GPT-5.6 في المشاريع الحقيقية: كيف تختار Sol أو Terra أو Luna دون هدر الميزانية؟

إطلاق عائلة GPT-5.6 لا يعني أن كل طلب في النظام يجب أن يذهب إلى أقوى نموذج. القرار الصحيح في المنتج الحقيقي ليس: ما النموذج الذي يحقق أعلى نتيجة في جدول عام؟ بل: ما أقل نموذج ينجح في المهمة المطلوبة ضمن حد واضح للجودة والزمن والتكلفة والمخاطر؟

أعلنت OpenAI عائلة GPT-5.6 في 9 يوليو 2026 بثلاث فئات: Sol للأعمال المعقدة، وTerra للتوازن بين القدرة والتكلفة، وLuna للأعمال السريعة ذات الحجم الكبير. ثم تغيرت الأسعار في نهاية يوليو، وأضيف في 21 أغسطس تنبيه عن تخفيض مؤقت لـ Sol. لهذا السبب يجب ربط أي قرار مالي بتاريخ المراجعة، لا بصورة قديمة من إعلان الإطلاق.

إعلان GPT-5.6 الرسمي وصفحة نماذج OpenAI API

الأسعار التي تحققت منها في 22 أغسطس 2026

تعرض صفحة التسعير الرسمية للمعالجة القياسية والسياق القصير الأسعار التالية لكل مليون token:

النموذج	الإدخال	الإدخال المخزن مؤقتاً	الإخراج
GPT-5.6 Sol	5.00 دولار	0.50 دولار	30.00 دولار
GPT-5.6 Terra	2.00 دولار	0.20 دولار	12.00 دولار
GPT-5.6 Luna	0.20 دولار	0.02 دولار	1.20 دولار

هذه ليست فاتورة المشروع كاملة. البحث على الويب، واستخدام الأدوات، والسياق الطويل، ومعالجة الصور، ومكان معالجة البيانات قد تضيف تكاليف أخرى. كما أن العرض المؤقت أو سعر مزود سحابي وسيط قد يختلف عن السعر القياسي المباشر. لذلك يجب أن يحفظ النظام اسم النموذج ونمط المعالجة وعدد tokens وتاريخ السعر مع كل قياس مالي.

تسعير OpenAI API الرسمي

ما الذي يصلح لكل فئة؟

Luna نقطة بداية جيدة للتصنيف، واستخراج حقول بسيطة، وصياغة نسخ أولية، وفرز الرسائل، والمهام المتكررة التي يمكن التحقق منها بقواعد حتمية. انخفاض السعر يسمح بتشغيل اختبارات أكثر، لكنه لا يلغي الحاجة إلى قياس الأخطاء.

Terra مناسب عندما تحتاج المهمة إلى فهم سياق أطول أو استدلال متوسط: تلخيص ملف عميل، وتحويل طلب إلى نطاق أولي، وإنشاء مسودة رد مبنية على بيانات، أو تشغيل وكيل يستخدم عدة أدوات. في كثير من أنظمة الأعمال سيكون Terra هو الافتراضي العملي، ثم تتم ترقية الحالات الصعبة فقط.

Sol يستحق تكلفته عندما يكون الخطأ مكلفاً أو المسألة متعددة المراحل: مراجعة معمارية، وتحليل تعارضات، وتخطيط ترحيل، وتصحيح خلل معقد، أو إنتاج قرار يحتاج إلى أدلة متقاطعة. لكنه لا يحول الناتج إلى حقيقة، ولا يمنح النظام صلاحية تنفيذ إجراء حساس بلا موافقة.

لا تستخدم benchmark بديلاً عن اختبارك

تنشر OpenAI نتائج قوية في البرمجة والعمل المعرفي واستخدام الأدوات. هذه النتائج مفيدة لفهم الاتجاه، لكنها لا تجيب عن أسئلة منتجك: هل يحافظ النموذج على العربية؟ هل يعيد JSON صالحاً؟ هل يرفض اختراع سجل غير موجود؟ هل يلتزم بصلاحيات الشركة؟ هل ينجح عند بطء أداة خارجية؟

ابن مجموعة تقييم من حالات حقيقية بعد إزالة البيانات الحساسة. لكل حالة، سجّل الإجابة المرجعية أو rubric واضحاً، ثم قارن:

1. نسبة النجاح في المهمة كاملة، لا جمال النص فقط.
2. تكلفة الحالة الناجحة، وليس تكلفة مليون token منفردة.
3. زمن الوصول إلى نتيجة قابلة للاستخدام.
4. عدد مرات استدعاء الأدوات وإعادة المحاولة.
5. الأخطاء الخطرة، مثل اختراع سعر أو تجاوز صلاحية.

