آخر تحديث: 2026-06-22

رموز الصورة في النماذج متعددة الوسائط

حين يقرأ نموذج لغوي قادر على الرؤية صورةً، فإنه لا يحتسب رسمًا ثابتًا — بل يحوّل الصورة إلى عدد من الرموز ويفوتر تلك الرموز بالسعر نفسه الذي يفوتر به النص. ويعتمد العدد على أبعاد الصورة بالبكسل وعلى مستوى التفصيل المطلوب، وفق إجراء موثَّق لإعادة التحجيم والتبليط. تعيد هذه الحاسبة إنتاج ذلك الإجراء كي تقدّر كلفة الصورة بالرموز قبل إرسالها، وهو أمر مهم لأن صورة واحدة عالية الدقة قد تكلّف رموزًا أكثر من فقرة نصية.

كيف يُبنى العدد

في وضع التفصيل العالي يعيد النموذج تحجيم الصورة على خطوتين ثم يغطّيها ببلاطات مربعة. أولًا يصغّر الصورة لتلائم مربعًا بطول 2048 بكسل إذا تجاوز أحد ضلعيها ذلك، محافظًا على نسبة الأبعاد:

ثم يحجّمها مرة أخرى حتى يصبح الضلع الأقصر 768 بكسل:

وتُقسَّم الصورة المُعاد تحجيمها، ذات الأبعاد $w_2 \times h_2$، إلى شبكة من بلاطات بحجم 512 بكسل، مع التقريب لأعلى على كل محور كي تُحتسَب البلاطات الجزئية أيضًا:

وتكلّف كل بلاطة عددًا ثابتًا من الرموز، وتُضاف كلفة أساسية ثابتة لتغطية النظرة العامة منخفضة الدقة التي يتلقاها النموذج دائمًا:

وفي وضع التفصيل المنخفض يُتخطَّى التبليط كليًا وتُحتسَب الصورة بالكلفة الأساسية وحدها، $t_{img} = t_0$.

مثال محلول

لِنأخذ صورة بأبعاد 1024×1024 في التفصيل العالي، بكلفة أساسية 85 رمزًا و170 رمزًا لكل بلاطة. لا يتجاوز أيّ من الضلعين 2048، فيتركها التحجيم الأول دون تغيير؛ ويجلب التحجيم الثاني الضلع الأقصر إلى 768:

وتكون شبكة البلاطات

والمجموع

عند سعر إدخال متوسط مقداره ثلاثة دولارات لكل مليون رمز، تكلّف هذه الصورة الواحدة نحو 0.0023 دولار — متواضع منفردًا، لكن دفعة من آلاف الصور تهيمن سريعًا على ميزانية نصية بحتة.

ملاحظات وتنويعات

لأن الضلع الأقصر يُثبَّت عند 768 بكسل قبل التبليط، فإن أي صورة عند ذلك الحجم أو فوقه تنتج الشبكة نفسها: فصورة بأبعاد 4096×4096 تُفوتَر بالـ 765 رمزًا نفسها التي تُفوتَر بها صورة 1024×1024 في المثال أعلاه. ولا يشتري إرسال دقة أعلى أي تفصيل إضافي بعد الحدّ الأقصى ولا أي كلفة إضافية. وتختلف الثوابت الدقيقة — الكلفة الأساسية وحجم البلاطة وعتبتا 2048 و768 — باختلاف المزوّدين وإصدارات النماذج، فعامل القيم الافتراضية هنا كمخطط موثَّق واحد لا كقاعدة عامة.

التطبيق

تدخل رموز الصورة مباشرةً في تسعير كل استدعاء: أضِفها إلى رموز نص الطلب وسعّر المجموع بـ حاسبة تكلفة التوكنات. وحين تكون الصور نفسها مولَّدة لا مقروءة، تُقدَّر كلفتها على حدة بـ حاسبة تكلفة توليد الصور.