ذكاء اصطناعي محلي أم سحابي: كيف تختار حسب حاجتك وميزانيتك

باختصار

• لا توجد إجابة واحدة صحيحة: هناك ثلاثة خيارات (واجهة برمجية سحابية، اشتراك، نموذج مفتوح على عتادك) وكل واحد منها يتفوّق في معيار مختلف.
• من حيث الجودة الخام في المهام الصعبة، ما زالت النماذج السحابية الكبرى في المقدّمة. أما من حيث الخصوصية والعمل دون اتصال، فالحل المحلي لا يُنافَس.
• كلفة الواجهة البرمجية قابلة للحساب: الرموز (tokens) × السعر × الحجم. احسبها قبل القرار باستعمال حاسبة كلفة واجهات الذكاء الاصطناعي.
• «المجانية» في الحل المحلي خادعة: للعتاد والكهرباء والصيانة والأمان كلفة حقيقية.
• في أغلب المقاولات الصغيرة والمتوسطة، أفضل بنية هي البنية الهجينة: البيانات الحساسة تبقى محلياً، والباقي يذهب إلى السحابة.
• خادم استدلال مكشوف على الإنترنت دون مصادقة ثغرة أمنية، وليس تفصيلاً.

لماذا هذا الدليل

كل أسبوع يطرح عليّ أحد العملاء صيغة من السؤال نفسه: «هل يمكننا استعمال ChatGPT مع بيانات عملائنا؟»، «أليس من الأفضل أن نثبّت ذكاءنا الاصطناعي الخاص؟»، «كم سيكلّفنا ذلك شهرياً؟».

الإجابات المنتشرة على الإنترنت قاطعة في الغالب لأسباب خاطئة: بائعو السحابة يقولون إن الحل المحلي مجرد هواية، وعشّاق النماذج المفتوحة يقولون إن السحابة سجن. أنا لا أبيع شيئاً لأيّ من المعسكرين: أبني مواقع وتطبيقات وعمليات أتمتة، وأستعمل الحلّين حسب الحالة. هذا الدليل هو الشبكة التي أطبّقها فعلاً قبل أن أوصي بحل.

إذا كنت تبحث عن ذكاء اصطناعي على الهاتف دون اتصال، فقد كتبت دليلاً مخصصاً: ذكاء اصطناعي على هاتفك دون إنترنت. أما هنا فنتحدث عن الاستعمال المهني: المقاولة، والتطوير، والأتمتة.

الخيارات الثلاثة الحقيقية

1. الواجهة البرمجية السحابية (API)

ترسل طلباً (نصاً أو صورة أو مستنداً) إلى مزوّد، فيعيد إليك إجابة، وتدفع حسب الاستعمال، غالباً بعدد الرموز (tokens، وهي أجزاء من الكلمات) في الإدخال والإخراج.

• لمن: المطوّرون والشركات التي تدمج الذكاء الاصطناعي في منتج أو موقع أو عملية أتمتة.
• نقاط القوة: الوصول إلى أقوى النماذج، لا جهاز تديره، توسّع فوري، والدفع حسب الاستهلاك.
• نقاط الضعف: بياناتك تغادر بنيتك التحتية، والفاتورة مرتبطة بالحجم (وقد تفاجئك)، والتبعية لمزوّد واحد ولتغييراته في النماذج أو الأسعار.

2. الاشتراك (للأفراد أو للمهنيين)

هو المساعد عبر الإنترنت باشتراك شهري لكل مستخدم: واجهة المحادثة، وربما عرض «فريق» أو «مؤسسة».

• لمن: الأشخاص الذين يعملون مع الذكاء الاصطناعي يومياً (كتابة، تحليل، برمجة، بحث) دون دمجه في برنامج.
• نقاط القوة: سعر متوقّع، لا شيء يُطوَّر، أدوات مدمجة (ملفات، بحث على الويب، مشاريع).
• نقاط الضعف: ليس لبنة يمكنك ربطها بعمليات الأتمتة لديك، وشروط استعمال بياناتك تختلف كثيراً بين العروض المجانية والفردية والمهنية. اقرأها.