قد يكون Luna أرخص لكل token لكنه يحتاج محاولات أكثر. وقد يكون Sol أغلى في الطلب الواحد لكنه ينهي مساراً معقداً بعدد خطوات أقل. المقياس المفيد هو تكلفة النتيجة المقبولة.

توجيه النماذج أفضل من نموذج واحد للجميع

ابدأ بمسار واضح:

• قواعد وبرامج حتمية للحساب والتحقق والصلاحيات.
• Luna للمهام منخفضة المخاطر والقابلة لإعادة التنفيذ.
• Terra كافتراضي للمعرفة والعمل التشغيلي المتوسط.
• Sol للحالات المعقدة التي يحددها نوع المهمة، لا لأن المستخدم كتب prompt طويلاً.
• مراجعة بشرية قبل الدفع أو النشر أو الحذف أو تغيير بيانات حساسة.

لا تجعل النموذج يختار بنفسه ترقية كل طلب إلى Sol من دون ميزانية. عرّف حد تكلفة يومي، وحداً أقصى للمحاولات، وسبباً مسجلاً للترقية. وعند فشل مزود النموذج، يجب أن يقدم النظام حالة فشل واضحة بدلاً من إكمال العملية ببيانات مختلقة.

الأمان والخصوصية جزء من الاختيار

تقول OpenAI إن GPT-5.6 يستخدم طبقات حماية ومراقبة أقوى، خصوصاً للقدرات السيبرانية. هذا لا يستبدل ضوابط التطبيق. احتفظ بالمفاتيح على الخادم، وقلل البيانات المرسلة، واعزل كل شركة، وراجع سياسة الاحتفاظ بالبيانات، وسجّل الأدوات التي استخدمها الوكيل والنتائج التي اعتمد عليها.

في نظام CRM أو ERP يجب ألا يرى النموذج سجلاً لا يملكه المستخدم. وفي مسار مالي يجب ألا تصبح صياغة النموذج قيداً محاسبياً. اجعل التفويض والتحقق والتنفيذ في كود يمكن اختباره، واجعل دور النموذج اقتراحاً أو تفسيراً مرتبطاً بأدلة.

خطة انتقال عملية

1. صنّف المهام حسب المخاطر والحجم وصعوبة التحقق.
2. شغّل العائلة الجديدة بجانب النموذج الحالي على عينة ممثلة.
3. اختبر العربية، والمخرجات المنظمة، والأدوات، والفشل الجزئي.
4. احسب تكلفة النتيجة المقبولة لكل فئة.
5. فعّل التوجيه تدريجياً مع سقف تكلفة وتنبيهات.
6. راقب تغير الجودة والسعر، لأن alias والسعر والسياسة قد تتغير.
7. احتفظ بمسار رجوع إلى نموذج أو تدفق سابق.

ما الذي تراقبه بعد الإطلاق؟

لا يكفي أن تنجح مجموعة التقييم مرة واحدة. أنشئ لوحة شهرية تفصل كل نوع مهمة ونموذج، وتعرض نسبة النتائج المقبولة، ومتوسط التكلفة والزمن، وحالات التصعيد إلى Sol، وأخطاء الأدوات، وطلبات المراجعة البشرية. راقب العربية منفصلة عن الإنجليزية، لأن تغير الجودة قد يظهر في لغة أو قالب إخراج قبل الآخر.

احتفظ أيضاً بعينة من الحالات الفاشلة بعد إزالة البيانات الحساسة، وأعد تشغيلها عند تغير alias أو السعر أو prompt أساسي. إذا ارتفعت التكلفة بلا تحسن في النجاح، خفّض النموذج أو أصلح التدفق. وإذا زادت الأخطاء الخطرة، أوقف المسار المتأثر حتى لو بقي المتوسط العام جيداً. بهذه الطريقة يصبح اختيار النموذج قرار تشغيل يمكن مراجعته، لا تفضيلاً ثابتاً يصعب تغييره.

رأيي العملي

لا أبدأ مشروعاً جديداً على Sol لكل شيء، ولا أختار Luna فقط لأن سعره منخفض. أبدأ بـ Terra للمهام التي تحتاج تفكيراً، و Luna للحجم الكبير القابل للقياس، و Sol للحالات التي أثبت الاختبار أنها تستفيد فعلاً من قدرته. ثم أعيد القياس شهرياً.

القيمة التجارية لا تأتي من اسم النموذج. تأتي من نظام يعرف متى يستخدم الذكاء، ومتى يستخدم الكود، ومتى يتوقف ويطلب قراراً بشرياً.

المصادر وتاريخ المراجعة

• GPT-5.6: إعلان الإطلاق والتحديثات
• صفحة النماذج واختيار الفئة
• صفحة الأسعار القياسية
• تمت مراجعة الأسعار والحالة في 22 أغسطس 2026، وقد تتغير بعد هذا التاريخ.