التخزين المؤقت لمطالبات GPT-6: خصم 90% على القراءات المخزنة مؤقتًا، وكيف تحقق إصابة الذاكرة المؤقتة فعليًا

التخزين المؤقت لمطالبات GPT-6: خصم بنسبة 90% على قراءات الإدخال المخزنة مؤقتًا، ومعدلات إصابة أعلى افتراضيًا، وتغييرات آمنة للتخزين المؤقت في جهد الاستدلال والأدوات، ونقاط توقف صريحة، وكيفية اختبار معدل الإصابة في CI.

Ashley Goolam

Ashley Goolam

2 نوفمبر 2026

التخزين المؤقت لمطالبات GPT-6: خصم 90% على القراءات المخزنة مؤقتًا، وكيف تحقق إصابة الذاكرة المؤقتة فعليًا

Apidog للمؤسسات

النشر على الخوادم المحلية

SSO و RBAC

متوافق مع SOC 2

استكشف Apidog للمؤسسات

كل حلقة وكيل تشغّلها تعيد إرسال نفس المقدمة. مطالبة النظام، وتعريفات الأدوات، ومواصفة OpenAPI، وأعراف المستودع. لقد رأى النموذج تلك البادئة مئة مرة اليوم، وقد دفعت سعر الإدخال كاملاً في كل مرة.

وعند التوسع تصبح الفاتورة صاخبة. تقول OpenAI إن باحثها الوسيط ينفق أكثر من 600 دولار يوميًا على وكلاء البرمجة، وأن الشريحة المئوية التسعين تنفق 7000 دولار يوميًا. وهؤلاء أشخاص يشغّلون أدوات مختبر واحد الداخلية، لا واجهة برمجية إنتاجية تخدم العملاء.

إلى جانب GPT-6 Sol وGPT-6 Luna في 22 سبتمبر 2026، أصدرت OpenAI تحديثًا لتخزين المطالبات المؤقت يستهدف هذا بالضبط. تُخفَّض قراءات الإدخال المخزنة بنسبة 90%، ومعدلات الإصابة أعلى افتراضيًا، ولم يعد تغييران من أكثر التغييرات الشائعة التي تُبطل التخزين يُبطلانه، ويمكنك وضع نقاط توقف صريحة، وأصبح هناك الآن لوحة تحكم لتخزين المطالبات المؤقت وأداة تشخيص لرؤية ما يحدث فعلاً. وتُفيد GitHub، التي تشغّل هذا في الإنتاج، بانخفاض يزيد عن 50% في رموز المطالبات التي تحتاج إلى معالجة جديدة عبر مليارات الطلبات.

button

يغطي هذا الدليل ما الذي تغيّر، وقيمة الخصم بالمال الحقيقي، وكيف تُرتّب مطالبة بحيث يصيب التخزين فعلاً، وكيف تختبر أنه يظل يصيب بعد أن يعيد أحدهم هيكلة مطالبة نظامك.

ما الذي صدر

التغيير ما يعنيه لكودك
خصم 90% على قراءات الإدخال المخزنة تُفوتَر البادئة المتكررة بعُشر سعر الإدخال
معدلات إصابة أعلى افتراضيًا تحصل عمليات التكامل القائمة على بعض هذا دون أي تغيير في الكود
لم يعد تغيير جهد الاستدلال يكسر التخزين يمكنك التصعيد من منخفض إلى أقصى في منتصف الجلسة والحفاظ على البادئة دافئة
لم يعد تغيير توفّر الأدوات يكسر التخزين أضف أو أزل أداة دون دفع ثمن بادئة باردة
نقاط توقف صريحة أنت تقرر أين تنتهي البادئة المخزنة بدلًا من التخمين
لوحة تحكم تخزين المطالبات المؤقت وأداة تشخيص يصبح معدل الإصابة شيئًا تقيسه، لا شيئًا تفترضه

أول ثلاثة تغييرات هي الأهم للوكلاء. والتغيير الأخير هو الأهم للمهندس الذي عليه أن يشرح فاتورة الشهر الماضي.

الحسابات

تخزين المطالبات المؤقت يمسّ رموز الإدخال فقط. لا يتغير سعر الإخراج، لذا وكيل يكتب إجابات طويلة انطلاقًا من مطالبة قصيرة بالكاد سيلاحظ الفرق. أما وكيل يقرأ سياقًا كبيرًا مستقرًا ويُخرج حكمًا قصيرًا فسيلاحظ الكثير.

وهذا ما يفعله الخصم بالأسعار المنشورة للنموذجين الجديدين:

النموذج الإدخال لكل مليون القراءة المخزنة لكل مليون الإخراج لكل مليون السياق
GPT-6 Sol (gpt-6-sol) $2.00 $0.20 $10.00 872k
GPT-6 Luna (gpt-6-luna) $0.10 $0.01 $0.50 1M

عمود القراءة المخزنة هو خصم 90% المطبَّق على سعر الإدخال المنشور. تأكد منه مقابل صفحة الأسعار الحية قبل أن تبني عليه ميزانية.

الآن عبء عمل ملموس. لنقل إنك تشغّل وكيل مراجعة كود: 40,000 رمز من بادئة مستقرة (مطالبة النظام، ومخططات الأدوات، ومستند OpenAPI للخدمة، وأعراف واجهتك البرمجية) بالإضافة إلى نحو 2,000 رمز من الفرق في كل تشغيل، و500 تشغيل يوميًا.

Sol، بلا إصابات تخزين Sol، البادئة مخزنة Luna، بلا إصابات تخزين Luna، البادئة مخزنة
رموز البادئة يوميًا 20M عند $2.00 = $40.00 20M عند $0.20 = $4.00 20M عند $0.10 = $2.00 20M عند $0.01 = $0.20
الرموز الجديدة يوميًا 1M عند $2.00 = $2.00 1M عند $2.00 = $2.00 1M عند $0.10 = $0.10 1M عند $0.10 = $0.10
تكلفة الإدخال اليومية $42.00 $6.00 $2.10 $0.30

هذا خصم يقارب 86% على فاتورة الإدخال في Sol لعبء عمل لم يتغير شكله إطلاقًا. الشيء الوحيد الذي تغيّر هو ما إذا بقيت البادئة مطابقة بايت ببايت بين الاستدعاءات.

يستحق أن يوضع إلى جانبه: يدرج Claude Opus 5.5 القراءات المخزنة عند $0.20 لكل مليون مقابل $4.00 للإدخال، مع كتابة التخزين عند $5.00 لكل مليون. ويستقر سعر القراءة في نفس المكان الذي يستقر فيه سعر Sol، وتفرض Anthropic علاوة صريحة لكتابة التخزين. ولا يذكر إطلاق OpenAI سعر كتابة تخزين لـ Sol أو Luna، وهو أحد الأسئلة المفتوحة في نهاية هذا المقال. وإذا كنت تقارن الفواتير كاملة بدلًا من أرقام منفردة، فإن تحليلنا لحرب أسعار النماذج في سبتمبر 2026 يضع الإطلاقات الثلاثة في جدول واحد.

لماذا كانت إخفاقات التخزين عادةً خطأك أنت

يطابق تخزين المطالبات المؤقت على أساس بادئة. ويُفهرَس التخزين على التسلسل الليادي للرموز في طلبك، لذا أول بايت يختلف عن الاستدعاء السابق يُبطل كل ما يليه. حرف واحد في المكان الخطأ يكلّفك خصم الـ 40,000 رمز بالكامل. والمسبّبون الكلاسيكيون، بترتيب تقريبي حسب تكرار ظهورهم في الكود الحقيقي:

كان هناك نمطان آخران على تلك القائمة وهما الآن خارجها. لم يعد تغيير جهد الاستدلال يكسر التخزين، لذا وكيل يعمل بـ low في الأدوار السهلة ويصعّد إلى max في الدور الصعب يحافظ على بادئته الدافئة خلال التصعيد. ولم يعد تغيير توفّر الأدوات يكسرها أيضًا، لذا لم يعد حجب أداة خطرة خلف فحص صلاحيات يفرض قراءة باردة لكل ما فوقها. وهذان النمطان شائعان للغاية في أطر الوكلاء، وقد كانا حتى الآن يُصفّران التخزين بصمت في الأدوار الأكثر تكلفة بالضبط.

