VibeVO – Advertisers and creators in one ecosystem

Tag: تكلفة الذكاء الاصطناعي

  • CPM مربح: كيفية حساب التكلفة الحقيقية للاستجابة المفيدة للذكاء الاصطناعي

    CPM مربح: كيفية حساب التكلفة الحقيقية للاستجابة المفيدة للذكاء الاصطناعي

    مرحباً أيها الزملاء المسوقون بالعمولة! اسمي تيمور، وأنا مسؤول عن السوق في Cloud.ru. نحن نقدم منصة لـ خدمات الذكاء الاصطناعي التي تتكامل مع البنية التحتية السحابية للعملاء. مهمتي هي ضمان شفافية التسعير. حالياً، يقوم الكثيرون بتقييم الذكاء الاصطناعي بناءً على تكلفة الرموز، ولكن هذا خطأ جوهري. العميل لا يدفع مقابل الرموز، بل مقابل نتيجة محددة. في هذه المقالة، سنحلل كيفية حساب اقتصاديات الوحدة لـ <a href="/ar/blog/al-afatar-al-madum-bil-dhaka-al-istinai-kayfiyya-idafa-wajh-li-musaid-sawti-wa-tajannub-al-makhatir/" title="النشر الجماعي للفيديو: 4 استراتيجيات لتكرار المهام بواسطة وكلاء الذكاء الاصطناعي“>وكيل الذكاء الاصطناعي بشكل صحيح، بناءً على بيانات Cloud.ru، وسنحدد التكلفة الحقيقية للإجابة المفيدة لفهم أي CPM مربح.

    «يجب على البائع في السوق تحديد سعر لوكيله، ويجب على العميل فهمه، ويجب على المنصة أن تجعل الأسعار المعروضة قابلة للمقارنة. طالما أن الأطراف الثلاثة تقيس التكلفة بالرموز، فلن يتحقق أي من هذا».

    المواد السابقة كانت مخصصة لـ OpenClaw: كيفية نشر وكيل دون تسرب البيانات و لماذا الإصدار الجديد هو خدمة منفصلة. اليوم نتحدث عن المال.

    تقييم تكلفة خدمات الذكاء الاصطناعي: التركيز على اقتصاديات الوحدة

    وحدة القياس: إجابة مفيدة، وليست رموزاً

    الرمز هو مقياس سيء. العميل لا يشتري الرموز، بل يشتري حلاً لمشكلته. «الحوار المغلق» أيضاً خادع. Intercom، على سبيل المثال، يميز بين نوعين من الحلول: المؤكدة (قال العميل «شكراً») والمفترضة (غادر العميل ببساطة).

    يتم الدفع لكليهما، ولكن هناك فارق بسيط: إذا عاد العميل بنفس السؤال، يتم إلغاء الحل. مثال من Lorikeet (195 حالة، 38 بائعاً): من بين 4200 حوار تم إغلاقها بواسطة الذكاء الاصطناعي، تم إغلاق 900 منها برابط إلى مقال في قاعدة المعرفة. بدونها، تنخفض نسبة الحلول من 70% إلى 55%.

    الفرق بين «مغلق» و «محلول» كبير. لذلك، وحدة قياسنا هي الإجابة المفيدة. هذا هو حوار تم إغلاقه بواسطة الذكاء الاصطناعي دون تدخل بشري، ولم يعد العميل بنفس السؤال خلال 72 ساعة ولم يترك تقييماً سلبياً. كل ما لم يجتاز هذه الفلاتر يذهب إلى بسط التكاليف، ولكن ليس إلى مقام الإجابات المفيدة. يتم دفع المحاولات الفاشلة من قبل المحاولات الناجحة. هذه نقطة رئيسية.

    حالة نموذجية: دعم متجر إلكتروني

    لإجراء الحسابات، سنأخذ سيناريو نموذجياً: دعم متجر إلكتروني. هذه حالة جماعية بكمية كبيرة من البيانات العامة. يتلقى المتجر 40,000 استفسار شهرياً. يتم توجيه 90% منها (36,000 حوار) إلى وكيل الذكاء الاصطناعي.

    المحادثات التي يغلقها الوكيل دون تدخل المشغل، والتي نسميها الإغلاقات التلقائية، هي المقياس الذي يعرضه البائعون. هيكل الوكيل: RAG (البحث في قاعدة المعرفة + توليد الإجابة) بالإضافة إلى أداة “حالة الطلب”. كل محادثة تتطلب ثلاث استدعاءات لنموذج اللغة الكبير (LLM):

    1. فهم الطلب واختيار المسار.
    2. الإجابة بناءً على الأجزاء التي تم العثور عليها.
    3. الرجوع إلى الأداة أو تجميع ملخص للمشغل.

    في المتوسط، هذا يعني 12,000 رمز إدخال (موجه النظام، الأجزاء، التاريخ) و 800 رمز إخراج. يتم إجراء استدعاءين لقاعدة المعرفة لكل محادثة. يتحقق نموذج التصفية من رد العميل وإجابة الوكيل (1000 رمز لكل من الاستدعاءات الثلاثة). نخصص 15% إضافية من الرموز للتوليدات المتكررة.

    البنية التحتية والتكاليف

    نستخدم خدمات Cloud.ru:

    • قاعدة المعرفة: Evolution Managed RAG.
    • الوكيل: Evolution AI Agents.
    • السجلات: Evolution Managed PostgreSQL.

    تكلفة عامل الدعم في موسكو: 125,000 روبل/شهريًا (85,300 روبل راتب حسب hh.ru لعام 2025 + الاشتراكات والمصاريف العامة). مع 40 تذكرة في اليوم، تبلغ تكلفة التذكرة الواحدة 149 روبل. دقيقة المشغل – 15.5 روبل (125,000 روبل / 80% من 10,080 دقيقة). بالنسبة للدردشة في التجزئة (60 طلبًا/يوم)، تبلغ تكلفة التذكرة 99 روبل.

    افتراضات الحسابات

    الافتراضات الرئيسية:

    • نسبة الإغلاقات التلقائية: متوسط الحالات العامة – 70%. Ozon: 27% (2020) -> 62% (2022). نأخذ المنتصف – 50%.
    • المحادثات التي لم تجتز الفلتر: عاد العميل خلال 72 ساعة أو وضع علامة سلبية. الافتراض: 6% (في مثال Lorikeet، 21% من المحادثات المغلقة كانت روابط).
    • سعر هذه المحادثة: 150 روبل تعويض + 3 دقائق من المشغل (200 روبل).
    • وقت المشغل للتصعيد: 1.5 دقيقة إضافية فوق التذكرة العادية.
    • الفحص اليدوي: 3% من جميع المحادثات لمدة 3 دقائق.
    • قاعدة المعرفة، الموجهات: 0.5 وظيفة متخصصة (متفائل).
    • الاستهلاك: 50,000 روبل/شهريًا (لمتكامل مع CRM – حتى 1.5 مليون روبل).

    أسعار النماذج والبنية التحتية (Cloud.ru، أكتوبر 2026)

    أسعار Evolution Foundation Models (مع ضريبة القيمة المضافة 22%، لكل مليون رمز):

    • HiveTraceGuard-Pro (فلتر): إدخال 25 روبل، إخراج 125 روبل.
    • Qwen3-30B-A3B: إدخال 10 روبل، إخراج 50 روبل.
    • GigaChat-3-Pro: إدخال 25 روبل، إخراج 125 روبل.
    • Claude Haiku 4.5: إدخال 100 روبل، إخراج 500 روبل.
    • Claude Sonnet 4.6: إدخال 360 روبل، إخراج 2250 روبل.

    الفرق بين النموذج الرخيص والغالي: 36x في الإدخال، 45x في الإخراج. البنية التحتية (Evolution، سبتمبر 2026، 730 ساعة/شهر):

    • 4 vCPU + 8 جيجابايت RAM: 1.5616 روبل/ساعة vCPU، 0.3904 روبل/ساعة جيجابايت.
    • Evolution Managed RAG (2 جيجابايت، 72,000 طلب): 1.3664 روبل/ساعة جيجابايت، 0.0976 روبل/1000 طلب.
    • Evolution Managed PostgreSQL (2 vCPU، 4 جيجابايت RAM، 100 جيجابايت SSD): 1.49145 روبل/ساعة vCPU، 0.4026 روبل/ساعة جيجابايت، 0.016836 روبل/ساعة جيجابايت.

    إجمالي البنية التحتية: 13,420 روبل/شهريًا. هذا هو أرخص بند في الحساب.

    حساب تكلفة الإجابة المفيدة

    سعر محادثة واحدة

    نحسب أولاً تكلفة محادثة واحدة على نماذج مختلفة:

    • Qwen3-30B-A3B: 0,43 руб.
    • GigaChat-3-Pro: 1,32 руб.
    • Claude Haiku 4.5: 3,76 руб.
    • Claude Sonnet 4.6: 10,99 руб.

    فرق 25 ضعفًا! لو توقفنا هنا، لكان اختيار النموذج حاسمًا.

    CPM выгодный: как считать реальную стоимость полезного ответа ИИ — illustration 2

    سعر الاستجابة المفيدة

    من بين 36,000 حوار، مع 50% إغلاق تلقائي، تم إغلاق 18,000. منها 6% أخطاء. يبقى 16,920 استجابة مفيدة. كل استجابة مفيدة لا تشمل فقط التوكنات، بل تشمل أيضًا:

    • توكنات المحاولات الفاشلة.
    • دقائق المشغلين في التصعيد.
    • تكلفة الأخطاء.
    • التحقق.
    • قاعدة المعرفة.
    • التنفيذ.

    الفرق البالغ 25 ضعفًا في التوكنات يتحول إلى 1.4 ضعفًا في الاستجابة المفيدة: من 51 روبل إلى 73 روبل. النموذج الباهظ الثمن (Claude Sonnet 4.6)، الذي يكلف 25 ضعفًا أكثر في التوكنات، يكلف فقط 40% أكثر من حيث سعر النتيجة. لماذا؟ لأن جميع التكاليف الأخرى متماثلة لجميع النماذج.

    هيكل السعر: GigaChat-3-Pro (53 روبل)

    بالنسبة لـ GigaChat-3-Pro (53 روبل للاستجابة المفيدة):

    • التصعيد والاستجابات الخاطئة: 71% من التكلفة. لا تُحتسب هذه التكاليف عادةً على أنها “تكاليف الذكاء الاصطناعي”، بل تندرج ضمن رواتب الدعم أو التعويضات.
    • التوكنات: 2.8 روبل (5%). هذا هو البند الوحيد الذي يقارنه الجميع.
    • البنية التحتية السحابية: 0.80 روبل.

    في Claude Sonnet 4.6، تشغل التوكنات بالفعل 32% من السعر. هنا، من المنطقي توفير التوكنات. كيف؟

    1. تقليل السياق: تقليل 12,000 توكن إدخال إلى 6,000. تنخفض تكلفة الاستجابة المفيدة على Sonnet من 73 إلى 65 روبل.
    2. التخزين المؤقت: القراءة من ذاكرة التخزين المؤقت أرخص 10 مرات. إذا كان نصف السياق عبارة عن موجه نظام، ينخفض السعر إلى 66 روبل.

    في Qwen، توفر هذه التقنيات بضعة سنتات.

    روافع التوفير الرئيسية

    1. نسبة الإغلاق التلقائي

    الانتقال من المرحلة التجريبية (35-50% إغلاق تلقائي) إلى مرحلة التشغيل (65%) يوفر 15-19 روبل. عشر نقاط مئوية من الإغلاق التلقائي تعطي نفس القدر الذي يوفره الانتقال إلى نموذج أرخص (في Sonnet، يؤدي النمو من 50% إلى 60% إلى توفير 14 روبل، واستبدال Sonnet بـ Haiku يوفر 15 روبل). لكن الأول يعمل على أي نموذج، والثاني يعمل مرة واحدة.

    2. نسبة الأخطاء

    قليلون هم من يقيسون نسبة الحوارات المغلقة التي لم تجتز الفلتر، لكنها حاسمة.

    نسبة التي لم تجتز الفلتر سعر الاستجابة المفيدة تكاليفها (روبل/شهر)
    6% X Y
    3% X – 8 روبل Y – Z

    يؤدي تقليل الأخطاء من 6% إلى 3% إلى توفير 8 روبل لكل استجابة مفيدة. الانتقال من GigaChat-3-Pro إلى Qwen3-30B-A3B يوفر 2 روبل فقط. قد تكلف 15% من الأخطاء أكثر من نصف راتب المشغل، إذا اعتبرنا كل حوار صمت فيه العميل قد تم حله.

    3. جودة التصعيد

    لقد خصصت 1.5 دقيقة للمشغل للتصعيد (قراءة الملخص، المتابعة). هذا يعمل مع النقل “الدافئ”: يقوم الوكيل بتسليم المشغل تاريخًا موجزًا ورقم الطلب وقائمة الإجراءات. في حالة النقل “البارد” (يقرأ المشغل الحوار بأكمله، حيث أجاب الروبوت ثلاث مرات بشكل غير صحيح)، تتحول 1.5 دقيقة إلى 3 أو 6.

    عند 3 دقائق، تزداد تكلفة الإجابة المفيدة على GigaChat-3-Pro من 53 إلى 77 روبل، وعند 6 دقائق – إلى 127 روبل. هذا بالفعل أغلى من المشغل الإقليمي. إذا قام الوكيل بتحديد هوية العميل وملء التذكرة مسبقًا، فإن المشغل يوفر دقيقة أو دقيقتين، ويتحول هذا السطر إلى خسارة.

    «جودة النقل هي بند ميزانية منفصل بأوسع نطاق في النموذج بأكمله، ويجب قياسها: يجب حساب متوسط وقت معالجة التذاكر المصعدة بشكل منفصل عن التذاكر العادية».

    هل محاربة الدقة = حرق الرموز؟ إذا زادت الرموز لكل حوار بمقدار 1.6 مرة لتقليل الأخطاء من 6% إلى 3%، فإن الإجابة المفيدة على GigaChat-3-Pro لا تزال أرخص من 53 إلى 46 روبل. في Sonnet، الرموز الزائدة أغلى من الدقة المكتسبة، من الأفضل تحسين قاعدة المعرفة هناك.

    الاستنتاجات: ما الذي يعتبر CPM مربحًا

    الاستنتاج العملي: في بيئة دعم العمل، أغلى شيء ليس الرموز، بل المقام. كل ما يزيد من نسبة الإجابات المفيدة (جودة قاعدة المعرفة، التوجيه الصحيح، مجموعات الاختبار) يؤتي ثماره بشكل أسرع من أي مساومة على سعر مليون رمز.

    النماذج باهظة الثمن (مثل Sonnet) تؤتي ثمارها إذا جلبت 10 نقاط من الإغلاقات التلقائية ونقطتين من الدقة مقارنة بالنماذج الأرخص. إذا كان الفرق أقل في مجموعة الاختبار الخاصة بك، فأنت تدفع أكثر من اللازم. إذا كان أكثر، فأنت توفر على الرموز بلا داع.

    مقارنة مع الإنسان: ملاحظتان

    1. سعر التذكرة: بسعر 149 روبل للتذكرة، حتى التجربة الأولية بنسبة 35% من الإغلاقات التلقائية على Sonnet (110 روبل للإجابة المفيدة) تبدو مربحة. التكافؤ مع المشغل – عند 20-27% من الإغلاقات التلقائية. ولكن إذا أغلق المشغل 60 تذكرة في اليوم (99 روبل/تذكرة)، فإن نفس التجربة الأولية على Sonnet (110 روبل) تكون بالفعل أغلى. المشغل الإقليمي/الخارجي (64 روبل/تذكرة) يغير الصورة: GigaChat-3-Pro (42 روبل) أرخص، Sonnet (62 روبل) – تكافؤ. يعتمد سؤال «هل ستؤتي ثمارها» على تكلفة التذكرة الخاصة بك ونسبة الإغلاقات التلقائية.

    2. الحجم: التكاليف الثابتة (قاعدة المعرفة، التنفيذ، البنية التحتية) – 163,000 روبل/شهر. لـ 36,000 حوار. لـ 6,000 حوار، الإجابة المفيدة على GigaChat-3-Pro – 101 روبل، لـ 3,000 – 159 روبل (أغلى من المشغل). أقل من 3,500 حوار في الشهر، لا يؤتي الوكيل ثماره. إذا كانت التكاليف الثابتة أعلى (راتب كامل لقاعدة المعرفة – 200,000 روبل/شهر، التنفيذ – 1.5 مليون روبل)، فإن عتبة الربحية تتحرك إلى 7,000 حوار في الشهر. تنخفض نسبة الرموز في هذه الحالة إلى 4%: كلما حسبت التكاليف الأخرى بشكل أكثر واقعية، كلما بدا سعر مليون رمز أقل أهمية.

