انخفض سعر مستوى ثابت من أداء الذكاء الاصطناعي بنحو 1,000 ضعف خلال ثلاث سنوات (a16z، LLMflation 2024) — فقد بيع إخراج بجودة GPT-3 كان يكلّف 60 دولاراً لكل مليون رمز في أواخر 2021 بسعر 0.06 دولار بحلول أواخر 2024. وقاس مؤشر Stanford HAI للذكاء الاصطناعي لعام 2025 انخفاضاً بمقدار 280 ضعفاً لجودة معادلة لـ GPT-3.5 خلال نحو 18 شهراً (Stanford HAI، AI Index 2025). وتتبّع Epoch AI انخفاضاً وسيطاً يقارب 50 ضعفاً سنوياً عبر اختبارات القياس المرجعية، يتسارع إلى 200 ضعف سنوياً منذ يناير 2024 (Epoch AI، LLM Inference Price Trends 2025). ومع ذلك، يتصاعد الإنفاق الإجمالي في الاتجاه المعاكس: أفادت The Information بأن فاتورة الاستدلال لدى OpenAI في 2025 بلغت نحو 8.4 مليار دولار، أي نحو أربعة أضعاف العام السابق. ويجمع هذا التحليل بيانات من Epoch AI وStanford HAI وa16z وGoogle وNVIDIA وMenlo Ventures و12 مصدراً أساسياً آخر حول وضع اقتصاديات الاستدلال في منتصف 2026.
الخلاصة السريعة
- انخفض الإخراج المعادل لجودة GPT-3 من 60 دولاراً لكل مليون رمز في 2021 إلى 0.06 دولار بحلول 2024، أي انخفاض بمقدار 1,000 ضعف (a16z، LLMflation 2024).
- انخفض سعر استعلام بجودة معادلة لـ GPT-3.5 من 20 دولاراً إلى 0.07 دولار لكل مليون رمز، أي تخفيض بمقدار 280 ضعفاً خلال نحو 18 شهراً (Stanford HAI، AI Index 2025).
- يتراوح انخفاض نسبة السعر إلى الأداء في اختبارات القياس المرجعية بين 9 و900 ضعف سنوياً؛ بوسيط 50 ضعفاً، يرتفع إلى 200 ضعف منذ يناير 2024 (Epoch AI، 2025).
- يبلغ تقدّم الكفاءة الخوارزمية المعزولة نحو 3 أضعاف سنوياً، إضافة إلى مكاسب الأجهزة (The Price of Progress، arXiv 2025).
- بلغ متوسط سعر إيجار NVIDIA H100 عند الطلب في السوق نحو 3.61 دولار لكل ساعة GPU عبر 42 مزوداً في 2026 (getdeploying، 2026).
- بلغت وحدة GB300 NVL72 من NVIDIA 0.12 دولار لكل مليون رمز، وهو ما وُصف بأنه أقل بـ35 ضعفاً من تكلفة الرمز الواحد مقارنة بـ Hopper (NVIDIA، InferenceMAX 2025).
- عالجت Google 3.2 كوادريليون رمز شهرياً بحلول منتصف 2026، أي أكثر بنحو 7 أضعاف على أساس سنوي (Google I/O 2026).
- تضاعف إنفاق الشركات على واجهات نماذج اللغة الكبيرة من 3.5 مليار دولار إلى 8.4 مليار دولار خلال ستة أشهر (Menlo Ventures، 2025).
- بلغت تكلفة الاستدلال لدى OpenAI في 2025 نحو 8.4 مليار دولار، أي نحو 4 أضعاف العام السابق (The Information، 2025).
- قُدّرت البنية التحتية المجمعة للتدريب والاستدلال بـ251 مليار دولار في 2025، لترتفع إلى 672 مليار دولار بحلول 2029 (Bloomberg Intelligence، عبر نموذج S-1 الخاص بـ Cerebras 2026).
- يستهلك الاستعلام النصي الوسيط في Gemini 0.24 وات-ساعة، بانخفاض 33 ضعفاً خلال 12 شهراً (Google، 2025).