رتّب المطالبة: المستقر أولًا والمتغيّر أخيرًا

الانضباط ينجو من كل تغيير مستقبلي في الأسعار: رتّب سياقك حسب تكرار تغيّره، والأكثر استقرارًا في الأعلى.

  1. تعليمات النظام أو المطوّر المطابقة لكل مستخدم.
  2. مخططات الأدوات والدوال، مسلسلة بترتيب ثابت.
  3. المواد المرجعية المشتركة الطويلة: مستند OpenAPI، ودليل الأنماط، ومخطط قاعدة البيانات.
  4. سياق لكل مستأجر أو لكل مشروع يتغير نادرًا.
  5. الأجزاء المسترجَعة، التي تتغير مع كل استعلام.
  6. دور المستخدم وأي شيء يحمل ساعة.

الطبقات من واحد إلى ثلاثة هي تخزينك. وإذا لزم وجود طابع زمني في المطالبة، فليكن في دور المستخدم، لا في رسالة النظام. وإذا كانت قائمة أدواتك تُجمَّع ديناميكيًا، فرتّبها وجمّد ترتيب مفاتيح JSON حتى تُسلسلها عمليتان بشكل متطابق.

from openai import OpenAI

client = OpenAI()

STATIC_PREFIX = [
    {"role": "developer", "content": SYSTEM_INSTRUCTIONS},   # never changes
    {"role": "developer", "content": OPENAPI_DOCUMENT},      # changes on deploy
]

response = client.responses.create(
    model="gpt-6-sol",
    reasoning={"effort": "low"},
    tools=SORTED_TOOL_SCHEMAS,
    prompt_cache_key="review-agent:v7",
    input=STATIC_PREFIX + [
        {"role": "user", "content": f"Review this diff:\n{diff}"},  # volatile, last
    ],
)

print(response.usage)

تتيح لك نقاط التوقف الصريحة في هذا الإصدار تحديد أين تنتهي البادئة المخزنة بدلًا من الاعتماد على المنصة لاستنتاج ذلك. وهذا أنفع ما يكون عندما تكون الطبقة الرابعة كبيرة: كتلة لكل مستأجر مستقرة لعميل ومختلفة عن التالي، حيث تريد رسم الحد بشكل متعمد بدلًا من تركه عند أي رمز اختاره الاستدلال الإرشادي.

ضع إصدارًا لمفتاح التخزين نفسه، كما في review-agent:v7 أعلاه. وعندما تغيّر البادئة عمدًا، ارفع الإصدار، وسترصد الفترة الباردة في مقاييسك بدلًا من التساؤل عن سبب قفزة التكاليف.

تحقق منه، لا تفترضه

يخبرك كائن الاستخدام في كل استجابة بعدد رموز الإدخال التي خُدمت من التخزين. اقرأه، وسجّله، وضع عليه تنبيهًا. وهذا شكل تقريبي:

usage = response.usage
cached = usage.input_tokens_details.cached_tokens
total_in = usage.input_tokens

print(f"cache hit rate: {cached / total_in:.0%}  billed fresh: {total_in - cached}")

أسماء الحقول في المقتطفات أعلاه مأخوذة من أشكال OpenAI API الحالية لا من إعلان الإطلاق، لذا تحقق منها مقابل المرجع قبل أن تُطلق. والمبدأ لا يتغير: الاستجابة تخبرك بالحقيقة، فضع ذلك الرقم على لوحة تحكم.

