رسم بياني فيه خط مستوٍ للتسعير بالساعة وخط صاعد للتسعير بالتوكن
مقارنات

GPU بالساعة أم API بالتوكن؟ التكلفة الحقيقية لتشغيل نموذج 7B–8B

مقارنة واضحة للتكلفة بين استئجار GPU استهلاكي بالساعة والدفع لواجهة API للذكاء الاصطناعي عن كل توكن، بالأسعار الحالية وسرعات مقيسة ومثال محسوب لـ 1,000 طلب.

هناك طريقتان شائعتان للدفع مقابل نموذج ذكاء اصطناعي مفتوح وصغير مثل Llama 3.1 8B أو Qwen 2.5 7B:

  • بالتوكن: تستضيف شركة النموذج وتتقاضى مقابل كل توكن ترسله وتستقبله.
  • بالساعة: تستأجر GPU يشغّل النموذج، وتدفع مقابل الوقت، أياً كان عدد التوكنات التي تستخدمها.

تبدو الأسعار غير قابلة للمقارنة: “$0.04 لكل مليون توكن” من جهة، و”$0.35 في الساعة” من جهة أخرى. يحوّل هذا المقال الاثنين إلى الوحدة نفسها ويطبّقهما على مهمة واقعية واحدة. راجعنا كل الأسعار في سبتمبر 2026، والمصادر في آخر المقال.

الخطوة 1: ما سرعة كتابة GPU استهلاكي؟

السرعة المهمة هي عدد التوكنات التي يولّدها GPU في الثانية لطلب واحد. نعتمد على قياسات Hardware Corner، الذي اختبر Qwen3 8B بتكميم 4-bit (Q4_K_XL) مع سياق 16K في llama.cpp، وهو المحرك نفسه الذي بُني عليه Ollama.

GPUتوكن في الثانية (طلب واحد)توكن في الساعة
RTX 3060 12 GB42نحو 151,000
RTX 309087نحو 315,000
RTX 4090104نحو 376,000
RTX 5090145نحو 523,000

الموجّهات القصيرة أسرع. جدول النتائج الخاص بمشروع llama.cpp نفسه، مع النموذج الأصغر Llama 2 7B بصيغة Q4_0 وسياق قصير، يُظهر 76 و158 و186 و290 توكن في الثانية للبطاقات الأربع نفسها. نستخدم الأرقام الأدنى لأنها أقرب إلى الواقع.

قراءة الموجّه (prompt) أسرع بكثير من كتابة الإجابة. يُظهر الجدول نفسه معالجة الموجّه بنحو 2,100 توكن في الثانية على RTX 3060 ونحو 12,000 على RTX 4090. لذلك لا تكلّف الموجّهات الطويلة على GPU بالساعة إلا وقتاً إضافياً قليلاً.

الخطوة 2: تحويل السعر بالساعة إلى سعر لكل مليون توكن

اقسم السعر بالساعة على عدد التوكنات في الساعة. نستخدم الأسعار المعتادة عند الطلب على مواقع استئجار GPU في سبتمبر 2026:

GPUالسعر بالساعةتكلفة مليون توكن إخراج، مع إبقاء GPU مشغولاً
RTX 3060 12 GB$0.06نحو $0.40
RTX 3090$0.20نحو $0.64
RTX 4090$0.35نحو $0.93
RTX 5090$0.55نحو $1.05

عبارة “مع إبقاء GPU مشغولاً” هي الأهم هنا. تفترض هذه الأرقام أن GPU يكتب طوال الساعة. إذا بقي خاملاً نصف الوقت، تتضاعف تكلفة التوكن.

الخطوة 3: ما تتقاضاه واجهات API بالتوكن

الأسعار لكل مليون توكن، إدخال / إخراج:

النموذجالمزوّدالإدخالالإخراج
Llama 3.1 8B Instruct TurboDeepInfra$0.02$0.04
Gemma 3 12BDeepInfra$0.05$0.15
Qwen3.5 9BDeepInfra$0.10$0.15
gpt-4o-miniOpenAI$0.15$0.60
gpt-5-miniOpenAI$0.25$2.00
Claude Haiku 4.5Anthropic$1.00$5.00

أمران يلفتان النظر. النماذج المفتوحة المستضافة رخيصة جداً. والنماذج الصغيرة المغلقة تكلّف لكل توكن إخراج أكثر بـ 15 إلى 125 مرة من أرخص نموذج مفتوح بحجم 8B.

