبة 50% للدفاع عن حصة المطورين

في يوم الثلاثاء، قدمت OpenAI نموذجي GPT-6 Sol وGPT-6 Luna، وكلاهما بسعر أقل بنسبة 50% على الأقل من أسعار نماذج GPT-5.6 التي تحل محلها. تهدف تخفيضات أسعار OpenAI إلى المطورين والشركات التي بدأت اختيار النماذج بناءً على تكلفة المهام المكتملة بدلاً من مجرد نتائج الاختبارات المعيارية.

من المثير للاهتمام أن هذه الأخبار تزامنت مع إعلان Anthropic عن تخفيض سعر نموذجها الرائد.

نصف سعر نماذج GPT-5.6

تكلفة GPT-6 Sol هي 2 دولار لكل مليون توكن إدخال و10 دولارات لكل مليون توكن إخراج. يقارن ذلك بأسعار GPT-5.6 Sol وهي 4 و20 دولاراً على التوالي. تكلفة GPT-6 Luna هي 0.10 دولار للإدخال و0.50 دولار للإخراج، مقارنة بـ 0.20 دولار للإدخال و1.20 دولار للإخراج لـ GPT-5.6 Luna. بشكل عام، هذا يعني أن تكاليف Sol قد انخفضت إلى النصف في كلتا الحالتين، بينما انخفضت تكاليف Luna للإدخال وانخفضت بنسبة 58.3% للإخراج.

تعزو OpenAI التحسين في الاستدلال والتخزين كعوامل سمحت لها بإجراء التخفيضات. ووفقاً لـ منشور الإطلاق الخاص بها، فإن الأسعار لاستخدام GPT-5.6 ترويجية، بينما أخبر ممثل من OpenAI VentureBeat أن أسعار GPT-6 الجديدة هنا لتبقى. يظل طبقة GPT-6 Astra الأغلى سعراً عند 10 دولارات للإدخال و50 دولارات للإخراج.

ووفقاً لـ Cryptopolitan، خفضت OpenAI سعر GPT-5.6 Luna بنسبة 80% وGPT-5.6 Terra بنسبة 20%，مشيرة إلى أن التسعير أصبح قضية محورية في منافسة نماذج الذكاء الاصطناعي.

بيع التكلفة لكل مهمة مكتملة، وليس الفوز في الاختبارات المعيارية

أصبحت استراتيجية OpenAI أكثر اقتصادية منها تقنية. تكشف أداء الشركة الناشئة في AutomationBench، وهو موقع يقيس العمليات التجارية عبر 47 أداة مختلفة، أن GPT-6 Sol بأقصى جهد حقق نتيجة بنسبة 32.0% بتكلفة 0.34 دولار لكل مهمة. حقق Claude Opus 5.5 نتيجة بنسبة 40.0% بأقصى جهد بتكلفة 1.28 دولار لكل مهمة. قدم Opus 5.5 نتيجة إكمال أعلى بنسبة ثمانية نقاط مئوية، ولكن بتكلفة لكل مهمة تقارب 3.8 مرة مقارنة بـ GPT-6 Sol.

في أحدث امتحان للوكلاء (Agents)، ووفقاً لـ OpenAI، تفوق Sol بأقصى جهد على الأداء الأقصى لـ Opus 5 بتكلفة أقل لكل مهمة بنسبة 60%.

تخصص البيانات المستقلة المقدمة من Artificial Analysis لمؤشر الذكاء الاصطناعي لـ GPT-6 Sol بأقصى جهد درجة 48، ولـ Xiaomi MiMo-V2.6-Pro درجة 46، لكن الأخير أرخص بكثير من الأول.

Anthropic ترد بـ Opus 5.5 في نفس اليوم

أطلقت Claude Opus 5.5 بواسطة Anthropic في 22 سبتمبر بسعر 4 دولارات لكل مليون توكن للإدخال و20 دولاراً للإخراج، مما يقلل التكلفة لكل توكن بنسبة 20% مقارنة بـ Opus 5. تدعي Anthropic أنه مع النموذج الجديد، سيقل إنفاق المستخدمين بنسبة 40% تقريباً بسبب انخفاض استخدام التوكنات.

النتيجة الصافية لهذا هي أن GPT-6 Sol لديه سعر 2 دولار، مما يضعه عند نصف سعر 4 دولارات لـ Opus 5.5 ومطابقاً لـ Claude Sonnet 5. من ناحية أخرى، كلا من GPT-6 Astra وClaude Fable 5.1 على نفس المستوى ويطلبان 10 دولارات للإدخال و50 دولاراً للإخراج حسب تحليل VentureBeat.

المنافسون الأرخص يغلقون الفجوة باستمرار

تقول OpenRouter إن DeepSeek ضاعف حصتها من التوكنات على المنصة من 9% في يناير إلى 18% في يونيو، بينما تجاوزت النماذج الصينية النماذج الأمريكية مجتمعة في حصة التوكنات في أوائل يونيو. كما أصدرت Xiaomi نماذج MiMo الخاصة بها بموجب ترخيص MIT، مما يمنح الشركات خيار الاستضافة الذاتية بدلاً من الدفع لكل توكن.

ووفقاً لـ Ramp AI Index، الذي يستند إلى إحصائيات الإنفاق من أكثر من 70,000 شركة، فإن معدل اعتماد Anthropic هو 43.8% بينما هو 39.8% لـ OpenAI. لا تشير الإحصائيات إلى أي حصة سوقية عالمية، بل تظهر مدى سهولة انتقال الإنفاق المؤسسي من مزود إلى آخر.

علاوة على ذلك، يقدم Global AI Diffusion Report الذي نشرته Microsoft منظوراً أوسع للحالة: أصبح الذكاء الاصطناعي أكثر شعبية حول العالم، بينما قد تؤدي النماذج مفتوحة الأوزان إلى انخفاض تكاليف الوصول، خاصة في الجنوب العالمي، على الرغم من العقبات التي تفرضها البنية التحتية والاتصال والمهارات.

لماذا قد لا تعني التوكنات الأرخص ذكاءً اصطناعياً أرخص

تنبأت Gartner في 17 أغسطس بأن تكاليف الاستدلال لكل سير عمل وكيلي (agentic workflow) سترتفع أكثر من خمسة أضعاف حتى عام 2028. وتصف هذا بـ "مفارقة الاستدلال": يمكن للاقتصاديات الوحدوية الأرخص أن تزيد الإنفاق الإجمالي مع تعقيد سير عمل الذكاء الاصطناعي.

"ستتطلب كل جيل متتالي من قدرات الذكاء الاصطناعي المزيد من التوكنات، وغالباً ما تكون أكثر تكلفة." — ويل سومر، كبير محللي المديرين، جارتنر

وجدت ورقة بحثية مسبقة من جامعة أكسفورد، "ثمن الذكاء"، أن أسعار الاستدلال المعدلة حسب الجودة انخفضت بنحو 0.73 نقطة لوغاريتمية سنوياً—أسرع بأكثر من سبع مرات مما تلتقطه المقاييس التقليدية. لكن عند القياس لكل مهمة مكتملة، توقفت تكاليف المشترين عن الانخفاض بينما استهلكت نماذج الاستدلال المزيد من التوكنات.

بعبارة أخرى، قد لا تؤدي التوكنات الأرخص إلى تقليل فواتير الذكاء الاصطناعي. بل قد تجعل استخدام كميات أكبر من الذكاء الاصطناعي مجدياً اقتصادياً.