تغطي لوحة تحكم تخزين المطالبات المؤقت الجديدة وأداة التشخيص الرؤية على مستوى الأسطول، وهناك سترصد النمط الذي تُفيد به GitHub: أكثر من 50% من رموز المطالبات لم تعد تحتاج إلى معالجة جديدة عبر مليارات الطلبات. وهذا قياس على مستوى المنصة، والسبيل الوحيد لمعرفة رقمك الخاص هو قياسه.

نمط الفشل صامت. لا يظهر أي خطأ عندما يتوقف التخزين عن الإصابة. يضيف زميل معرّف طلب إلى مطالبة النظام لأجل التنقيح، فتبرد البادئة، والإشارة الوحيدة هي سطر بطيء في الفاتورة بعد ثلاثة أسابيع.

وهذا يجعله اختبار انحدار، لا مشكلة مراقبة. تعامل مع نقطة نهاية النموذج كأي واجهة برمجية أخرى تعتمد عليها: احفظ الطلب في Apidog، واشترط أن يتجاوز usage.input_tokens_details.cached_tokens حدًا أدنى في الاستدعاء الثاني ضمن سيناريو، وشغّله وفق جدول في CI. استدعاءان متتاليان، واحد للتسخين وآخر للتأكيد، هو الاختبار كله، وعندئذ تفشل إعادة هيكلة مطالبة تقتل التخزين في طلب السحب بدلًا من الفاتورة.

حاشية زمن الاستجابة

يقلّص التخزين العمل المنجز قبل الرمز الأول، لذا يساعد عادةً زمن الوصول إلى الرمز الأول إلى جانب التكلفة. لكن لا تتوقع أن ينقذ أنماط الاستدلال.

تقيس Artificial Analysis، وهي جهة خارجية، زمن الوصول إلى الرمز الأول بـ 102.15 ثانية لـ GPT-6 Sol و124.23 ثانية لـ GPT-6 Luna في نسختيهما ذات الاستدلال «الأقصى». وهذه ليست الأرقام التي ستراها عند جهد low، وليست أرقامًا من المورّد، لذا تعامل معها كإرشادية. والنقطة تظل قائمة في كل الأحوال: لا يوجد خصم تخزين يحوّل ميزانية تفكير من دقيقتين إلى شيء تفاعلي. قِس زمن الاستجابة لكل مستوى جهد قبل أن تعِد بزمن استجابة. ويغطي دليل GPT-6 Astra API الخاص بنا مستويات الجهد بمزيد من التفصيل.

ما لا يجيب عنه الإطلاق

أربعة أمور تستحق التأكيد قبل أن تُلتزم بتصميم مبني على هذا:

لا شيء منها يعوق عمل الترتيب. فالترتيب المستقر أولًا، ومفتاح تخزين ذو إصدار، وشرط على الرموز المخزنة، كلها تُجدي في ظل أي من هذه الأجوبة.

النسخة المختصرة

رتّب مطالبتك حسب التقلّب وأبقِ الساعة خارج رسالة النظام. وضع إصدارًا لمفتاح التخزين حتى تكون التغييرات المتعمدة مرئية. واقرأ cached_tokens في كل استجابة وضع حدًا أدنى تحته في CI. وصعّد جهد الاستدلال وبدّل الأدوات بحرية الآن، لأن أياً منهما لم يعد يكلفك البادئة. ولمزيد من الخلفية عن الآلية نفسها، يغطي شرحنا عن كيف يعمل تخزين المطالبات المؤقت الأساسيات.

ستتحرك أسعار هذه النماذج مرة أخرى. يحدث هذا دائمًا. أما انضباط ترتيب المطالبة فهو الجزء الذي يظل يُجدي بعد أن يُصفّر الإطلاق التالي كل رقم في الجدول.

button

ممارسة تصميم API في Apidog

اكتشف طريقة أسهل لبناء واستخدام واجهات برمجة التطبيقات