3. النموذج المفتوح، محلياً أو على خادمك

تنزّل أوزان نموذج منشور بشكل مفتوح وتشغّله على حاسوب، أو محطة عمل ببطاقة رسومية، أو خادم تتحكّم فيه.

• لمن: البيانات شديدة الحساسية، والاستعمال دون اتصال، والأحجام الكبيرة والمنتظمة، والفرق التقنية التي تريد التحكّم الكامل.
• نقاط القوة: البيانات لا تخرج، لا فاتورة على كل طلب، العمل دون اتصال، ولا تبعية لمزوّد يغيّر قواعده.
• نقاط الضعف: جودة أقل عموماً من أفضل النماذج السحابية في المهام المعقّدة، وعتاد يجب شراؤه، والصيانة والأمان على عاتقك.

رأيي. وضع هذه الخيارات الثلاثة في مواجهة بعضها خطأ. الوكالة أو المقاولة الصغيرة المنظّمة جيداً تستعمل غالباً اثنين منها، وأحياناً الثلاثة، كلٌّ فيما يتقنه.

المعايير الستة التي تحسم القرار فعلاً

1. الخصوصية والامتثال القانوني

هذا هو المعيار الذي يحسم الأمر في أغلب الأحيان، وهو أيضاً الأكثر سوءاً في المعالجة.

• في أوروبا (اللائحة العامة لحماية البيانات RGPD/GDPR): إذا أرسلت بيانات شخصية إلى مزوّد ذكاء اصطناعي، فهو يعمل مبدئياً كمعالج من الباطن. تحتاج إلى عقد لمعالجة البيانات، وإلى معرفة مكان معالجتها، وإلى تأطير عمليات النقل خارج الاتحاد الأوروبي.
• في المغرب (القانون 09-08): القانون المتعلق بحماية الأشخاص الذاتيين تجاه معالجة المعطيات ذات الطابع الشخصي تراقبه اللجنة الوطنية لمراقبة حماية المعطيات ذات الطابع الشخصي (CNDP). نقل المعطيات الشخصية إلى الخارج مؤطَّر: لا يُسمح به إلا نحو دولة تضمن مستوى حماية كافياً، ويمرّ عبر مسطرة لدى اللجنة. عملياً، إرسال بيانات عملاء مغاربة إلى واجهة برمجية مستضافة في الخارج ليس أمراً عادياً.
• في الخليج: اعتمدت عدة دول قوانينها الخاصة لحماية البيانات، مع قواعد حول توطين البيانات ونقلها. تحقّق من النص الساري على بلدك وقطاعك.

لست رجل قانون، وهذا الدليل ليس استشارة قانونية. لكن القاعدة العملية التي أطبّقها بسيطة: المعطيات الشخصية أو السرية التي لا حاجة لخروجها لا تخرج. إما أن تُجهَّل قبل الإرسال، وإما أن تُعالَج محلياً.

ردّا فعل قبل اختيار مزوّد سحابي:

1. التحقق، في شروط العرض نفسه الذي تستعمله، مما إذا كانت بياناتك تُستعمل لتدريب النماذج ومدة الاحتفاظ بها.
2. التحقق من منطقة المعالجة ومن وجود عقد للمعالجة من الباطن.

للتعمّق فيما لا يجب أبداً لصقه في أداة ذكاء اصطناعي: الأمان: ما لا يجب أبداً أن تسلّمه لذكاء اصطناعي.

2. جودة الإجابات

لنكن صرحاء: في الاستدلال المعقّد، والبرمجة الصعبة، والتحليل الطويل، واللغات الأقل موارد، ما زالت أفضل النماذج السحابية متقدّمة على النماذج التي يمكن تشغيلها على جهاز معقول.