1. انهيار الأسعار مقابل الأداء المكافئ
الرقم الأبرز في اقتصاديات الاستدلال ليس أي سعر منفرد — بل هو الانحدار. فبالنسبة لمعيار جودة ثابت، ظلت تكلفة تشغيل نموذج تنخفض إلى النصف على مقياس أشهر لا سنوات، وازداد الانحدار حدة منذ أوائل 2024. والتباين بين اختبارات القياس المرجعية مهم: فالجودة السلعية الرخيصة تنخفض الأسرع، بينما تحافظ جودة الاستدلال المتقدم (frontier reasoning) على سعرها. يقيس Epoch AI انخفاضاً وسيطاً بمقدار 50 ضعفاً سنوياً، يقفز إلى 200 ضعف سنوياً عند الاقتصار على بيانات ما بعد يناير 2024. ويستمر القاع في الانخفاض لأن ثلاث قوى تتراكم: المنافسة، وسيليكون أفضل، وخوارزميات أفضل. وبعزل العامل الأخير، وضع فريق بحثي الكفاءة الخوارزمية الخالصة عند نحو 3 أضعاف سنوياً.
| المقياس | القيمة | المصدر |
|---|---|---|
| سعر الجودة المعادلة لـ GPT-3 (MMLU ~42) | $60/M tokens (Nov 2021) to $0.06/M (2024), a 1,000x drop | a16z, LLMflation (2024) |
| معدل LLMflation للأداء المكافئ | ~10x cheaper per year | a16z, LLMflation (2024) |
| سعر الجودة المعادلة لـ GPT-3.5 (MMLU 64.8%) | $20/M (Nov 2022) to $0.07/M (Oct 2024), 280-fold | Stanford HAI, AI Index (2025) |
| انخفاض نسبة السعر إلى الأداء عبر اختبارات القياس المرجعية | 9x to 900x per year; median 50x | Epoch AI, Inference Price Trends (2025) |
| التسارع بعد يناير 2024 | Median 200x per year | Epoch AI, Inference Price Trends (2025) |
| جودة GPT-4 على اختبار GPQA Diamond | 40x per year price drop | Epoch AI, Inference Price Trends (2025) |
| انخفاض الأسعار في اختبارات القياس المرجعية المتقدمة | 5x to 10x per year | The Price of Progress (arXiv, 2025) |
| تقدّم الكفاءة الخوارزمية المعزولة | ~3x per year | The Price of Progress (arXiv, 2025) |
ملاحظة حول القيمة الشاذة: تستند مجموعة بيانات Epoch نفسها وراء هذه الأرقام إلى 36 ملاحظة سعرية فريدة عبر ستة اختبارات قياس مرجعية، لذا فإن المعدلات في اختبار واحد فقط (القيمة القصوى 900 ضعف) أكثر تشوّشاً من الوسيط المجمّع.
2. اقتصاديات الأجهزة ووحدات معالجة الرسومات (GPU)
تعتمد أسعار الرموز المنخفضة على أسعار حوسبة منخفضة. واستمرت أسعار إيجار NVIDIA H100، حصان العمل في هذا المجال، في الانزلاق طوال 2025 وحتى 2026 مع تقديم السحابات المتخصصة أسعاراً أقل من شركات الهايبرسكيلر، وكل جيل جديد من المسرّعات يعيد ضبط قاع تكلفة الرمز الواحد. تضع نتائج اختبارات InferenceMAX من NVIDIA، المنشورة في أكتوبر 2025، وحدة GB300 NVL72 عند 0.12 دولار لكل مليون رمز — أقل بـ35 ضعفاً من تكلفة الرمز الواحد مقارنة بجيل Hopper. وإطار عرض المورّد ترويجي، لذا يجب التعامل مع هذه المضاعفات كأفضل سيناريو، لكن الاتجاه يتطابق مع أدوات تتبع الأسعار المستقلة أدناه. وتتوقع Gartner أن يستمر هذا الاتجاه لسنوات: إذ من المفترض أن يكلّف الاستدلال على نموذج بتريليون معامل أقل بأكثر من 90 بالمئة في 2030 مقارنة بـ2025.
