________________________________________ كيف تُحتسب أسعار استخدام الذكاء الاصطناعي داخل منصة سمارت مودلز؟ ________________________________________ الجزء الأول: لماذا تختلف طرق تسعير الذكاء الاصطناعي؟ 👨‍🎓 عندما أستخدم منصات الذكاء الاصطناعي، أجد أن بعضها يحاسبني على عدد الطلبات، وبعضها يستخدم النقاط، وبعضها يبيع اشتراكات أسبوعية أو شهرية. لماذا لا توجد طريقة واحدة للتسعير؟ 🤖 لأن منصات الذكاء الاصطناعي لا تقدم الخدمة بالطريقة نفسها، ولا تتحمل التكلفة ذاتها. فهناك منصة تقدم محادثات نصية، وأخرى تولد الصور والأفلام، وثالثة تجمع نماذج متعددة تختلف أسعار تشغيلها. ولذلك تختار كل منصة آلية تسعير تناسب خدماتها وتكاليفها وجمهورها. لكن اختلاف طريقة التسعير لا يعني بالضرورة اختلاف التكلفة الحقيقية لتشغيل النموذج. ________________________________________ 👨‍🎓 وما أشهر طرق التسعير التي ينبغي أن نتعرف عليها قبل تطوير نظام الاشتراكات في سمارت مودلز؟ 🤖 يمكن تصنيفها إلى نماذج رئيسية: التسعير حسب عدد الطلبات، والتسعير بالنقاط، والتسعير حسب التوكنات، والاشتراكات الزمنية، والرصيد المدفوع مقدمًا، والدفع مقابل الاستخدام الفعلي، والتسعير حسب المخرج أو المهمة، والتسعير المؤسسي حسب المستخدمين. وقد تجمع المنصة بين أكثر من طريقة، بحيث تكون إحداها ظاهرة للمستخدم، بينما تُستخدم الأخرى لحساب التكلفة داخل النظام. ________________________________________ 👨‍🎓 هل توجد طريقة أفضل من غيرها، أم أن الاختيار يعتمد على طبيعة المنصة؟ 🤖 يعتمد الاختيار على طبيعة الخدمة. فالتسعير حسب الطلبات سهل الفهم، لكنه قد لا يعكس اختلاف تكاليف المهام. والتسعير حسب التوكنات أقرب إلى استهلاك كثير من النماذج النصية، لكنه معقد بالنسبة إلى المستخدم العادي. أما النقاط فتتيح تبسيط التكلفة وتوحيد التعامل مع خدمات متعددة، بشرط أن تكون قواعد احتسابها واضحة وعادلة. 💡 المعلومة الراسخة: طريقة عرض السعر للمستخدم ليست بالضرورة طريقة احتساب التكلفة لدى مزود الذكاء الاصطناعي. فقد يدفع المستخدم بالنقاط، بينما تتحمل المنصة تكلفة محسوبة بالتوكنات أو الصور أو أدوات التشغيل. ________________________________________ الجزء الثاني: التسعير حسب عدد الطلبات (Per-Request Pricing) 👨‍🎓 لنبدأ بالتسعير حسب الطلبات. ما المقصود به تحديدًا؟ 🤖 يعني أن يدفع المستخدم مقابل عدد محدد من العمليات أو الرسائل التي يسمح له النظام بتنفيذها. فقد تمنحه الباقة عددًا معينًا من الطلبات، ويُخصم طلب واحد كلما أرسل رسالة مؤهلة للاحتساب. وهذه الطريقة سهلة الفهم، لأن المستخدم يعرف عدد الطلبات المتبقية له دون الحاجة إلى معرفة عدد التوكنات المستخدمة.

🚀 **تحديث جديد من سمارت مودلز | مهارات أقل، إمكانات أكثر!** يسرّنا الإعلان عن تطوير تجربة استخدام النماذج الذكية، من خلال **دمج عدد من البوتات المتخصصة في مهارات ذكية موحّدة**، لتسهيل الوصول إلى الخدمات وإنجاز المهام من مكان واحد. ✨ 🎓 **أولًا: مهارة «دعم خطة البحث»** بدلًا من التنقل بين **9 بوتات بحثية مستقلة**، أصبحت وظائفها مجتمعة في مهارة واحدة تشمل: 🔹 **اقتراح عناوين البحوث:** - البحث النوعي. - البحث الكمّي. - البحث المختلط. 🔹 **صناعة خطط البحث:** - خطة بحث نوعي. - خطة بحث كمّي. - خطة بحث مختلط. 🔹 **إعداد خطط بحث شاملة:** - خطة بحث نوعي شاملة. - خطة بحث كمّي شاملة. - خطة بحث مختلط شاملة. 📚 **مهارة واحدة ترافق الباحث من اختيار عنوان الدراسة إلى تطوير خطته البحثية، وفق المنهج المناسب.** ✍️ **ثانيًا: مهارة «محرر النصوص العربي»** جمعنا **4 بوتات لغوية متخصصة** في مهارة تحريرية واحدة: ✅ التدقيق اللغوي والإملائي والنحوي. ✅ إعادة الصياغة وتحسين الأسلوب. ✅ ضبط علامات الترقيم. ✅ تشكيل النصوص العربية. 📝 **أربع وظائف لغوية في مهارة واحدة** تساعدك على تحسين نصوصك الأكاديمية والمهنية، مع العناية بسلامة المعنى ودقة اللغة. 💡 **ماذا يعني هذا التطوير لك؟** 🎯 وصول أسهل إلى الوظيفة المناسبة. ⚡ تقليل الحاجة إلى التنقل بين البوتات. 🧩 الجمع بين وظائف متكاملة عند الحاجة. 📖 تجربة أكثر تنظيمًا للباحثين والكتّاب وطلاب الدراسات العليا. 🌟 **من 13 بوتًا متخصصًا إلى مهارتين متكاملتين!** هدفنا في **سمارت مودلز** ليس زيادة عدد الأدوات، بل جعل استخدامها أكثر سهولة وتنظيمًا وفاعلية. 🔗 اكتشف منصة سمارت مودلز: https://www.arabaimodels.com **سمارت مودلز | ذكاء أكثر تخصصًا، وتجربة أكثر تكاملًا.**

كيف تعمل حزمة المهارات عادة داخل المنصات؟ research-proposal/ ├── SKILL.md ├── references/ │ ├── quantitative-methods.md │ ├── qualitative-methods.md │ ├── mixed-methods.md │ └── evidence-and-citations.md ├── templates/ │ ├── research-proposal.md │ ├── decision-log.md │ └── alignment-matrix.md ├── scripts/ │ ├── validate_structure.py │ ├── check_alignment.py │ └── verify_bundle.py ├── tests/ │ ├── evaluation-cases.json │ ├── expected-results.json │ └── run_checks.py └── README.md ________________________________________ الجزء الأول: ما حزمة المهارة، ولماذا نحتاج إليها؟ 👨‍🎓 الطالب: عندما أستخدم بوتًا متخصصًا داخل منصة سمارت مودلز، أرى أنه يستجيب وفق تعليمات معينة، وقد يستفيد من ملفات معرفية. لكنني لاحظت أننا أصبحنا نتحدث عن شيء يسمى «حزمة المهارة» (Skill Bundle). فما المقصود بها؟ 🤖 البوت: حزمة المهارة هي بنية منظمة تضم تعليمات تنفيذ مهمة متخصصة، والمواد المعرفية التي تحتاج إليها، ومسارات العمل والقوالب والأدوات والاختبارات المساندة لها عند الحاجة. فبدل وضع كل شيء في تعليمات طويلة واحدة، نفصل المكونات بحسب وظائفها، ونربطها داخل نظام يستطيع الاستفادة منها بصورة منظمة. ________________________________________ 👨‍🎓 الطالب: وما الفرق بينها وبين البوت الذكي الذي أستخدمه بالفعل؟ 🤖 البوت: البوت هو الواجهة أو الوحدة المتخصصة التي تتفاعل مع المستخدم وتؤدي وظيفة محددة. أما المهارة فهي مجموعة تعليمات وإجراءات تساعده على أداء مهمة معينة. فقد يمتلك بوت «صناعة خطة البحث العلمي» مهارة لإعداد الخطة، وأخرى لمراجعتها، وثالثة لفحص اتساقها المنهجي. ويمكن أن تضم الحزمة مهارة واحدة مع مواردها، أو تجمع المنصة عدة مهارات مستقلة تحت بوت واحد، وفق تصميم النظام. ________________________________________ 👨‍🎓 الطالب: هل يعني هذا أننا نستبدل تعليمات التكوين القديمة بحزمة المهارة؟

لماذا لا تظهر مصادر الإجابات بصورة موثوقة؟ ________________________________________ الجزء الأول: الإحالات المرجعية؟ ________________________________________ 👨‍🎓: هل توجد نماذج ذكاء اصطناعي تدعم الإحالات المرجعية، وأخرى لا تدعمها؟ 🤖: نعم. بعض النماذج والخدمات تستطيع تقديم إحالات منظمة إلى المصادر، وبعضها لا يوفر هذه الإمكانية بصورة أصلية، لكنه يستطيع الاستفادة من أدوات البحث الخارجية. وهناك نماذج تذكر المراجع ضمن النص دون تقديم بيانات تثبت أنها استُرجعت من مصادر فعلية. ________________________________________ 👨‍🎓: هل يمكن أن تعطيني أمثلة على النماذج التي تدعم الإحالات؟ 🤖: من الأمثلة المعروفة نماذج OpenAI عند استخدام البحث المدعوم وWeb Search في واجهة API، ونماذج Gemini عند تفعيل Grounding، ونماذج Claude عند استخدام خاصية Citations للمستندات. لكن هذه الإمكانات ترتبط بطريقة تشغيل النموذج والخدمة المستخدمة، ولا تعني أن جميع نماذج هذه الشركات تقدم الإحالات تلقائيًا. ________________________________________ 👨‍🎓: وإذا كان النموذج لا يدعم الإحالات، فهل يمكن إضافتها إليه؟ 🤖: نعم، في كثير من الحالات. يمكن تزويده بنتائج بحث أو مقاطع من مصادر موثوقة، ثم استخدام نظام مستقل لربط الإجابة بتلك المصادر. لكن الإحالات الناتجة بهذه الطريقة تكون من منظومة التشغيل، وليست بالضرورة خاصية أصلية للنموذج. ________________________________________ 👨‍🎓: وكيف أعرف قبل إضافة نموذج من OpenRouter إلى سمارت مودلز أنه يدعم الإحالات؟ 🤖: نراجع صفحة النموذج ووثائق المزوّد أولًا، ونبحث عن خصائص مثل Citations وWeb Search وGrounding. ثم نتحقق من أن هذه الخصائص متاحة فعلًا عبر OpenRouter، وليس عبر موقع الشركة الأصلي فقط. ________________________________________ 👨‍🎓: وهل يكفي أن أجد عبارة Web Search ضمن خصائص النموذج؟ 🤖: لا. فقد يكون البحث متاحًا من خلال OpenRouter باستخدام أداة خارجية، دون أن يدعم النموذج الإحالات بصورة أصلية. ولذلك يجب التأكد من أن الاستجابة تعيد بيانات مصادر منظمة، وليس مجرد إجابة تتضمن روابط. ________________________________________ 👨‍🎓: وكيف نتحقق من ذلك قبل أن نضيف النموذج إلى المنصة؟ 🤖: نجري استدعاءً تجريبيًا محدودًا باستخدام API، ونطلب إجابة موثقة عن موضوع معروف. ثم نفحص الاستجابة الأصلية لمعرفة ما إذا كانت تتضمن بيانات إحالات منظمة، مثل روابط المصادر وعناوينها ومواضع الاستشهاد بها، ونتحقق من صحة عينة منها.