لكن السؤال المفيد ليس «ما أفضل نموذج؟»، بل «ما النموذج الكافي لمهمتي؟». فرز الرسائل، واستخراج حقول من فاتورة، وتلخيص محضر اجتماع، وإعادة صياغة نص: نموذج مفتوح متوسط الحجم يؤدي المهمة جيداً في الغالب.

طريقتي. أُعدّ من 20 إلى 30 مثالاً حقيقياً للمهمة مع الإجابة المنتظرة. أمرّرها على نموذج محلي ونموذج سحابي، ثم أقارن. نصف يوم من الاختبار هذا أنفع من أي ترتيب منشور.

نقطة تستحق الانتباه في أسواقنا: الجودة بالعربية، وأكثر من ذلك بالدارجة، تختلف كثيراً من نموذج لآخر. اختبر بنصوصك الحقيقية، لا بأمثلة إنجليزية.

3. زمن الاستجابة وتجربة المستخدم

• تضيف الواجهة السحابية رحلة ذهاب وإياب عبر الشبكة، لكنها تعمل على عتاد قوي جداً.
• النموذج المحلي يجيب دون شبكة، لكن سرعته تعتمد كلياً على عتادك. على حاسوب محمول دون بطاقة رسومية مخصّصة، قد يكون نموذج متوسط أبطأ بكثير من واجهة برمجية.

في روبوت محادثة للعملاء، السرعة المحسوسة مهمة جداً. أما في معالجة ليلية لخمسة آلاف مستند، فهي قليلة الأهمية.

4. الكلفة الحقيقية

هذا المعيار هو الأكثر إنتاجاً للأوهام، في الاتجاهين. خصّصت له قسماً كاملاً أدناه.

5. العمل دون اتصال

ورش بناء دون شبكة، مكتب باتصال غير مستقر، جهاز ميداني، بيئة معزولة لأسباب أمنية: إذا كان يجب أن يعمل الذكاء الاصطناعي دون إنترنت، فالمسألة محسومة، الحل محلي.

6. الصيانة والكفاءات

الواجهة البرمجية مفتاح وبضعة أسطر من الشيفرة. أما خادم الاستدلال فجهاز يجب مراقبته، وتحديثات، ونماذج يجب استبدالها، وأمان شبكي. إذا لم يكن لدى أحد في الفريق الوقت أو الكفاءة، فإن الحل المحلي «المجاني» سيكلّف كثيراً في الأعطال.

جدول القرار حسب حالة الاستعمال

العتاد اللازم لتشغيل نموذج محلياً

قاعدة الحساب التي تجنّبك المفاجآت

القيد الأساسي هو الذاكرة: ذاكرة الفيديو في البطاقة الرسومية (VRAM)، أو الذاكرة الموحّدة في الحواسيب التي يتقاسمها فيها المعالج والشريحة الرسومية.

يوصف النموذج بعدد معاملاته (بالمليارات، ويُرمز له بـ B). كل معامل يشغل عدداً من البتات حسب التكميم (الدقة التي تُخزَّن بها الأوزان):

• بدقة 16 بت: حوالي 2 بايت لكل معامل؛
• بدقة 8 بت: حوالي 1 بايت لكل معامل؛
• بدقة 4 بت: حوالي 0.5 بايت لكل معامل.

وهذا يعطي تقديراً أولياً:

weights memory (GB) ≈ parameters (in billions) × bits / 8

ثم تضيف هامشاً للسياق (المحادثة والمستندات الجارية) ولعمل البرنامج نفسه. كلما طال السياق كبر هذا الهامش.

مقادير تقريبية حذرة

هذه تقديرات للتوجيه وليست ضمانات: السرعة والاستهلاك الفعليان يعتمدان على البرنامج وطول السياق وبنية النموذج.

