
GPT-6.2 الاستدلال المحفوظ: عدّل البادئة، وادفع مرتين
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 186 tok/s
- openaiجديدOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 لكل مليون رمز · 86 tok/s
- openaiجديدOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 لكل مليون رمز · 151 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 192 tok/s
- AlibabaجديدQwen: Qwen4 Max2026-11-16$1.50 / $4.50 لكل مليون رمز · 86 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 705 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 لكل مليون رمز · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 101 tok/s
في 17 نوفمبر 2026، أطلقت OpenAIGPT-6.2 Astra وGPT-6.2 Sol مع تغيير في Responses API لا علاقة له بجودة النموذج، بل يتعلق كليًا بمقدار ما تدفعه مقابله. بدءًا من هذين النموذجين، يرتبط عنصر التفكير بسجل المحادثة الذي يسبقه. حرّر أي شيء أسبق في النص — اختصر نتيجة أداة، أو أعد كتابة رسالة مطوّر، أو استبدل ثلاث جولات قديمة بملخص — وعندها تُسقط واجهة API عناصر التفكير التي تلت ذلك، كإجراء وقائي. ثم يضطر النموذج إلى إعادة أداء عمل كان قد أنجزه بالفعل. لا يوجد خطأ، ولا تحذير عند وقت الطلب، ولا بند تفصيلي في الفاتورة. تحصل على إجابة أسوأ قليلًا وفاتورة أكبر، ويصعب الربط بين الاثنين.
هذا ليس إهمالًا يمكنك جدولته. إنه سلوك فعّال بالفعل لدى أي شخص يستدعي gpt-6.2-astra أو gpt-6.2-sol اليوم، وسيصل إلى كل فريق يقوم بالترقية، ولهذا يستحق أن يُقرأ كبند ترحيل لا كحاشية في سجل التغييرات.
ما الذي تغيّر فعليًا في Responses API
كانت النماذج السابقة تحتفظ بعناصر استدلالها عبر تعديل البادئة. كان بإمكانك إعادة كتابة رسالة مطوّر بين الأدوار، أو استبدال أول عشر تبادلات بملخص، فيبقى الاستدلال الذي أنتجه النموذج ضمن السياق. كان ذلك متسامحًا بالطريقة نفسها التي يكون بها كود الوكيل مهملًا: فمهما أرسلت، حصل النموذج على فائدة تفكيره السابق.
بموجب السلوك الجديد، يفحص API السجل، وعندما يكتشف أن البادئة الواقعة أمام عنصر استدلال قد تغيّرت، فإنه يحذف ذلك العنصر. وتصف وثائق OpenAI الرسمية النتيجة بعبارات واضحة — فقد يحتاج النموذج إلى «إعادة إجراء بعض الاستدلال»، وهو ما «قد يزيد استخدام الرموز والتكلفة وزمن الاستجابة»، وقد تنخفض جودة الإجابة «إذا تعذّر على النموذج استعادة الاستدلال المفقود».
تستحق المحفزات الأربعة التي يسردها OpenAI أن تُحفظ عن ظهر قلب، لأن ثلاثة منها تبدو كشيفرة مرتبة أكثر من كونها تغييرًا في السلوك:
• تعديل عناصر الإدخال السابقة — اقتطاع نتيجة أداة، أو حذف دور، أو استبدال كتلة من السجل بملخص.
• تغيير الأدوات — إضافة تعريف أداة أو إزالته أو إعادة ترتيبه أثناء المحادثة.
• تغيير text.format — تبديل مخطط الإخراج في منتصف الجلسة.
• تغيير reasoning.effort — خفض الإعداد لدور متابعة رخيص، وهو أكثر تحسينٍ للتكلفة شيوعًا في حلقة الوكيل.
لاحِظ ما ليس موجودًا في القائمة. إضافة محتوى جديد بعد عنصر استدلال أمر مقبول. حذف عناصر كاملة أمر مقبول. القاعدة اتجاهية: تنظر واجهة API إلى الخلف من كل عنصر استدلال، وأي شيء انتقل إلى أمامه يُبطِله.