| المقياس | القيمة | المصدر |
|---|---|---|
| متوسط سعر H100 عند الطلب، 42 مزوداً | ~$3.61 per GPU-hour | getdeploying (2026) |
| انخفاض سعر H100 السحابي من الذروة | 64% to 75% | GPU price trackers (2026) |
| تخفيض سعر H100 لدى AWS، يونيو 2025 | ~44% | GPU price trackers (2026) |
| نمو أداء أجهزة التعلم الآلي | 43% per year, doubling every 1.9 years | Stanford HAI, AI Index (2025) |
| انخفاض تكلفة أجهزة التعلم الآلي / كفاءة الطاقة | -30% per year / +40% per year | Stanford HAI, AI Index (2025) |
| تكلفة الرمز الواحد لوحدة NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| تكلفة كل مليون رمز لـ Blackwell | 15x lower than prior generation | NVIDIA, InferenceMAX (2025) |
| التكلفة المتوقعة في 2030 لاستدلال نموذج بتريليون معامل | >90% lower vs 2025 | Gartner (2025) |
السياق: يزعم إفصاح NVIDIA نفسه أن منشأة GB200 NVL72 بقيمة 5 ملايين دولار تولّد نحو 75 مليون دولار من إيرادات الرموز، أي عائد بمقدار 15 ضعفاً — وهو عرض ترويجي لعائد الاستثمار من مورّد، وليس تدقيقاً مستقلاً. للاطلاع على الصورة الأوسع للسيليكون، راجع إحصاءات شرائح الذكاء الاصطناعي لدينا.
3. انفجار الرموز
الرموز الأرخص لم تقلّص الفاتورة؛ بل فجّرت الطلب. فمع انخفاض أسعار الرمز الواحد، بدأ المزوّدون بقياس الإنتاجية بالكوادريليونات، وتدفع أحمال العمل الوكيلية (agentic) التي تُطلق عشرات الاستدعاءات لكل مهمة الحجم إلى الارتفاع أكثر. أفادت Google بمعالجة 3.2 كوادريليون رمز شهرياً بحلول منتصف 2026، أي أكثر بنحو 7 أضعاف مقارنة بمعدلها قبل عام. وهذه مفارقة جيفونز (Jevons paradox) في الزمن الحقيقي: فكلما زادت كفاءة المورد، زاد استهلاكه. وتشير Gartner إلى أن الاستعلامات الوكيلية وحدها تستهلك ما بين 5 و30 ضعفاً من الرموز مقارنة بدورة محادثة قياسية في شات بوت، ما يجعل منحنى الحجم يزداد حدة مع تحوّل المنتجات من إجابات مفردة إلى وكلاء متعددي الخطوات.
| المقياس | القيمة | المصدر |
|---|---|---|
| إنتاجية الرموز لدى Google | 3.2 quadrillion/month (mid-2026), 7x YoY | Google I/O (2026) |
| نمو رموز Google | 480T/month (May 2025) to 980T (July 2025) | T. Tunguz, Token Race (2025) |
| إنتاجية Microsoft Foundry | 100T tokens in a quarter; 50T single-month record | T. Tunguz, Token Race (2025) |
| عدد عملاء Microsoft الكبار | 250+ customers on track for >1T tokens/year each | Microsoft, via T. Tunguz (2025) |
| إنتاجية Together.ai | 2 trillion tokens/day (Sept 2025) | T. Tunguz, Token Race (2025) |
| حصة المصادر المفتوحة من حجم الاستدلال | ~1% to 3% | T. Tunguz, Token Race (2025) |
| مضاعف رموز الاستعلامات الوكيلية | 5x to 30x more tokens than a chatbot query | Gartner (2025) |
السياق: مثّل الذكاء الاصطناعي الوكيلي أقل من 1 بالمئة من إجمالي نشاط الاستدلال على Azure خلال الفترة المذكورة، لذا يُطبَّق المضاعف من 5 إلى 30 ضعفاً على قاعدة صغيرة لكنها سريعة النمو. لمعرفة إلى أين تتجه هذه الأحمال لاحقاً، راجع إحصاءات وكلاء الذكاء الاصطناعي لدينا.