ملاحظتان مهمتان:

• نماذج «خليط الخبراء» (MoE) لا تفعّل إلا جزءاً من معاملاتها مع كل كلمة تُولَّد. فهي أسرع من نموذج بالحجم الإجمالي نفسه، لكن يجب مع ذلك تحميل كل الأوزان في الذاكرة.
• النزول كثيراً في التكميم (3 بت أو 2 بت) يوفّر الذاكرة لكنه يُضعف الجودة. دقة 4 بت هي الحل الوسط الأكثر شيوعاً للاستعمال المحلي.

مثال ملموس. نشرت OpenAI سنة 2025 نماذج مفتوحة، هي عائلة gpt-oss، برخصة Apache 2.0. أصغرها (حوالي 20 مليار معامل) يُقدَّم على أنه يعمل بذاكرة تقارب 16 غيغابايت، بفضل تكميم أصلي بدقة 4 بت على جزء من النموذج. إنه توضيح جيد: نموذج «20B» محسَّن جيداً يتّسع له جهاز مطوّر لائق.

الأدوات لتشغيل نموذج بنفسك

للبداية نصيحتي بسيطة: LM Studio إذا أردت التجربة دون سطر أوامر، وOllama إذا أردت ربط النموذج بتطبيق أو بعملية أتمتة.

مثال مع Ollama يبيّن سرعة الانطلاق:

ollama pull <model-name>
ollama run <model-name> "لخّص هذا النص في ثلاث نقاط: ..."

انتبه إلى تغيير حديث: تقدّم Ollama أيضاً نماذج تعمل على سحابتها الخاصة. يذكر توثيقها أن الشركة لا ترى طلباتك في الوضع المحلي، وأنه يمكن فرض العمل المحلي الصارم بالمتغيّر OLLAMA_NO_CLOUD=1. إذا كانت الخصوصية سبب اختيارك للحل المحلي، ففعّله وتحقّق من النموذج الذي تستعمله فعلاً.

أبرز عائلات النماذج المفتوحة

المشهد يتغيّر كل شهر، لذلك لن أعطيك ترتيباً سيتقادم بعد ثلاثة أشهر. هذه العائلات التي أصادفها أكثر لدى العملاء وفي الأدوات:

• Llama (Meta): واسعة الانتشار، منظومة كبيرة، ورخصة خاصة بـ Meta.
• Gemma (Google): نماذج صغيرة ومتوسطة، فعّالة محلياً.
• Qwen (Alibaba): مجموعة واسعة من الأحجام، مستوى جيد في تعدد اللغات، وعدة إصدارات برخصة Apache 2.0.
• Mistral (شركة فرنسية): عدة نماذج مفتوحة، لكن الرخص تختلف من نموذج لآخر.
• DeepSeek: نماذج قوية جداً، كبيرة الحجم في الغالب.
• gpt-oss (OpenAI): نماذج مفتوحة برخصة Apache 2.0.

فخّ الرخص «المفتوحة»

«الأوزان المفتوحة» لا تعني «المصدر المفتوح»، ولا تعني أبداً «افعل بها ما تشاء». هذا الفخ هو الأكثر تكراراً لدى الشركات التي تنتقل إلى الحل المحلي.

• Apache 2.0 أو MIT: رخص متساهلة، الاستعمال التجاري مسموح، مع بعض واجبات الإشارة.
• رخص خاصة: بعض العائلات تفرض شروطها الخاصة. رخصة Llama مثلاً تتضمّن سياسة للاستعمال المقبول وحدّاً للخدمات الكبيرة جداً (أكثر من 700 مليون مستخدم نشط شهرياً). كما أن شروط استعمال Gemma لها قواعدها الخاصة في الاستعمالات الممنوعة.
• رخص حسب النموذج: لدى بعض الناشرين، لا يحمل نموذجان من العائلة نفسها الرخصة نفسها، وبعضها يمنع الاستعمال التجاري دون اتفاق منفصل.

القاعدة: اقرأ رخصة النموذج نفسه الذي تنشره، لا رخصة العائلة عموماً، واحتفظ بأثر لهذا التحقق في توثيق المشروع.

حساب الكلفة دون خداع النفس

كلفة الواجهة البرمجية

المعادلة هي نفسها دائماً:

monthly cost ≈ (input tokens × input price + output tokens × output price) × requests per month

أي: الكلفة الشهرية ≈ (رموز الإدخال × سعر الإدخال + رموز الإخراج × سعر الإخراج) × عدد الطلبات في الشهر.

ثلاث ملاحظات تغيّر كل شيء:

1. الإدخال يكلّف غالباً أكثر مما تتوقع. إذا أرسلت مستنداً طويلاً أو تاريخ المحادثة كاملاً مع كل طلب، فرموز الإدخال هي التي تهيمن على الفاتورة.
2. الإخراج أغلى عموماً لكل رمز من الإدخال. طلب إجابات قصيرة ومنظّمة توفير مباشر.
3. اختيار النموذج يغيّر الفاتورة بعامل كبير جداً. نموذج صغير مختار جيداً لمهمة بسيطة يكلّف جزءاً صغيراً من كلفة نموذج كبير.

لم أضع عمداً أي سعر في هذا الدليل، فالأسعار تتغيّر كثيراً. أنشأت أداة تُجري هذا الحساب بأسعار مؤرَّخة وقابلة للتعديل: حاسبة كلفة واجهات الذكاء الاصطناعي. أدخل حجمك، ومتوسط حجم طلباتك وإجاباتك، وقارن بين عدة نماذج.

الكلفة الحقيقية للحل المحلي

الحل المحلي ليس مجانياً. هذا ما أُدخله في الحساب:

• العتاد: الجهاز أو البطاقة الرسومية، مستهلَكاً على مدة عمره المفيد (غالباً من سنتين إلى أربع سنوات في هذا المجال السريع التطوّر).
• الكهرباء: البطاقة الرسومية تحت الحمل تستهلك كثيراً، وكذلك خادم يعمل على مدار الساعة.
• الاستضافة إذا كنت تستأجر خادماً ببطاقة رسومية: غالباً هو البند الأثقل، ويستمر حتى حين لا يستعمل أحد الذكاء الاصطناعي.
• الوقت البشري: التثبيت، والتحديثات، والمراقبة، وتغيير النموذج، وإصلاح الأعطال. هذه هي الكلفة الخفية الأولى.
• الأمان: جدار الحماية، والمصادقة، والنسخ الاحتياطي، وسجلّات الوصول.

نقطة التحوّل

المنطق العام كالتالي:

• حجم ضعيف أو غير منتظم: الواجهة البرمجية أرخص في الغالب تقريباً. لا تدفع إلا ما تستهلكه.
• حجم كبير ومنتظم ومتوقَّع، في مهمة يتقنها نموذج مفتوح: قد يصبح الحل المحلي مربحاً، لأن العتاد يستردّ كلفته.
• بيانات لا يمكن أن تخرج: يتراجع الحساب المالي إلى المرتبة الثانية، ويفرض الحل المحلي نفسه.

لمعرفة ما إذا كانت الأتمتة نفسها تستحق الاستثمار، بغض النظر عن التقنية، استعمل حاسبة العائد من الأتمتة.

الإعداد الهجين الذي أستعمله عملياً

في أغلب مشاريع المقاولات الصغيرة والمتوسطة، أنتهي إلى اقتراح بنية من طبقتين:

1. نموذج محلي أو على خادم تتحكّم فيه يستقبل البيانات الحساسة أولاً. يقوم بالعمل الذي يمسّ المعطيات الشخصية: الاستخراج، والتجهيل، والتصنيف، والتلخيص الداخلي.
2. نموذج سحابي لا يستقبل إلا ما يمكن أن يخرج: نصوص مجهَّلة، ومحتوى عمومي، ومهام كتابة أو ترجمة تكون فيها الجودة مهمة جداً.