تعديل البادئة هو أربعة تغييرات برمجية عادية
كل واحد من تلك المحفزات الأربعة هو أمر يفعله مهندس كفؤ عن قصد. وهذه هي المشكلة. تعديل البادئة ليس خطأً ترتكبه مرة واحدة؛ بل هو نمط تصميمي تتبناه لأنه صحيح من كل وجه آخر.
حالة اقتطاع السياق هي الأوضح. وكيل طويل التشغيل يملأ نافذته، فتحذف أقدم الأدوار أو تلخّصها. هذه ممارسة سليمة، وتوفّر رموز الإدخال، وعلى GPT-6 Sol كانت مجانية. أما على GPT-6.2 فهي تحذف الاستدلال الذي جاء بعد تلك الأدوار، ويبدأ النموذج الخطوة التالية وقد نسي لماذا اختار الأداة التي اختارها.
حالة مقبض الجهد أسوأ، لأنها أداة ضبط للتكلفة تنقلب رأسًا على عقب. فالتحسين الطبيعي — تشغيل الجولات الروتينية عند مستوى منخفض والتصعيد إلى مستوى مرتفع عندما تصبح المهمة صعبة — هو تغيير في reasoning.effort بين الطلبات. وعلى GPT-6.2، يُسقط هذا التعديل الاستدلال، لذا تعيد إعادة التصعيد المكلفة اشتقاق الاستدلال المكلف من الصفر. لقد دفعت مقابل مستوى مرتفع وحصلت على مستوى مرتفع يبدأ من الصفر، وهو أمر مختلف وأكثر تكلفة.
ما تكلفة عنصر استدلال مُسقَط
لا يوجد سعر منشور لبند استدلال مُسقَط، لذا فإن الطريقة الأمينة لتقدير حجمه هي النظر إلى تكلفة الاستدلال في المقام الأول. تقيس Artificial Analysis المجموعة كاملة، وتُعد أعداد الرموز (tokens) لكل مهمة أقرب شيء إلى قياس علني لمقدار التفكير الذي يبذله نموذج متطور في الأعمال الصعبة.
على Intelligence Index v5.0.1 وبأقصى جهد، يولّد GPT-6.2 Sol 60.9 مليون رمز مخرجات لإكمال مجموعة التقييمات التسعة، مقابل تكلفة مرجّحة قدرها 1.01 دولار لكل مهمة مؤشر و9.3 دقيقة لكل مهمة. ويولّد GPT-6.2 Astra 65.8 مليون رمز مخرجات للمجموعة نفسها، ويحتسب 4.00 دولارات لكل مهمة مؤشر بمعدل 40 دولارًا لكل مليون رمز مخرجات. تمثّل هذه الإجماليات الحد الأدنى لما يكلفه تقييم كامل، وقد جرى شراء كل واحد من تلك الرموز بمعدل المخرجات الكامل. وتشير الأرقام التي أبلغ عنها الموردون إلى الاتجاه نفسه — إذ تقول OpenAI إن GPT-6.2 Astra يستخدم رموز مخرجات أقل بنسبة 22% من GPT-6 Astra على معيار GDPval v2 الداخلي الخاص بها — لكن هذا مقارنة بين النماذج، وليس قياسًا لما يضيفه العنصر المحذوف عند إعادته.
الآلية هي ما يهم هنا، لا المضاعف الدقيق. فعنصر الاستدلال الذي يجب إعادة توليده هو رموز إخراج دفعت ثمنها بالفعل، وأُنتجت مرة ثانية. وفي حلقة وكيل تنفّذ عشرين دورًا على مهمة واحدة، فإن فقدان الاستدلال عند الدور السادس لا يكلّفك مقدار تفكير دور واحد؛ بل يكلّفك إعادة الاشتقاق بالإضافة إلى ما تلا ذلك من قرارات متدهورة بسبب سياق أضعف. وكلاهما غير مرئي في سجل لكل طلب.

إعادة الكتابة بالإلحاق فقط، في خمس خطوات
إرشادات OpenAI هي التوقف عن تعديل البادئة والبدء بالإلحاق بها. هذا سهل القول، وهو يغيّر خمسة مواقع استدعاء منفصلة، لذا ها هي مجتمعة، مع أسماء الحقول الدقيقة.