4. إنفاق الشركات ومفارقة الهامش
إليك المفارقة في جملة واحدة: أسعار الوحدات تنهار، ومع ذلك ينفق كل من المشترين والبائعين أكثر. حوّلت الشركات الميزانية من التجريب إلى الإنتاج الدائم، حيث لا يتوقف الاستدلال أبداً. وجدت Menlo Ventures أن 74 بالمئة من بُناة الذكاء الاصطناعي يقولون الآن إن غالبية أحمال عملهم هي استدلال، ارتفاعاً من 48 بالمئة قبل عام. وعلى جانب المورّدين، يشكّل الاستدلال بند التكلفة المهيمن: أفادت The Information بأن فاتورة الاستدلال لدى OpenAI في 2025 بلغت نحو 8.4 مليار دولار، أي نحو أربعة أضعاف العام السابق وأعلى بكثير من توقعها الخاص البالغ 6.6 مليار دولار. والهوامش هي نقطة الضغط — إذ وضع التقرير نفسه هامش الربح الإجمالي لـ OpenAI عند 33 بالمئة، دون هدفها البالغ 46 بالمئة.
| المقياس | القيمة | المصدر |
|---|---|---|
| إنفاق الشركات على واجهات نماذج اللغة الكبيرة | $3.5B (late 2024) to $8.4B (mid-2025) | Menlo Ventures (2025) |
| البُناة ذوو أحمال عمل غالبيتها استدلال | 74%, up from 48% a year earlier | Menlo Ventures (2025) |
| استثمار الشركات في الذكاء الاصطناعي التوليدي | $1.7B (2023) to $37B (2025) | Menlo Ventures (2025) |
| تكلفة الاستدلال لدى OpenAI في 2025 | ~$8.4B, ~4x YoY (vs $6.6B forecast) | The Information (2025) |
| توقع تكلفة الاستدلال لدى OpenAI في 2026 | ~$14.1B | The Information (2025) |
| تكلفة الاستدلال لدى Anthropic في 2025 | ~$2.7B, >3x growth | The Information (2025) |
| هامش الربح الإجمالي لـ OpenAI | 33% (fell from 40%, missed 46% target) | The Information (2025) |
| الإنفاق الرأسمالي على شرائح استدلال المستهلكين وفق Barclays، 2026 | ~$120 billion | Barclays Research (2025) |
السياق: تفيد التقارير بأن أعمال واجهة برمجة التطبيقات (API) لدى Anthropic تُشغَّل بهوامش ربح إجمالية تفوق 80 بالمئة، وهو تذكير بأن قصة “الاستدلال يخسر المال” تعتمد على مزيج النماذج والتسعير وليست عالمية. للاطلاع على اقتصاديات البرمجيات وراء ذلك، راجع إحصاءات SaaS لدينا.
5. روافع خفض التكلفة: النماذج المفتوحة، والتخزين المؤقت، والمعالجة الدفعية
الأسعار المعلنة تبالغ فيما تدفعه الفرق المنضبطة فعلياً. فالنماذج مفتوحة الأوزان، والتخزين المؤقت للمطالبات، والمعالجة الدفعية غير المتزامنة تخفّض كل منها التكلفة الفعلية بمقدار رتبة كاملة، وتتراكم معاً. يعمل نموذج R1 من DeepSeek بتكلفة أرخص بنحو 96 بالمئة من o1 من OpenAI على أساس الرمز الواحد، أي فجوة تقارب 27 ضعفاً. أما الفئة المتقدمة (frontier) فتروي القصة المعاكسة: سعر إخراج o1 من OpenAI البالغ 60 دولاراً لكل مليون رمز مطابق لتكلفة GPT-3 عند إطلاقه في 2021، لذا فإن الاستدلال المتقدم لم يصبح أرخص حتى مع انهيار الجودة السلعية. وتكمن الوفورات في الروافع أدناه.
| المقياس | القيمة | المصدر |
|---|---|---|
| سعر واجهة برمجة التطبيقات لـ DeepSeek R1 | $0.55/M input, $2.19/M output | DeepSeek pricing (2026) |
| سعر واجهة برمجة التطبيقات لـ OpenAI o1 | $15/M input, $60/M output | pricepertoken (2026) |
| DeepSeek R1 مقابل OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| إخراج OpenAI o1 مقابل إطلاق GPT-3 | $60/M, identical to 2021 GPT-3 | a16z, LLMflation (2024) |
| إدخال DeepSeek R1 المخزّن مؤقتاً | $0.14/M tokens | DeepSeek pricing (2026) |
| إدخال DeepSeek V4 المخزّن مؤقتاً | $0.03/M tokens, a 90% discount | DeepSeek pricing (2026) |
| خصم واجهة Batch API من OpenAI | Flat 50% for a 24-hour window | OpenAI Batch API (2026) |
| التخزين المؤقت + المعالجة الدفعية، إدخال GPT-5.4 المخزّن مؤقتاً | $0.625/M, 75% below standard | OpenAI Batch API (2026) |
ملاحظة حول القيمة الشاذة: تُسعَّر رموز الإخراج بما بين 3 و5 أضعاف أعلى من رموز الإدخال لدى المزوّدين الرئيسيين لأن التوليد متسلسل بينما تتم معالجة الإدخال بالتوازي، لذا يفيد التخزين المؤقت أكثر أحمال العمل كثيفة الإدخال. لمعرفة كيف تعيد النماذج مفتوحة الأوزان تشكيل هذا الوضع، راجع إحصاءات الحوسبة السحابية لدينا.
6. حجم السوق والتوقعات
يتفاوت حجم السوق الإجمالي للاستدلال بالذكاء الاصطناعي بشكل واسع، لأن المحلّلين يرسمون الحدود بشكل مختلف — إذ يحسب بعضهم شرائح الاستدلال فقط، بينما يحسب آخرون كامل مكدس البرمجيات والخدمات. يجب التعامل مع هذا التفاوت كنطاق، لا كتناقض. حدّدت Bloomberg Intelligence، المستشهد بها في نموذج S-1 الخاص بـ Cerebras، حجم سوق البنية التحتية المجمعة للتدريب والاستدلال بـ251 مليار دولار في 2025، يرتفع إلى 672 مليار دولار بحلول 2029، مع توسّع الاستدلال بأكثر من ضعف سرعة التدريب. وتنمو الشريحة الأضيق الخاصة بشرائح الاستدلال بثبات لا بشكل متفجر، بينما تصل التعريفات الواسعة لـ”الاستدلال بالذكاء الاصطناعي” إلى نحو ربع تريليون دولار بحلول 2030.
| المقياس | القيمة | المصدر |
|---|---|---|
| سوق الاستدلال بالذكاء الاصطناعي، 2025 إلى 2030 | $106.15B to $254.98B, 19.2% CAGR | MarketsandMarkets (2025) |
| سوق الاستدلال بالذكاء الاصطناعي، 2024 إلى 2030 | $97.24B to $253.75B, 17.5% CAGR | Grand View Research (2025) |
| سوق الاستدلال بالذكاء الاصطناعي، 2026 إلى 2034 | $117.80B to $312.64B, 12.98% CAGR | Fortune Business Insights (2026) |
| سوق شرائح الاستدلال بالذكاء الاصطناعي، 2026 إلى 2030 | $20.51B to $36.97B, 15.9% CAGR | The Business Research Company (2026) |
| البنية التحتية المجمعة للتدريب والاستدلال، 2025 إلى 2029 | $251B to $672B, ~28% CAGR | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| نمو الاستدلال مقابل التدريب | Inference grows >2x faster | Bloomberg Intelligence, via Cerebras S-1 (2026) |
ملاحظة حول التباين: تتراوح تقديرات 2030 لـ”الاستدلال بالذكاء الاصطناعي” بين نحو 255 مليار دولار (MarketsandMarkets) و313 مليار دولار بحلول 2034 (Fortune Business Insights)؛ وتعكس الفجوة اختلافات في النطاق وسنة الأساس، لا خطأ في البيانات.
7. الطاقة والتكلفة لكل استعلام
تنخفض البصمة الموردية لكل استعلام بنفس سرعة انخفاض السعر بالدولار، وكان 2025 هو العام الذي نشر فيه أكبر مزوّد أرقاماً أخيراً. كشفت Google أن الاستعلام النصي الوسيط في Gemini يستهلك 0.24 وات-ساعة من الكهرباء — وأن هذا الرقم انخفض 33 ضعفاً خلال الأشهر الـ12 السابقة. وتقع التقديرات المستقلة في نفس النطاق تقريباً، وهو ما يمثّل تدقيقاً تقاطعياً مفيداً لحسابات المورّدين. ويحمل التحفّظ وزناً: فهذه أرقام وسيطة، وتستهلك مهام الاستدلال المعقد أو الوكيلية من عدة إلى عشرات الوات-ساعات، لذا ترتفع الفاتورة المتوسطة مع تحوّل المنتجات نحو أحمال عمل أثقل.
| المقياس | القيمة | المصدر |
|---|---|---|
| طاقة الاستعلام النصي الوسيط في Gemini | 0.24 watt-hours | Google Cloud (2025) |
| الماء / الكربون للاستعلام الوسيط في Gemini | 0.26 mL / 0.03 gCO2e | Google Cloud (2025) |
| الطاقة لكل استعلام وسيط في Gemini، التغيّر خلال 12 شهراً | Fell 33x | Google Cloud (2025) |
| الكربون لكل استعلام وسيط في Gemini، التغيّر خلال 12 شهراً | Fell 44x | Google Cloud (2025) |
| طاقة استعلام ChatGPT المتوسطة | ~0.34 watt-hours | OpenAI (Sam Altman, 2025) |
| تقدير الاستعلام النموذجي | ~0.3 watt-hours | Epoch AI (2025) |
| طاقة الاستعلام المعقد / الوكيلي | Several to tens of watt-hours | Google Cloud (2025) |
السياق: يغطي إفصاح Google طاقة النظام الكامل بما في ذلك السعة الخاملة والنفقات العامة لمركز البيانات (PUE)، وهو نطاق أوسع من الأرقام الخاصة بالشريحة فقط التي كثيراً ما تُستشهد بها في مصادر أخرى، لذا لا يمكن مقارنته مباشرة بالتقديرات التقريبية.
الخلاصة: تكلفة الاستدلال بالذكاء الاصطناعي بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| سعر الجودة المعادلة لـ GPT-3 | $60/M (2021) to $0.06/M (2024), 1,000x | a16z, LLMflation (2024) |
| سعر الجودة المعادلة لـ GPT-3.5 | 280-fold drop, late 2022 to Oct 2024 | Stanford HAI, AI Index (2025) |
| انخفاض السعر عبر اختبارات القياس المرجعية | Median 50x/year; 200x/year since Jan 2024 | Epoch AI (2025) |
| تقدّم الكفاءة الخوارزمية | ~3x per year | The Price of Progress (arXiv, 2025) |
| متوسط سعر H100 عند الطلب | ~$3.61 per GPU-hour, 42 providers | getdeploying (2026) |
| انخفاض سعر H100 من الذروة | 64% to 75% | GPU price trackers (2026) |
| تكلفة أجهزة التعلم الآلي / كفاءة الطاقة | -30% / +40% per year | Stanford HAI, AI Index (2025) |
| تكلفة الرمز الواحد لوحدة NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| إنتاجية الرموز لدى Google | 3.2 quadrillion/month, 7x YoY | Google I/O (2026) |
| إنفاق الشركات على واجهات نماذج اللغة الكبيرة | $3.5B to $8.4B in six months | Menlo Ventures (2025) |
| أحمال العمل التي غالبيتها استدلال | 74% of builders, up from 48% | Menlo Ventures (2025) |
| تكلفة الاستدلال لدى OpenAI في 2025 | ~$8.4B, ~4x YoY | The Information (2025) |
| تكلفة الاستدلال لدى Anthropic في 2025 | ~$2.7B, >3x growth | The Information (2025) |
| DeepSeek R1 مقابل OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| سوق الاستدلال بالذكاء الاصطناعي | $106B (2025) to $255B (2030), 19.2% CAGR | MarketsandMarkets (2025) |
| البنية التحتية المجمعة للتدريب والاستدلال | $251B (2025) to $672B (2029) | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| طاقة الاستعلام الوسيط في Gemini | 0.24 Wh, down 33x in 12 months | Google Cloud (2025) |
| توقع تكلفة Gartner لعام 2030 | 1T-param inference >90% cheaper vs 2025 | Gartner (2025) |
| مضاعف رموز الاستعلامات الوكيلية | 5x to 30x more tokens | Gartner (2025) |
| خصم واجهة Batch API من OpenAI | Flat 50% for 24-hour window | OpenAI (2026) |
المنهجية والمصادر
جُمعت البيانات عبر تجميع أرقام من تقارير أساسية، وإفصاحات الشركات، وملفات تنظيمية، وأدوات تتبع أسعار معروفة بمنهجية علنية، وتحليلات محكّمة نُشرت بين 2024 و2026، مع إعطاء الأولوية لبيانات 2025-2026 وتتبّع إشارات الصحافة التجارية إلى مصدرها الأصلي.
