ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارAWS Machine Learning Blog→ المصدر

يمكن خفض فاتورة Amazon Bedrock دون تغيير النموذج: Flex بنصف سعر Standard

تواصل فاتورة Amazon Bedrock ارتفاعها حتى بعد تقليص البرومبتات، لأن إعدادات الطلب هي التي تحدد السعر. وفي المهام الخلفية، مثل تقارير الليل، تبلغ تكلفة تعرفة Flex على نموذج Nova 2 Lite نصف تكلفة Standard المعتادة. وقلّص وضع الاستدلال low بدلًا من high رد وكيل يعمل على Claude Opus 5 من 2521 إلى 936 توكن. والأفضل تغيير الإعدادات واحدًا تلو الآخر، مع مطابقة الفاتورة والجودة في كل مرة.

معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
يمكن خفض فاتورة Amazon Bedrock دون تغيير النموذج: Flex بنصف سعر Standard
المصدر: AWS Machine Learning Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليAWS Machine Learning Blog ↗
رئيس التحرير
حقيقة رئيسية #1حدّ الاستجابة البالغ 155 توكن بدلًا من 2048 وفّر 1893 توكن
حقيقة رئيسية #2كاش الساعة الكاملة يسترد كلفته من الطلب الثاني في الساعة عندما تتجاوز الفواصل 5 دقائق
لا يدعم Claude Sonnet 5 وOpus 5 تعرفة Flexالطلب ينتهي بخطأ

لقد قلّصتم البرومبتات وحذفتم الاستدعاءات الزائدة، ومع ذلك تواصل فاتورة تشغيل النماذج في Amazon Bedrock ارتفاعها. أظهر فريق AWS أن جزءًا من الأموال يذهب إلى أربعة معاملات تُحدَّد في كل طلب: مدة بقاء الكاش (الجزء المحفوظ من البرومبت الذي لا يلزم دفع ثمنه من جديد بالسعر الكامل)، والتعرفة المختارة للخدمة، ومقدار «تفكير» النموذج قبل الإجابة، وسقف طول الاستجابة. ولا حاجة لتغيير النموذج ولا نص البرومبت. على سبيل المثال: تقرير الليل لا يحتاج إلى سرعة المحادثة، وإذا مُرّر عبر تعرفة Flex فإن تكلفته نصف تكلفة Standard المعتادة. وإذا أنفق وكيل 936 توكن في الاستجابة بدلًا من 2521، تنخفض فاتورته بنحو ثلاثة أضعاف. والتوكن هنا وحدة النص التي يُدفع ثمنها.

الكاش: المدة الأطول ليست دائمًا أرخص

إذا تكررت التعليمات النظامية أو أوصاف الأدوات أو السياق المرجعي، يمكن تخزينها في الكاش. وتتوفر لنماذج Anthropic المدعومة مدتان لبقاء السجل: 5 دقائق وساعة واحدة. وفي Claude Sonnet 5 وOpus 5، تبلغ كلفة الكتابة لمدة 5 دقائق 1,25 من سعر الإدخال المعتاد، وكلفة الكتابة لمدة ساعة 2 منه، أما القراءة من الكاش فتبلغ 0,1 فقط.

ومن هنا تأتي حسبة بسيطة. إذا وصلت الطلبات ذات البداية نفسها بوتيرة أسرع من مرة كل 5 دقائق، فإن الكاش القصير يسترد كلفته من أول تكرار. أما إذا طالت الفواصل، فيُعاد كتابته مع كل طلب بسعر 1,25. عندها يصبح كاش الساعة الكاملة أجدى ابتداءً من الطلب الثاني خلال الساعة. ولكي يتفوق على خيار «بلا كاش» أصلًا، يحتاج إلى ثلاثة طلبات في الساعة.

