لا يستطيع النموذج قراءة البكسلات مباشرة. فهو يقرأ الصورة سلسلةً من الرموز (tokens)، وفي معظم الواجهات تدفع ثمن كل واحد منها.
كيف يعمل
يقطّع المزوّدون الصورة إلى مربعات صغيرة ويعدّونها، بعد تغيير مقاسها لتناسب حدودهم. والقواعد تختلف.
Anthropic. يقول توثيق Claude إن كل رقعة بحجم 28×28 بكسلًا تساوي “visual token” (رمزًا بصريًا) واحدًا، فتكلّف الصورة ⌈width / 28⌉ × ⌈height / 28⌉ رمزًا. والصور التي تتجاوز حدًّا أقصى للضلع الأطول أو لعدد الرموز تُصغَّر. في الفئة القياسية يكون الحد 1,568 بكسلًا و1,568 رمزًا؛ وفي فئة الدقة العالية (Claude 4.7 وما بعده) يكون 2,576 بكسلًا و4,784 رمزًا.
| الصورة | الفئة القياسية | فئة الدقة العالية |
|---|---|---|
| 200×200 | 64 | 64 |
| 1000×1000 | 1,296 | 1,296 |
| 1920×1080 | 1,560 (بعد التصغير إلى 1456×819) | 2,691 |
OpenAI. تحسب النماذج الأحدث رقعًا بحجم 32 بكسلًا، ceil(width/32) × ceil(height/32)، وتطبّق ميزانية رقع خاصة بكل نموذج، ثم تضرب في معامل النموذج. ومثال OpenAI المحسوب لأحد النماذج: صورة 1024×1024 تساوي 1,024 رقعة، و1,024 × 1.2 تُقرَّب صعودًا إلى 1,229 رمزًا. أما النماذج الأقدم مثل GPT-4o فتستخدم مربعات بحجم 512 بكسلًا: أساس من 85 رمزًا مضافًا إليه 170 لكل مربع، أو الرموز الأساسية وحدها مع detail: low.
لذا قد تكلّف الصورة نفسها أعدادًا مختلفة جدًا من الرموز على نماذج مختلفة. استخدم حاسبة رموز الصور للمقارنة.
لماذا يهم
- التكلفة. صورة 1000×1000 تساوي 1,296 رمزًا على Claude بحسب جدول Anthropic. وعلى نطاق واسع، قد يخفّض تصغير الصور قبل إرسالها تكلفة الإدخال بشكل ملحوظ.
- المفاضلة مع الدقة. تصغير الصورة يوفّر الرموز لكنه قد يجعل الخط الصغير غير مقروء. في التعرّف الضوئي على الحروف (OCR) للفواتير أو النماذج، اختبر أصغر مقاس لا تزال القراءة فيه صحيحة.
- السياق. رموز الصور تملأ نافذة السياق كما يفعل النص. وفي محادثة متعددة الدورات، تُحاسَب كل صورة يُعاد إرسالها من جديد.
في BroadNet Inference
يعمل إدخال الصور على DeepSeek V4.1 Flash وQwen3.8 27B وGemma 4 VL 26B، وتُرسَل الصورة عنوان data: بترميز base64 داخل محتوى الرسالة. ويقول المرجع التقني لـ BroadNet: “On a pay-as-you-go key an image counts as input tokens at the model’s input price, and a larger image uses more tokens. On a plan, images are part of the plan’s unlimited use.” (ترجمة: على مفتاح الدفع حسب الاستخدام تُحتسب الصورة رموزَ إدخال بسعر الإدخال للنموذج، والصورة الأكبر تستهلك رموزًا أكثر. وفي الخطة، تدخل الصور ضمن الاستخدام غير المحدود للخطة). فمثلًا، تُحاسَب رموز الصور في Gemma 4 VL 26B بسعر $0.10 لكل مليون رمز إدخال. ولا تنشر BroadNet معادلة لعدد رموز كل صورة، فاقرأ usage.prompt_tokens في الاستجابة لترى كم كلّفت الصورة. ويتضمن دليل الفواتير العربية مثالًا كاملًا، وتقارن مقالة أرخص واجهة LLM للرؤية بين الأسعار.