مثال حقيقي لمسار مكتب يعالج ملفات العملاء:

Client file (PDF)
  → local model: extract fields + replace names, numbers, addresses with codes
  → cloud model: write a clear summary from the anonymised text
  → local model: put the real values back into the summary
  → human review

أي: ملف العميل ← نموذج محلي يستخرج الحقول ويستبدل الأسماء والأرقام والعناوين برموز ← نموذج سحابي يكتب ملخصاً واضحاً من النص المجهَّل ← نموذج محلي يعيد القيم الحقيقية إلى الملخص ← مراجعة بشرية.

أداة الأتمتة في الوسط (n8n مثلاً) تنظّم الخطوات. أتحدث عن ذلك بالتفصيل في دليل الأتمتة باستعمال n8n والذكاء الاصطناعي.

لهذا الإعداد ثلاث مزايا: المعطيات التعريفية لا تخرج أبداً، وتستفيد من جودة السحابة حيث تهمّ، ويمكنك تغيير المزوّد السحابي دون المساس بالجزء الحساس.

أمان خادم الاستدلال

هذه هي النقطة التي تنساها الدروس التعليمية، وهي الأكثر إقلاقاً لي حين أراجع أي تثبيت.

Ollama مثلاً لا يستمع افتراضياً إلا على الجهاز نفسه (127.0.0.1، المنفذ 11434). ولجعله متاحاً من الشبكة، يشرح توثيقه كيف تغيّر العنوان بالمتغيّر OLLAMA_HOST. المشكلة: الواجهة البرمجية لا تتضمّن مصادقة مدمجة. وقد عثر باحثون أمنيون مراراً على آلاف الخوادم من هذا النوع مفتوحة على الإنترنت، يستطيع أي أحد استعمالها.

ما أطبّقه في كل مرة:

• عدم كشف منفذ خادم الاستدلال مباشرة على الإنترنت أبداً.
• الوصول عن بُعد عبر شبكة افتراضية خاصة (VPN) فقط أو نفق خاص، أو خلف وكيل عكسي (reverse proxy) بمصادقة.
• جدار حماية يحجب المنفذ، مع الحذر من Docker: نشر منفذ حاوية قد يتجاوز بعض قواعد الجدار. اربط المنفذ بـ 127.0.0.1 في الإعدادات.
• تحديث برنامج الاستدلال: هذه أدوات حديثة، وتُكتشف فيها ثغرات وتُصلَح بانتظام.
• سجلّات الوصول، لاكتشاف أي استعمال غير طبيعي (شخص يستهلك بطاقتك الرسومية بدلاً منك مثلاً).

الفخاخ الأكثر تكراراً

قائمة القرار الخاصة بي

قبل أن أوصي بحل، أجيب كتابةً عن هذه الأسئلة:

1. ما البيانات التي تمرّ عبر الذكاء الاصطناعي؟ هل فيها معطيات شخصية أو طبية أو مالية، أو شيفرة مملوكة؟
2. هل يحق لهذه البيانات مغادرة بنيتنا التحتية، وبأي شروط (RGPD، القانون 09-08، عقد العميل)؟
3. ما الجودة الكافية؟ هل اختبرت على 20 إلى 30 مثالاً حقيقياً باللغات الصحيحة؟
4. ما الحجم الشهري، وهل هو منتظم أم على شكل ذروات؟
5. كم تكلّف الواجهة البرمجية بهذا الحجم؟ (حساب بأسعار مؤرَّخة)
6. كم يكلّف الحل المحلي، بما فيه العتاد والكهرباء والوقت البشري؟
7. هل يجب أن يعمل الذكاء الاصطناعي دون اتصال؟
8. من يصون الحل، وهل لديه الوقت والكفاءة؟
9. هل تسمح رخصة النموذج المفتوح المقترح باستعمالي؟
10. إذا كان لدي خادم، فهل هو غير قابل للوصول من الإنترنت دون مصادقة؟
11. ماذا يحدث إذا تعطّل المزوّد أو الخادم؟

حين تُكتب هذه الإجابات الإحدى عشرة، يصبح القرار واضحاً في أغلب الأحيان.