الخطوة 4: مهمة حقيقية واحدة، بكل طرق التسعير

لنفترض أنك تنفّذ 1,000 طلب. كل طلب يرسل 1,500 توكن (تعليمات ومستند) ويستقبل 500 توكن. أي 1.5 مليون توكن إدخال و0.5 مليون توكن إخراج.

الخيارتكلفة المهمةملاحظات
Llama 3.1 8B على DeepInfraنحو $0.05الأرخص بفارق كبير
gpt-4o-miniنحو $0.53
gpt-5-miniنحو $1.38
Claude Haiku 4.5نحو $4.00
RTX 3060 مستأجرة، طلب واحد في كل مرةنحو $0.21نحو 3.5 ساعات
RTX 3090 مستأجرةنحو $0.33نحو 1.7 ساعة
RTX 4090 مستأجرةنحو $0.48نحو 1.4 ساعة
RTX 5090 مستأجرةنحو $0.54نحو ساعة واحدة

كيف حسبنا أرقام GPU: قسمنا 500,000 توكن إخراج على السرعة من الخطوة 1، وأضفنا 1.5 مليون توكن موجّه مقسومة على سرعة معالجة الموجّه من جدول نتائج llama.cpp، ثم ضربنا الناتج في السعر بالساعة.

ماذا يعني ذلك

إذا كانت واجهة API مستضافة تقدّم النموذج المفتوح الذي تريده، فهي أرخص طريقة لتشغيله. بالنسبة لـ Llama 3.1 8B، لا شيء تستأجره بالساعة يقترب من $0.04 لكل مليون توكن إخراج.

مقارنةً بمعظم النماذج الصغيرة المغلقة، GPU بالساعة أرخص، إذا كان النموذج المفتوح جيداً بما يكفي لمهمتك. RTX 3060 مشغولة تكلّف لكل توكن إخراج أقل من gpt-4o-mini، وRTX 3090 تكلّف تقريباً المبلغ نفسه؛ وعند احتساب توكنات الإدخال أيضاً، كما في المهمة أعلاه، تصبح البطاقتان أرخص. وكل بطاقة في الجدول تكلّف أقل من gpt-5-mini أو Claude Haiku. أما هل يعطي نموذج مفتوح بحجم 7B–8B إجابات جيدة بما يكفي، فذلك يعتمد على المهمة: يؤدي عادةً جيداً في التصنيف واستخراج الحقول والتلخيص وإعادة الصياغة القصيرة، ويضعف في الاستدلال الطويل.

يكون GPU بالساعة منطقياً عندما:

  • لا يكون النموذج الذي تحتاج إليه متاحاً على أي API بالتوكن: نموذجك المضبوط بنفسك، أو نموذج من المجتمع، أو تكميم معيّن.
  • تريد تكلفة ثابتة بالساعة بدلاً من فاتورة بالعدّاد، مثلاً أثناء الاختبار أو عند تشغيل مهمة دفعية طوال الليل.
  • تكون موجّهاتك طويلة. على GPU تستأجره بالساعة، لا تكلّف توكنات الإدخال إلا الثواني القليلة التي تستغرقها قراءتها.
  • تريد تجربة نموذج على عتاد حقيقي قبل أن تشتري بطاقة بنفسك.

يكون الدفع بالتوكن منطقياً عندما:

  • تأتي حركة الطلبات على دفعات تفصل بينها فترات طويلة. لا تدفع شيئاً أثناء الانتظار.
  • تحتاج إلى طلبات كثيرة في الوقت نفسه. GPU استهلاكي واحد يعالج طلباً واحداً في كل مرة افتراضياً: القيمة الافتراضية لـ OLLAMA_NUM_PARALLEL في Ollama هي 1.
  • يكون النموذج الذي تريده مستضافاً وسعره يناسبك.