• جهد الاستدلال — لا تغيّر reasoning.effort بين الطلبات. أضف عنصر configuration_update إلى input بدلاً من ذلك، يحمل الجهد الجديد. الشكل الموثّق هو {"type": "configuration_update", "reasoning": {"effort": "high"}}، موضوعًا قبل رسالة المستخدم التالية. يستمر الإعداد حتى يتجاوزه تحديث آخر، ويمكنك تغيير reasoning.effort وtext.format في العنصر نفسه.
• مخطط الإخراج — العنصر نفسه، والمعالجة نفسها. غيّر text.format عبر configuration_update بدلًا من تحرير الطلب. إن تحديث أحد الاثنين فقط يترك الآخر حيث كان، وهذا طريقة خفية للحصول على مخطط غير متوقع.
• الأدوات — أضف أدوات عبر عنصر additional_tools يُرسَل ضمن دور developer، ويحمل مصفوفة tools، ويُعاد تشغيله في موضعه الأصلي. احتفظ بالتعريفات الموجودة بترتيبها الأصلي، واستخدم tool_choice مع allowed_tools لتقييد ما يمكن للنموذج استدعاؤه.
• التعليمات — ضع النص القابل لإعادة الاستخدام في أول رسالة مطوّر داخل input، وليس في حقل التعليمات العلوي. لتغييره، أضِف رسالة مطوّر جديدة. في GPT-6.2 وما بعده، يُضاف حقل التعليمات العلوي بعد input، لذا فإن تعديله يُعدّ في حد ذاته تغييرًا في البادئة.
• الضغط — مع ميزة الضغط الخاصة بـ OpenAI، سواء عبر نقطة النهاية /responses/compact أو context_management، يظل الاستدلال محفوظًا بعد تغيّر البادئة. احذف التعليمات عند استدعاء /responses/compact. أما مع الضغط المخصص، فضع العنصر المضغوط في نهاية السياق. وانتبه إلى الحالة الحرجة: فكل من الاقتطاع التلقائي و/responses/compact يرفضان السجلات التي تحتوي على عناصر configuration_update، لذا لا يمكن ضغط جلسة تستخدم النمط الجديد عبر المسار القديم.
إذا قمت بالضغط يدويًا باستخدام عنصر compaction_trigger، فأضف configuration_update جديدًا بعد الضغط وأعد ذكر كل إعداد قمت بتغييره. لا شيء ينتقل عبر الحد الفاصل نيابةً عنك.
كشفه قبل أن تكشفه فاتورتك
سبب خطورة تغيير السلوك هذا هو أنه يفشل بصمت. تُرجع واجهة API الاستجابة 200. وتبدو الاستجابة طبيعية. ما تحتاج إليه هو وسيلة لرؤية الانخفاض، وقد أتاحت OpenAI واحدة: عيّن prompt_cache_options.comparison_response_id إلى معرّف استجابة أسبق، ثم اقرأ السبب التشخيصي وعدد الرموز المخزّنة مؤقتًا. يسرد الحقل input_transformations عناصر الاستدلال التي أُزيلت ولماذا، ويتطابق سبب prefix_mismatch بالمعرّف مع عنصر استدلال في مخرجات الاستجابة الأسبق.
حدّان صادقان بشأن ذلك التشخيص. فهو يبلّغ عن أول اختلاف على أساس بذل أفضل جهد ممكن، ولا يستطيع التحقق مما إذا كان النموذج قد أعاد فعليًا استخدام الاستدلال الذي احتفظ به. لذا تعامل معه ككاشف دخان، لا كعدّاد — فهو يخبرك بأن انخفاضًا قد حدث، لا بما كلّف.