الأسئلة الشائعة

هل النموذج المحلي سرّي فعلاً؟

نعم، إذا كان النموذج يعمل فعلاً على جهازك ولا يرسل البرنامج شيئاً إلى مكان آخر. تحقّق من أمرين: أنك لا تستعمل خطأً نسخة سحابية تقدّمها الأداة نفسها، وأن خادمك غير قابل للوصول من الإنترنت. السرية تعتمد على التثبيت كاملاً، لا على النموذج وحده.

هل يمكنني استعمال واجهة ذكاء اصطناعي مع بيانات عملاء مغاربة؟

هذا ممكن، لكن ليس دون احتياطات. القانون 09-08 يؤطّر نقل المعطيات الشخصية إلى الخارج، واللجنة الوطنية (CNDP) هي سلطة المراقبة. الطريقة الأبسط والأكثر أماناً غالباً هي تجهيل البيانات قبل الإرسال، أو معالجة الجزء الحساس محلياً. في مشروع مهم، اطلب من رجل قانون التحقق من الإعداد.

أي حاسوب أشتري للبدء محلياً؟

لاختبار نماذج من 7 إلى 9 مليارات معامل، يُعد جهاز ببطاقة رسومية بذاكرة 8 غيغابايت، أو حاسوب بذاكرة موحّدة لا تقل عن 16 غيغابايت، نقطة انطلاق جيدة. بالنسبة للنماذج الأكبر، كمية الذاكرة هي المعيار الأول قبل القوة الخام. جرّب أولاً على جهازك الحالي بنموذج صغير قبل شراء أي شيء.

هل النماذج المفتوحة بجودة النماذج السحابية؟

في المهام البسيطة أو المتوسطة (التلخيص، التصنيف، الاستخراج، إعادة الصياغة)، تكفي النماذج المفتوحة الجيدة غالباً. أما في الاستدلال المعقّد، أو البرمجة الصعبة، أو بعض اللغات، فتحتفظ أفضل النماذج السحابية عموماً بتقدّم. الإجابة الموثوقة الوحيدة هي الاختبار على أمثلتك.

كيف أقدّر فاتورة الواجهة البرمجية قبل البدء؟

قدّر عدد الطلبات في الشهر، ومتوسط حجم النص المُرسَل والإجابة، ثم اضرب في أسعار النموذج المختار. حاسبة كلفة واجهات الذكاء الاصطناعي تُجري هذا الحساب نيابة عنك وتقارن بين عدة نماذج. أضف هامشاً، لأن الاستعمال الفعلي يتجاوز التقديرات غالباً.

هل يكفي الاشتراك لمقاولة صغيرة؟

للاستعمال الفردي (كتابة، تحليل، بحث)، نعم، وهو غالباً أفضل قيمة مقابل السعر. لكن بمجرد أن تريد دمج الذكاء الاصطناعي في موقع أو تطبيق أو عملية آلية، تحتاج إلى واجهة برمجية أو نموذج محلي. تحقّق أيضاً من أن العرض المختار لا يستعمل بياناتك للتدريب.

ماذا أفعل إذا غيّر مزوّد الواجهة أسعاره أو سحب نموذجاً؟

صمّم تطبيقك ليسهل فيه تغيير النموذج: طبقة شيفرة واحدة تستدعي الذكاء الاصطناعي، وأوامر (prompts) مخزّنة على حدة، ومجموعة اختبارات للتحقق بسرعة من أن نموذجاً جديداً يعطي نتائج مقبولة. وهذه أيضاً حجة لصالح البنية الهجينة.

---

مترددٌ بين الحل المحلي والسحابي والهجين لنشاطك؟ يمكنني مراجعة استعمالاتك، وتقدير كلفة كل خيار، وإعداد حل آمن. اكتشف خدمة الذكاء الاصطناعي والأتمتة أو تواصل معي لنتحدث.