الخصوصية عامل في الحالتين

مع API بالتوكن، تذهب موجّهاتك إلى الشركة صاحبة الـ API. ومع GPU مستأجر، تذهب إلى الجهاز الذي تستأجره. على GPUFlow مثلاً، يعمل النموذج على كمبيوتر المزوّد نفسه، فتمر الموجّهات والإجابات عبره. وتقول وثائقنا ذلك بوضوح: لا ترسل كلمات مرور أو أرقام بطاقات أو أي شيء لن تشاركه مع شخص غريب. ولا يغني أي من الخيارين عن تشغيل النموذج على عتادك الخاص حين تكون البيانات حساسة فعلاً.

كيف تختبر ذلك على GPUFlow

على GPUFlow تستأجر GPU لعدد من الساعات وتحصل على مفتاح API يعمل مثل مفتاح OpenAI. تُحتسب الفوترة بالثانية، وإذا أنهيت مبكراً يعود الوقت غير المستخدم إلى رصيدك. لتقيس تكلفة التوكن بنفسك:

  1. استأجر GPU يشغّل النموذج الذي تريده لمدة ساعة واحدة.
  2. وجّه السكربت إلى https://gpuflow.app/v1 بمفتاحك (الطريقة).
  3. عُدّ التوكنات التي استقبلتها واقسم ما دفعته عليها.

عشر دقائق من الاستخدام الحقيقي تخبرك أكثر من أي جدول.

مقالات ذات صلة

المصادر

راجعناها كلها في سبتمبر 2026.

الأسئلة الشائعة

هل استئجار GPU بالساعة أرخص من API بالتوكن؟

يعتمد ذلك على ما تقارنه به. بالنسبة للنماذج المفتوحة الشائعة مثل Llama 3.1 8B، واجهات API المستضافة بالتوكن أرخص: تتقاضى DeepInfra $0.02 لكل مليون توكن إدخال و$0.04 لكل مليون توكن إخراج. أما مقارنةً بـ gpt-5-mini ($2.00 لكل مليون توكن إخراج) أو Claude Haiku 4.5 ($5.00)، فأي بطاقة مستأجرة من RTX 3060 إلى RTX 5090 تشغّل نموذجاً مفتوحاً بحجم 7B–8B تكلّف أقل لكل توكن عندما تبقى مشغولة. ومقارنةً بـ gpt-4o-mini ($0.60)، لا تتفوق بوضوح إلا البطاقات الأرخص، مثل RTX 3060.

كم توكن في الثانية تولّد RTX 4090 مع نموذج 8B؟

قاس موقع Hardware Corner سرعة 104 توكن في الثانية على RTX 4090 مع Qwen3 8B بتكميم 4-bit وسياق 16K، بطلب واحد في كل مرة. ويُظهر جدول نتائج llama.cpp سرعة 186 توكن في الثانية للنموذج الأصغر Llama 2 7B بصيغة Q4_0 مع سياق قصير.

كم يكلّف مليون توكن إخراج على RTX 4090 مستأجرة؟

بسعر $0.35 في الساعة ونحو 104 توكن في الثانية، تنتج الساعة الواحدة نحو 376,000 توكن، أي أن مليون توكن إخراج يكلّف نحو $0.93 من وقت GPU. قراءة الموجّه (prompt) أسرع بكثير من كتابة الإجابة، لذلك لا تضيف توكنات الإدخال إلا القليل.

متى يكون GPU بالساعة أنسب من API؟

عندما لا يكون النموذج الذي تحتاج إليه متاحاً بالتوكن (نموذجك المضبوط بنفسك، أو نموذج من المجتمع، أو تكميم معيّن)، أو عندما تريد تكلفة ثابتة بالساعة بدلاً من عدّاد التوكنات، أو عندما تقارن بنموذج مغلق يتقاضى $2 أو أكثر لكل مليون توكن إخراج.