- Andreessen Horowitz (a16z)، Welcome to LLMflation (2024) — a16z.com
- Epoch AI، LLM Inference Price Trends وHow Much Energy Does ChatGPT Use? (2025) — epoch.ai
- Stanford HAI، 2025 AI Index Report، فصل البحث والتطوير (2025) — hai.stanford.edu
- The Price of Progress: Algorithmic Efficiency and the Falling Cost of AI Inference (arXiv:2511.23455، 2025)
- Gartner، توقعات تكلفة الاستدلال بالذكاء الاصطناعي، حسب تقرير CIO Dive (2025)
- NVIDIA، Blackwell InferenceMAX Benchmark Results (أكتوبر 2025)
- Google / Google Cloud، Measuring the Environmental Impact of AI Inference (2025)؛ تقرير MIT Technology Review (2025)
- Tomasz Tunguz، The Trillion Token Race (2025)؛ كلمة Google I/O 2026 الرئيسية (Sundar Pichai)
- Menlo Ventures، 2025: The State of Generative AI in the Enterprise (2025)
- The Information، تقارير عن تكلفة الاستدلال لدى OpenAI وAnthropic (2025)
- Bloomberg Intelligence، حجم السوق المستشهد به في ملف S-1 الخاص بـ Cerebras Systems، هيئة الأوراق المالية الأمريكية SEC (2026)
- Barclays Research، تقدير الإنفاق الرأسمالي على استدلال الذكاء الاصطناعي الاستهلاكي (2025)
- DeepSeek، وثائق تسعير واجهة برمجة التطبيقات (2026)؛ تسعير نماذج pricepertoken.com (2026)
- OpenAI، وثائق Batch API (2026)؛ تصريح علني من سام ألتمان حول طاقة الاستعلام (2025)
- getdeploying وأدوات تتبع أخرى لأسعار NVIDIA H100 السحابية (2026)
- MarketsandMarkets وGrand View Research وFortune Business Insights، تقارير سوق الاستدلال بالذكاء الاصطناعي (2024-2026)؛ The Business Research Company، سوق شرائح الاستدلال بالذكاء الاصطناعي (2026، عبر GlobeNewswire)
Data watch: تنشر Stanford HAI مؤشر AI Index سنوياً (يُتوقع صدور النسخة القادمة حوالي أبريل 2027)؛ وتُحدّث Menlo Ventures تقرير State of Generative AI الخاص بها سنوياً؛ وتُحدّث Epoch AI أدوات تتبع أسعار الاستدلال واتجاهاته باستمرار؛ ومن المتوقع أن تُحدّث Google إفصاحها عن الأثر البيئي سنوياً؛ وتُعيد Gartner وشركات أبحاث السوق إصدار توقعات الاستدلال الخاصة بها وفق دورات متجددة. وتتغيّر أسعار واجهات برمجة التطبيقات المتقدمة بشكل متكرر، لذا فإن أرقام الرمز الواحد هي أرقام آنية في زمن محدد.
آخر تحديث: 10 يوليو 2026.
نراجع هذه الصفحة ونحدّثها فصلياً مع نشر بيانات جديدة.