وهناك مطبّات أيضًا. أي تغيير في بداية البرومبت، سواء كان تعليمة نظامية أو وصف أداة، يُحدث إخفاقًا في الكاش وكتابة جديدة. ويجري الفحص بالترتيب «الأدوات، النظام، الرسائل»، ولذلك فإن تعديلًا في البداية يُسقط كل ما يليه. وفي اختبار على Sonnet 5، أدى تعديلان من هذا النوع خلال ست استدعاءات إلى صفر قراءات من الكاش وإلى كتابة جديدة. والكاش مرتبط بالحساب والمنطقة، لا بعملائكم، ولذلك يضيف مطورو التطبيقات متعددة العملاء تجزئة SHA-256 الخاصة بالعميل إلى بداية البرومبت. وإذا لزم عزل صارم للبيانات، فأبقوا العملاء في حسابات AWS منفصلة.

تعرفة Flex وجهد الاستدلال

المهام الخلفية وجولات التقييم وتلخيصات الليل لا تحتاج إلى سرعة المحادثة التفاعلية. ولبعض النماذج تعرفة Flex لهذه الأغراض. واختبرتها AWS على Nova 2 Lite: 200 طلب على Standard و200 على Flex، أُرسلت في أزواج. عولج العدد نفسه من التوكنات، وحصلت الطلبات الـ400 كلها على التعرفة المطلوبة، ولا يمكن تمييز الفرق في زمن الاستجابة الوسيط عن الضجيج الإحصائي. وسعر Flex المنشور في المنطقة us-west-2 أقل بمرتين من Standard، وقد أكدت الفاتورة ذلك.

ويعتمد الدعم على إصدار النموذج: لدى Nova 2 Lite وgpt-oss-120b تعرفة Flex، ولا تتوفر في Claude Sonnet 5 وOpus 5. والطلب إلى نموذج غير مدعوم ينتهي بالخطأ ValidationException، ولا يُحوَّل بصمت إلى Standard. وإذا كانت السياسة تسمح بخيار بديل، فاعترضوا هذا الخطأ تحديدًا وأعيدوا الطلب مرة واحدة بالتعرفة default. ولا يجوز اعتراض أي ValidationException: فالطلبات المشوهة تُثيره أيضًا.

أما الاستدلال فالقصة فيه أغلى. فتوكنات «التفكير» تُدفع كتوكنات إخراج. ويعمل Claude Sonnet 5 وOpus 5 افتراضيًا بالتفكير التكيفي على مستوى عالٍ، حتى لو لم يُحدَّد حقل thinking. والتطبيق المنقول من Sonnet 4.6 دون تعديلات سيبدأ بدفع ثمن التفكير، كما أن maxTokens باتت تقيّد التفكير ونص الإجابة معًا.

شغّلت AWS وكيلًا يستدعي أدوات على Claude Opus 5: ثلاث مهام، وثمانية تشغيلات لكل مستوى جهد. وجاءت كل التشغيلات الـ24 صحيحة على أي مستوى. وارتفع الحجم الوسيط للاستجابة من 936 توكن على low إلى 1484 على medium (+59%)، و2521 على high (+169%)، و2964 على xhigh، و3762 على max (+302%). وفي توليد الكود، كان الفرق بين low وhigh (676 مقابل 743 توكن) ضمن التفاوت بين التشغيلات. والتحفظ هنا صريح: عند حدود قدرات النموذج قد تنخفض الجودة على الجهد المنخفض، ولذلك ينبغي قياس التوكنات مع نسبة المهام المنجزة بنجاح.

سقف الاستجابة: تأمين لا حماية

يقيّد maxTokens الاستجابة التي قد يضخّمها برومبت سيئ أو تراجع في الأداء أو حلقة تكرار. وعند بدء الطلب، يحجز Bedrock في الحصة توكنات الإدخال زائد maxTokens، لذلك فإن الحد المبالغ فيه يقلل عدد الطلبات المتزامنة. وفي اختبار على Sonnet 5، بلغت الاستجابات العادية 103 توكن، فوُضع الحد عند 155. وأعطى طلب مُسهِب عمدًا 2048 توكن عند سقف 2048، و155 فقط عند 155، أي وُفّر 1893 توكن. وجاء الردّان مبتورين، فالحد يوفر المال لكنه لا يجعل البرومبت السيئ مفيدًا. وفي السلاسل متعددة الخطوات قد تفسد الاستجابة المبتورة كل ما يليها.

وعمليًا يُختار الحد وفق P95 أو P99 (الطول الذي تقع فيه 95% أو 99% من الاستجابات) لكل نوع من المهام، مع هامش إضافي عند تفعيل التفكير. وينبغي تتبع حالات التوقف بسبب max_tokens ومعالجة الطلب قبل رفع الحد. والحد ليس حماية من المحتوى الضار: لهذا الغرض توجد Bedrock Guardrails.

ما العمل

الترتيب واحد للمعاملات الأربعة جميعًا: تحققوا من دعم النموذج، وغيّروا إعدادًا واحدًا، وقيسوا التوكنات أو التكلفة، ثم راجعوا الجودة. وإذا كنتم توجّهون الطلبات إلى نماذج مختلفة، فأنشئوا لكل إصدار ومنطقة وواجهة API بطاقة قدرات: مدد الكاش والتعرفات ومستويات الاستدلال والحدود. ويعيد Bedrock في استجابته التعرفة الفعلية وعدّادات الكاش، وينبغي مطابقتها مع CloudWatch والفاتورة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول الكاش: المدة الأطول ليست دائمًا أرخص؟

إذا تكررت التعليمات النظامية أو أوصاف الأدوات أو السياق المرجعي، يمكن تخزينها في الكاش. وتتوفر لنماذج Anthropic المدعومة مدتان لبقاء السجل: 5 دقائق وساعة واحدة. وفي Claude Sonnet 5 وOpus 5، تبلغ كلفة الكتابة لمدة 5 دقائق 1,25 من سعر الإدخال المعتاد، وكلفة الكتابة لمدة ساعة 2 منه، أما القراءة من الكاش فتبلغ 0,1 فقط. ومن هنا تأتي حسبة بسيطة. إذا وصلت الطلبات ذات البداية نفسها بوتيرة أسرع من مرة كل 5 دقائق، فإن الكاش القصير يسترد كلفته من أول تكرار. أما إذا طالت الفواصل، فيُعاد كتابته مع كل طلب بسعر 1,25.

ما أبرز التفاصيل حول تعرفة Flex وجهد الاستدلال؟

المهام الخلفية وجولات التقييم وتلخيصات الليل لا تحتاج إلى سرعة المحادثة التفاعلية. ولبعض النماذج تعرفة Flex لهذه الأغراض. واختبرتها AWS على Nova 2 Lite: 200 طلب على Standard و200 على Flex، أُرسلت في أزواج. عولج العدد نفسه من التوكنات، وحصلت الطلبات الـ400 كلها على التعرفة المطلوبة، ولا يمكن تمييز الفرق في زمن الاستجابة الوسيط عن الضجيج الإحصائي. وسعر Flex المنشور في المنطقة us-west-2 أقل بمرتين من Standard، وقد أكدت الفاتورة ذلك.

ما أبرز التفاصيل حول سقف الاستجابة: تأمين لا حماية؟

يقيّد maxTokens الاستجابة التي قد يضخّمها برومبت سيئ أو تراجع في الأداء أو حلقة تكرار. وعند بدء الطلب، يحجز Bedrock في الحصة توكنات الإدخال زائد maxTokens، لذلك فإن الحد المبالغ فيه يقلل عدد الطلبات المتزامنة. وفي اختبار على Sonnet 5، بلغت الاستجابات العادية 103 توكن، فوُضع الحد عند 155. وأعطى طلب مُسهِب عمدًا 2048 توكن عند سقف 2048، و155 فقط عند 155، أي وُفّر 1893 توكن. وجاء الردّان مبتورين، فالحد يوفر المال لكنه لا يجعل البرومبت السيئ مفيدًا. وفي السلاسل متعددة الخطوات قد تفسد الاستجابة المبتورة كل ما يليها.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…