النصف الآخر من أدوات القياس هو الذاكرة المؤقتة، وهنا تتقاطع قصة الرموز مع قصة التكلفة. فالتخزين المؤقت للمطالبات يطابق الطلبات من البداية، لذا فإن تعديل البادئة لا يُسقِط عناصر الاستدلال فحسب؛ بل ينهي إعادة استخدام الذاكرة المؤقتة من نقطة التعديل فصاعدًا. وكل ما يأتي بعد تلك النقطة يُحتسب بسعر الإدخال غير المخزَّن مؤقتًا. على GPT-6.2 Sol يكون ذلك 2.00 دولار لكل مليون بدلًا من 0.10 دولار — أي فرق يبلغ عشرين ضعفًا على المقطع المتأثر. وعلى GPT-6.2 Astra يكون 8.00 دولارات بدلًا من 0.40 دولار، وهي النسبة نفسها البالغة عشرين ضعفًا على بطاقة أكبر بأربعة أضعاف.
هذا هو الرقم الذي يجب مراقبته، وهو الرقم الذي لن يجعل منه منشور إطلاق عنوانًا رئيسيًا أبدًا: إخفاق التخزين المؤقت هو الفاتورة، والاستدلال المُسقَط هو تراجع الجودة، وكلاهما يأتي من التعديل نفسه. تُحتسب رموز حقل التعليمات الأعلى مستوى في GPT-6.2 وما بعده بسعر الإدخال غير المخزّن مؤقتًا لهذا السبب تحديدًا — فالحقل يقع خارج البادئة المخزّنة مؤقتًا.

ما يعنيه هذا بالنسبة لنشر Sol 6.1
لا شيء من هذا يدفع ضد الانتقال. يسجّل GPT-6.1 Sol نتيجة 55 على مؤشر الذكاء v5.0.1 عند أقصى جهد، ويسجّل GPT-6.2 Sol نتيجة 57، بـ1.27 دولار لكل مهمة مؤشر مقابل 1.01 دولار و24.9 دقيقة لكل مهمة مقابل 9.3 — نموذج أسرع وأرخص وأذكى قليلًا على بطاقة أسعار غير متغيرة من 2 دولار للإدخال، و0.10 دولار للمخزّن مؤقتًا، و10 دولارات للإخراج. الترقية حقيقية. ما تغيّر هو أن الترقية أصبحت لها الآن شرط مسبق للصحة، وهذا الشرط هو أن تكون معالجة المحادثة لديك بالإلحاق فقط.
الطريقة الأرخص للإجابة عن ذلك هي مقارنة الفاتورة بدلًا من مقارنة النتيجة: أرسِل شريحة صغيرة من حركة المرور الحية إلى gpt-6.2-sol مع تفعيل أدوات الرصد الحالية القائمة على الإلحاق فقط، واقرأ نسبة الرموز المخزنة مؤقتًا في كلا الذراعين بعد يوم. يقدّم OrcaRouter النموذج openai/gpt-6.1-sol بسعر القائمة الخاص بالمورّد دون أي إضافة فوقه، وتظهر محاسبة التخزين المؤقت لكل طلب في كتلة الاستخدام، لذا لا يحتاج جانب 6.1 من ذلك السجل إلى عقد منفصل لقراءته. التحويل الاحتياطي عند الفشل هو ما يمنع تلك الشريحة من التحول إلى حادثة: أي طلب لا يستطيع المسار الجديد خدمته يُحال إلى النموذج الذي يستجيب بالفعل. النصف الذي يجب قوله بصراحة هو أن GPT-6.2 Sol ليس في الكتالوج هنا بعد، لذا تُستدعى ذراع 6.2 مباشرة مقابل OpenAI بينما تُستدعى ذراع 6.1 مقابلنا.
ما ينبغي مراقبته لاحقًا أضيق مما يبدو عليه. فالسلوك موثّق، ومسار الترحيل موثّق، وأدوات التشخيص موجودة. أما ما لا وجود له بعد فهو قياس علني لتكلفة عنصر استدلال مُسقَط من حيث رموز الإخراج في مهمة حقيقية طويلة الأفق، وإلى أن ينشر أحدهم قياسًا كهذا، فكل تقدير للضرر يظل نموذجًا للآلية لا قراءةً مباشرة من عدّاد. وإذا كنت تشغّل وكلاء بكثافة، فأنت أقدر على إنتاج ذلك الرقم من أي اختبار مرجعي — وستنتجه شئت أم أبيت، وهذه هي الحجة على بدء القياس الآن.

مقارنات في هذه المقالة3
مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا
