---
title: "الرموز لكل كلمة: العربية مقابل الإنجليزية، وكيف تقيسها"
description: "لماذا تستهلك العربية غالبًا رموزًا (توكن) أكثر من الإنجليزية للمعنى نفسه، ولماذا يضلّل مقياس الرموز لكل كلمة، وشيفرة لقياس نسبتك من حقل usage."
url: https://broadrouter.com/ar/blog/tokens-per-word-arabic-english/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/tokens-per-word-arabic-english/) (حُدّث في 2026-11-16).

# عدد الرموز لكل كلمة في العربية والإنجليزية: لماذا تكلّف العربية أكثر؟

بقلم فريق BroadNet Inference · قراءة في 6 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

لا يوجد رقم واحد: فالأمر يعتمد على المُرمِّز (tokenizer) الخاص بكل نموذج. في مجموعة بيانات BroadRouter المقيسة، يحتاج النص نفسه بالعربية الفصحى المعاصرة من 1.31× (Qwen3.8 27B) إلى 1.77× (GLM 5.3) من رموز (توكن) ترجمته الإنجليزية، و1,000 كلمة من النثر الإنجليزي تساوي نحو 1,290 رمز في المتوسط. قِس نسبتك من usage.prompt\_tokens.

## أبرز النقاط

-   عدد الرموز لكل كلمة خاصية لمُرمِّز كل نموذج، لا للغة وحدها.
-   تجد الأبحاث على مُرمِّزات كثيرة أن المحتوى نفسه يكلّف غالبًا رموزًا أكثر بالعربية منه بالإنجليزية.
-   قارن نصوصًا متوازية (المعنى نفسه باللغتين)، لا الرموز لكل كلمة: فالكلمة العربية الواحدة قد تحمل عدة كلمات إنجليزية.
-   قِس بقيمة usage.prompt\_tokens على النموذج نفسه الذي ستستخدمه، مع طرح خط أساس لعبء الرسالة الثابت.
-   التشكيل والتطويل وخلط الخطوط تغيّر الأعداد؛ فطبّع المدخلات بطريقة متسقة.

**في هذه الصفحة**

1.  كم رمزًا إضافيًا تحتاج العربية؟ أرقام مقيسة
2.  ماذا يفعل المُرمِّز؟
3.  لماذا تستهلك العربية غالبًا رموزًا أكثر؟
4.  لماذا يُعدّ عدد الرموز لكل كلمة مقياسًا خاطئًا؟
5.  كيف تقيس نسبتك أنت؟
6.  ماذا يعني ذلك للتكلفة والسياق؟
7.  كيف تقلّل عدد الرموز في العربية؟

إذا بنيت منتجًا عربيًا على LLM API، فإن فاتورتك تُحسب بالرموز (التوكنات)، لا بالكلمات. والرسالة نفسها، إذا كُتبت بالعربية، كثيرًا ما تتحول إلى رموز أكثر من ترجمتها الإنجليزية. وهذا يؤثر في التكلفة وحدود السياق وزمن الاستجابة. يشرح هذا المقال لماذا يحدث ذلك، ولماذا يُعدّ «عدد الرموز لكل كلمة» رقمًا مضلِّلًا، وكيف تقيس النسبة الحقيقية لمحتواك على النموذج الذي تستخدمه.

## كم رمزًا إضافيًا تحتاج العربية؟ أرقام مقيسة

قسنا ذلك بالمُرمِّز الفعلي لكل نموذج على نصوص متوازية (المعنى نفسه بالإنجليزية والعربية). والجدول الكامل وفترات الثقة 95% والمنهجية موجودة في [مجموعة بيانات كفاءة المُرمِّزات](https://broadrouter.com/data/tokenizer-efficiency/) المجانية (بصيغتي CSV وJSON، بترخيص CC BY 4.0، الإصدار 4، قيست في 2026-11-15):

| المُرمِّز | العربية ÷ الإنجليزية، الفصحى المعاصرة (2,009 جملة من FLORES-200) | العربية ÷ الإنجليزية، اللهجة الخليجية (49 جملة من Tatoeba) |
| --- | --- | --- |
| Qwen3.8 27B | 1.31× | 1.21× |
| GPT (o200k) | 1.38× | 1.32× |
| Gemma 4 VL 26B | 1.47× | 1.22× |
| DeepSeek V4.1 Flash | 1.62× | 1.44× |
| GLM 5.3 | 1.77× | 1.57× |

بلغ النثر الإنجليزي (من ويكيبيديا ومشروع غوتنبرغ) نحو 127 إلى 132 رمزًا لكل 100 كلمة عبر المُرمِّزات الخمسة. وتأتي نسب الفصحى المعاصرة من الجمل نفسها، وعددها 2,009، من FLORES-200 باللغتين (نصوص رسمية إخبارية وسياحية وموسوعية من مقالات Wikimedia الإنجليزية، مترجمة ترجمة احترافية). ولا يتضمن FLORES-200 لهجة خليجية، لذا يستخدم عمود الخليجية 49 زوجًا من الجمل القصيرة من Tatoeba، وهو أقل دقة بكثير؛ وتعرض صفحة مجموعة البيانات فترة ثقة لكل رقم. ولا شيء من ذلك يمثّل حركة طلباتك، فاستخدم النسب للتخطيط وقِس محتواك قبل أن تضع الميزانية. يعدّ [عدّاد الرموز العربية](https://broadrouter.com/tools/arabic-token-counter/) رموز نص تلصقه على كل مُرمِّز، وتحوّل أداة [الرموز إلى كلمات](https://broadrouter.com/tools/tokens-to-words/) في الاتجاهين.

ولتحويل هذه النسب إلى مال، تحسب [مجموعة بيانات التكلفة الفعلية حسب اللغة](https://broadrouter.com/data/real-cost-by-language/) سعر مليون حرف من كل لغة على كل نموذج استطعنا مطابقته مع مُرمِّز مقيس، عبر المزوّدين. فالسعر الأرخص لكل رمز لا يعني دائمًا فاتورة عربية أرخص.

## ماذا يفعل المُرمِّز؟

قبل أن يرى النموذج النص، يقسمه المُرمِّز إلى رموز مأخوذة من مفردات ثابتة. تستخدم معظم المُرمِّزات الحديثة طرقًا تعتمد على أجزاء الكلمات، مثل ترميز أزواج البايتات (BPE) وWordPiece وSentencePiece، الموصوفة في [ملخص المُرمِّزات](https://huggingface.co/docs/transformers/tokenizer_summary) لدى Hugging Face. فالسلاسل المتكررة في بيانات التدريب تصبح رموزًا مفردة، والسلاسل النادرة تُقسَّم إلى أجزاء أصغر، حتى البايتات المفردة عند الحاجة.

وتُتعلَّم المفردات من مجموعة نصوص التدريب. وأي لغات تهيمن على تلك المجموعة تحصل على الترميز الأكفأ. ولكل عائلة نماذج مُرمِّزها الخاص، لذا قد تقسم نماذج DeepSeek وQwen وGLM وGemma الجملة العربية نفسها إلى أعداد مختلفة تمامًا من الرموز.

## لماذا تستهلك العربية غالبًا رموزًا أكثر؟

### 1\. اختلال التوازن في بيانات التدريب

دُرّبت مُرمِّزات كثيرة على نصوص تحظى فيها الإنجليزية بتمثيل مفرط. فتصبح الكلمات الإنجليزية الشائعة رمزًا واحدًا لكل منها، بينما تُقسَّم كلمات عربية شائعة كثيرة إلى عدة أجزاء. قاس Petrov وزملاؤه (2023) ذلك عبر مُرمِّزات ولغات كثيرة، ووجدوا فروقًا كبيرة في عدد الرموز التي يحتاجها المحتوى نفسه، مع كون الإنجليزية عادةً من الأرخص. وتوصّل Ahia وزملاؤه (2023) إلى نتيجة مماثلة في واجهات API التجارية، وأشاروا إلى الأثر المباشر على ما يدفعه متحدثو اللغات المختلفة.

### 2\. الصرف العربي

تُلحق العربية حروف العطف وحروف الجر وأداة التعريف والضمائر بالكلمات مباشرةً. فالكلمة المكتوبة الواحدة قد تحمل ما توزّعه الإنجليزية على عدة كلمات:

| العربية | المقابل الإنجليزي التقريبي |
| --- | --- |
| وسيكتبونها | and they will write it |
| بالمدرسة | in the school |
| فقلنا | so we said |

والمُرمِّز الذي لم يرَ تركيبة معيّنة بما يكفي كثيرًا ما يقسمها إلى أجزاء. وهذا يرفع عدد الرموز لكل **كلمة**، حتى حين يكون عدد الرموز لكل **معنى** معقولًا.

### 3\. تفاصيل الكتابة

التشكيل، والتطويل (حرف المدّ «ـ»)، وأشكال الألف والهمزة المختلفة، والأرقام العربية الهندية، كلها حروف إضافية أو أشكال بديلة يجب على المُرمِّز ترميزها. والنص الذي يخلط العربية واللاتينية، والعربيزي (العربية المكتوبة بحروف لاتينية وأرقام)، قد ينقسمان أيضًا بطرق غير متوقعة. راجع [كيف تتعامل نماذج اللغة مع العربيزي](https://broadrouter.com/ar/blog/arabizi-llm-handling/).

## لماذا يُعدّ عدد الرموز لكل كلمة مقياسًا خاطئًا؟

لأن الكلمة العربية الواحدة كثيرًا ما تساوي عدة كلمات إنجليزية، فعبارتا «العربية تستهلك N رمزًا لكل كلمة» و«الإنجليزية تستهلك M رمزًا لكل كلمة» غير قابلتين للمقارنة. والسؤال الأعدل: **كم رمزًا يحتاج المحتوى نفسه في كل لغة؟** استخدم نصوصًا متوازية، أي الرسالة نفسها مكتوبة باللغتين، وقارن مجموع الرموز. فهذه النسبة هي ما يغيّر فاتورتك.

والقاعدة التقريبية الشائعة لدى OpenAI، أي نحو أربعة حروف أو ثلاثة أرباع الكلمة لكل رمز، مقدَّمة للإنجليزية على مُرمِّزات OpenAI نفسها. ولا تنطبق على العربية ولا على عائلات النماذج الأخرى، فلا تستخدمها لميزانيات العربية.

## كيف تقيس نسبتك أنت؟

حقل الاستخدام هو المرجع الحقيقي: فهو ما تُحاسَب عليه. ترسل هذه الشيفرة نصوصًا متوازية إلى نموذج وتقرأ `usage.prompt_tokens`. وتطرح خط أساس حتى لا يشوّه العبء الثابت لقالب المحادثة النصوص القصيرة. وتستخدم [Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/)، الذي يعمل على الرصيد المبدئي المجاني ولا يستدلّ منطقيًا؛ ضع مكانه النموذج الذي ستستخدمه فعلًا.

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
MODEL = "broadnet/gemma-4-26b-a4b"

def prompt_tokens(text):
    r = client.chat.completions.create(
        model=MODEL, max_tokens=1,
        messages=[{"role": "user", "content": text}],
    )
    return r.usage.prompt_tokens

baseline = prompt_tokens(".")
pairs = [
    ("Your order has shipped and will arrive on Thursday.",
     "تم شحن طلبك وسيصل يوم الخميس."),
    ("Please send a photo of the invoice so we can check the total.",
     "يرجى إرسال صورة الفاتورة حتى نتحقق من المبلغ الإجمالي."),
]

en_total = ar_total = 0
for en, ar in pairs:
    en_t = prompt_tokens(en) - baseline
    ar_t = prompt_tokens(ar) - baseline
    en_total += en_t; ar_total += ar_t
    print(f"EN {en_t:4d} | AR {ar_t:4d} | ratio {ar_t / max(1, en_t):.2f}")

print(f"Overall Arabic/English token ratio: {ar_total / max(1, en_total):.2f}")
```

لتحصل على رقم يمكنك الوثوق به:

1.  **استخدم من 50 إلى 200 زوج حقيقي** من مجالك: رسائل الدعم، وأوصاف المنتجات، والفواتير. فجمل العرض القصيرة كثيرة التشويش.
2.  **استخدم اللهجة التي يكتب بها مستخدموك.** قد يُرمَّز النص الخليجي والمصري والشامي بشكل مختلف عن الفصحى المعاصرة.
3.  **شغّلها لكل نموذج.** النسبة المقيسة على نموذج لا تقول الكثير عن نموذج آخر. فإن كنت تختار بين نماذج، فشغّل الأزواج نفسها على كل منها؛ ويغطي مقال [اختيار نموذج لغة للعربية](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/) الجودة، وهي لا تقل أهمية عن عدد الرموز.
4.  **قِس الإخراج أيضًا.** اطلب من كل نموذج أن يجيب بالعربية وبالإنجليزية وقارن `completion_tokens`. فالإخراج أغلى لكل رمز من الإدخال في كل النماذج، لذا قد تكون نسبة الإخراج أهم.

وإذا كان مُرمِّز النموذج منشورًا (على Hugging Face مثلًا)، فيمكنك أيضًا عدّ الرموز دون اتصال بذلك المُرمِّز. لكن حقل الاستخدام في الواجهة يظل الحَكَم النهائي، لأنه يشمل قالب المحادثة الذي يطبّقه الخادم.

### قراءة النتائج

حين تحصل على نسبة لكل نموذج، تظهر عادةً ثلاثة أنماط:

-   **قريبة من 1.** المُرمِّز يتعامل مع عربيتك جيدًا. وتكلّف الحركة العربية والإنجليزية المبلغ نفسه تقريبًا للمحتوى نفسه.
-   **أعلى من 1 بوضوح.** العربية تكلّف أكثر لكل رسالة. احسب حسابها في التوقعات وفي حدود السياق، وفكّر هل يتعامل نموذج آخر مع عربيتك بكفاءة أكبر وبجودة مماثلة.
-   **متفاوتة كثيرًا بين عيّناتك.** عادةً علامة على محتوى مختلط: نص مشكول، أو عربيزي، أو أرقام، أو روابط، أو شيفرة داخل رسائل عربية. افصل عيّناتك حسب النوع وقِس كل نوع على حدة.

احتفظ بالشيفرة وأعد تشغيلها حين تغيّر النماذج أو حين يحدّث مزوّد إصدار نموذج، لأن المُرمِّز الجديد يغيّر كل الأعداد.

## ماذا يعني ذلك للتكلفة والسياق؟

التكلفة تتناسب مع الرموز، لذا فإن ارتفاع النسبة العربية يرفع الفاتورة بالمعامل نفسه للجزء العربي من حركة طلباتك. وبأسعار BroadNet، يكلّف الإدخال العربي على [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) $0.175 لكل مليون رمز، والإخراج $2.17؛ وعلى Gemma 4 VL 26B، $0.10 و$0.22. السعر لكل رمز واحد في أي لغة؛ وما يتغيّر هو عدد الرموز فقط. أدخل نسبتك المقيسة في [طريقة حساب التكلفة الشهرية](https://broadrouter.com/ar/blog/estimate-llm-api-cost-before-launch/).

وتضيق حدود السياق بالطريقة نفسها. يقبل Gemma 4 VL 26B 32,768 رمزًا لكل طلب؛ والمستند العربي الطويل يملؤها أسرع من ترجمته الإنجليزية. ويقبل DeepSeek V4.1 Flash وGLM 5.3 1,048,576 رمزًا.

## كيف تقلّل عدد الرموز في العربية؟

-   **طبّع النص باتساق.** أزل التطويل، واحذف التشكيل إن كانت مهمتك لا تحتاج إليه. وطبّق التطبيع نفسه على كل طلب حتى يظل التخزين المؤقت فعّالًا.
-   **اجعل التعليمات قصيرة.** أمر النظام الطويل يُعاد إرساله في كل دور؛ والصياغة المحكمة توفّر الرموز في اللغتين.
-   **خزّن البادئة الثابتة مؤقتًا.** في النماذج التي لها سعر للإدخال المخزّن مؤقتًا، تكلّف أوامر النظام والمستندات المتكررة أقل بكثير. راجع [كيف يعمل التخزين المؤقت](https://broadrouter.com/ar/blog/cached-input-tokens-explained/).
-   **اطلب إجابات موجزة.** «أجب في جملتين» توفّر أكثر من أي حيلة في المُرمِّز.

أما للكلام العربي لا النص، فالتفريغ الصوتي مسعّر لكل دقيقة صوت لا لكل رمز، لذا لا يؤثر الترميز في ذلك الجزء من الفاتورة؛ راجع [صفحة تحويل الكلام العربي إلى نص](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/).

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[العربية الفصحى الحديثة (Modern Standard Arabic، MSA)](https://broadrouter.com/ar/glossary/msa/)

العربية الفصحى الحديثة (MSA) هي الصيغة المعيارية من العربية المستخدمة في الكتابة والأخبار والتعليم والخطاب الرسمي في أنحاء العالم العربي. وليست لغة الحياة اليومية الأم لأحد: يتحدث الناس لهجات إقليمية، كالمصرية أو الخليجية، وينتقلون إلى الفصحى في المواقف الرسمية.

[ترميز أزواج البايتات (BPE)](https://broadrouter.com/ar/glossary/bpe/)

ترميز أزواج البايتات (BPE) خوارزمية تجزئة إلى وحدات دون الكلمة، تبدأ من الحروف أو البايتات المفردة، ثم تدمج مرارًا أكثر زوج متجاور تكرارًا في مدخل جديد في المفردات، حتى تبلغ حجم المفردات المستهدف. ومعظم مجزّئات نماذج اللغة الحالية تستخدم BPE أو صيغته على مستوى البايت.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[التشكيل (الحركات العربية، Arabic diacritics)](https://broadrouter.com/ar/glossary/arabic-diacritics/)

التشكيل هو علامات صغيرة تُكتب فوق الحروف العربية أو تحتها لبيان الحركات القصيرة والحروف المضعّفة وغياب الحركة. وهو اختياري: تخلو منه معظم النصوص العربية، ومنها الأخبار، فيستنتج القرّاء والبرمجيات الحركات من السياق.

[العربيزي (الفرانكو آراب، Arabizi)](https://broadrouter.com/ar/glossary/arabizi/)

العربيزي هي العربية المكتوبة بشكل غير رسمي بحروف لاتينية، مع أرقام للأصوات العربية التي لا مقابل لها في اللاتينية، مثل 3 بدل ع. وهي شائعة في المحادثات ووسائل التواصل، وغالبًا ما تكون باللهجات، ولا إملاء معياريًا لها، وكثيرًا ما تُمزج بالإنجليزية أو الفرنسية.

[اللهجات العربية (Dialectal Arabic)](https://broadrouter.com/ar/glossary/dialectal-arabic/)

اللهجات العربية هي العربية المحكية يوميًا في منطقة أو مدينة، مثل المصرية أو الخليجية أو الشامية أو المغاربية. وتختلف عن العربية الفصحى الحديثة في الأصوات والمفردات والقواعد، ولا إملاء معياريًا لها، وتُكتب على الإنترنت بشكل متزايد، ما يجعلها أصعب على نماذج اللغة.

[المجزّئ (Tokenizer)](https://broadrouter.com/ar/glossary/tokenizer/)

المجزّئ (tokenizer) هو المكوّن الذي يحوّل النص إلى سلسلة معرّفات رموز عددية يقرؤها نموذج اللغة، ويحوّل المعرّفات المولَّدة إلى نص من جديد. ولكل نموذج مجزّئه الخاص، فقد يُنتج النص نفسه عددًا مختلفًا من الرموز (التوكنات) في نماذج مختلفة.

## أسئلة شائعة

### كم رمزًا تساوي الكلمة العربية الواحدة؟

يعتمد ذلك على النموذج. في مجموعة بيانات المُرمِّزات من BroadRouter، استهلكت العربية الفصحى المعاصرة من 183.0 (Qwen3.8 27B) إلى 243.9 (GLM 5.3) رمزًا لكل 100 كلمة عبر خمسة مُرمِّزات. قارن نصوصًا متوازية بدل الكلمات المفردة، وقِس على النموذج الذي تستخدمه.

### كم رمزًا تساوي 1,000 كلمة إنجليزية؟

نحو 1,269 إلى 1,320 رمزًا من النثر الإنجليزي العادي عبر المُرمِّزات الخمسة في مجموعة بيانات BroadRouter المقيسة (1,290 في المتوسط). والنصوص التقنية والشيفرة واللغات الأخرى تحتاج إلى أكثر، فعُدّ رموز نصك أنت.

### هل تقلّل إزالة التشكيل عدد الرموز؟

عادةً نعم، لأن علامات التشكيل حروف إضافية يجب على المُرمِّز ترميزها. لكن لا تُزلها إلا إن كانت مهمتك لا تحتاج إليها؛ ففي القرآن والشعر والنطق تحمل معنى.

### هل تصح قاعدة «4 حروف لكل رمز» مع العربية؟

لا. تقدّم OpenAI هذه القاعدة التقريبية للنص الإنجليزي على مُرمِّزاتها هي. ولا تنطبق على العربية ولا على مُرمِّزات النماذج الأخرى.

### هل الرموز العربية أغلى لكل رمز؟

لا. الرمز يكلّف المبلغ نفسه أيًّا كانت اللغة التي يرمّزها. والعربية تكلّف أكثر فقط حين ينقسم المحتوى نفسه إلى رموز أكثر.

## تابع القراءة

-   [اختيار LLM API للغة العربية: ما الذي تختبره؟](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/)
-   [شرح أسعار LLM API: الإدخال والمخزّن مؤقتًا والإخراج والاستدلال](https://broadrouter.com/ar/blog/llm-api-pricing-explained/)
-   [هندسة الأوامر بالعربية: المستوى اللغوي والاتجاه والأرقام والنص المختلط](https://broadrouter.com/ar/blog/arabic-prompt-engineering/)
-   [العربيزي ونماذج LLM: التعامل مع الفرانكو والأرقام مثل 3 و7](https://broadrouter.com/ar/blog/arabizi-llm-handling/)
-   [تشكيل النص العربي بنموذج LLM: الأمر والتحقق ومعدل DER](https://broadrouter.com/ar/blog/arabic-diacritization-llm/)
-   [تغيّرات أسعار LLM API في أكتوبر 2026: 3 ارتفاعات ولا تخفيض](https://broadrouter.com/ar/blog/llm-api-price-changes-october-2026/)
-   [كم مرة تتغيّر أسعار LLM API؟ 3 سنوات من صفحات الأسعار المؤرشفة](https://broadrouter.com/ar/blog/how-often-llm-api-prices-change/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-tokens-per-word-arabic-english&utm_content=page-cta) ·

**المصادر**

-   [Petrov وآخرون، Language Model Tokenizers Introduce Unfairness Between Languages (arXiv 2305.15425، تاريخ المراجعة 2026-11-16)](https://arxiv.org/abs/2305.15425)
-   [Ahia وآخرون، Do All Languages Cost the Same? Tokenization in the Era of Commercial Language Models (arXiv 2305.13707، تاريخ المراجعة 2026-11-16)](https://arxiv.org/abs/2305.13707)
-   [Hugging Face Transformers، خوارزميات الترميز (تاريخ المراجعة 2026-11-16)](https://huggingface.co/docs/transformers/tokenizer_summary)
-   [مركز المساعدة لدى OpenAI، ما الرموز وكيف تُعدّ](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them)
-   [مجموعة بيانات كفاءة المُرمِّزات من BroadRouter، الإصدار 4 (قيست في 2026-11-15)](https://broadrouter.com/data/tokenizer-efficiency/)
-   [مقياس التقييم FLORES-200 (Meta، CC BY-SA 4.0)، الجمل المتوازية التي بُنيت عليها نسب الفصحى (إيداع مثبّت، تاريخ المراجعة 2026-11-16)](https://github.com/facebookresearch/flores/tree/a6c830c6e1051fb4ac1a44b32358f00463f332bd/flores200)
-   [المرجع التقني لواجهة BroadNet Inference، حقول الاستخدام (تاريخ المراجعة 2026-11-16) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-tokens-per-word-arabic-english&utm_content=sources)