    ما لم يؤخذ في الاعتبار في النموذج (في كلا الاتجاهين)

    • ضد الوكيل: ترخيص نظام التذاكر أو منصة الدردشة.
    • لصالح الوكيل: دوران الموظفين (يصل إلى 50% سنويًا)، تكاليف التوظيف والتدريب، بطء عمل المبتدئين، التوسع لمواجهة المبيعات، دفع أجور نوبات الليل/عطلات نهاية الأسبوع. يصعب حساب هذه الأمور بدون بيانات محددة، ولكن غالبًا ما تكون الشركات مستعدة للدفع مقابلها، حتى لو أظهرت اقتصاديات الوحدة اليومية تكافؤًا.

الأسئلة المتداولة

ما هو “الرد المفيد” في سياق وكيل الذكاء الاصطناعي؟

الرد المفيد هو حوار تم إغلاقه بواسطة الذكاء الاصطناعي دون تدخل بشري، ولم يعد العميل بنفس السؤال خلال 72 ساعة ولم يترك تقييمًا سلبيًا. هذا هو المقياس الرئيسي لتقييم الفعالية الحقيقية وتكلفة خدمة الذكاء الاصطناعي.

  • الذكاء الاصطناعي في التكنولوجيا المالية: من يقود البحث وكم يكلف؟

    الذكاء الاصطناعي في التكنولوجيا المالية: من يقود البحث وكم يكلف؟

    الذكاء الاصطناعي في التكنولوجيا المالية: من يقود البحث وكم يكلف؟

    كشفت دراسة لـ 68,334 إجابة من خمس منصات ذكاء اصطناعي مختلفة عن العلامات التجارية الرائدة في مجال التكنولوجيا المالية التي تهيمن على مجال الذكاء الاصطناعي. إذا كنت ترغب في فهم كيف أن CPM مربح في واقع البحث الجديد، فإن هذه المعلومات حاسمة.

    لا تضمن طرق تحسين محركات البحث التقليدية الظهور في الذكاء الاصطناعي، مما يعني أن العديد من الشركات تفوت فرصة الحصول على حركة المرور حيث يبحث المستهلكون عن إجابات للأسئلة المالية. لقد قمنا بتحليل 250 استعلامًا في 10 فئات من منتجات التكنولوجيا المالية الاستهلاكية لتحديد الصورة الحقيقية.

    لماذا الظهور في الذكاء الاصطناعي هو المقياس الجديد للنجاح؟

    وفقًا لـ Plaid، يطرح أكثر من 200 مليون شخص أسئلة حول الشؤون المالية الشخصية على ChatGPT وحده شهريًا. أضف إلى ذلك Google AI Overviews و Claude — وتصبح أحجام الحلول التي يولدها الذكاء الاصطناعي هائلة.

    أظهر استطلاع LendingTree أن ما يقرب من نصف (49%) مستخدمي روبوتات الدردشة صرحوا بأن الذكاء الاصطناعي أثر على قرار مالي واحد على الأقل لديهم، وغالبًا ما يتعلق بالميزانية أو الضرائب أو فتح/إغلاق الحسابات والقروض.

    «النجاح في البحث التقليدي لا يعني الظهور التلقائي في الذكاء الاصطناعي. يمكنك أن تهيمن على Google في الاستعلامات الرئيسية ومع ذلك لا تظهر في إجابات ChatGPT على أسئلة مماثلة. حجم هذه الفجوة مذهل»، يلاحظ الخبراء.

    من بين 68,334 إجابة، تم ذكر 7,317 علامة تجارية فريدة. بلغ الحد الأقصى لدرجة الظهور في الذكاء الاصطناعي (مقياس من 100 نقطة يأخذ في الاعتبار تكرار الظهور، وموضع الذكر، وعدد الفئات) 65.6.

    من بين العلامات التجارية للتكنولوجيا المالية البحتة، لم يتجاوز أحد علامة 65. يشير هذا إلى أن السوق مجزأ، وأن الوافدين الجدد لديهم فرصة.

    المنهجية: كيف حسبنا درجة الظهور في الذكاء الاصطناعي

    • 10 فئات: تم اختيارها بناءً على أهميتها للصناعة.
    • موضع الذكر: تم تحديده من خلال الظهور الأول في نص الإجابة.
    • النبرة: تم تقييمها بناءً على السياق المحيط بالكلمات الرئيسية. هذه هي وكلاء نصية، وليست تسمية يدوية.

    قادة الظهور في الذكاء الاصطناعي: من ولماذا؟

    تتصدر Apple بـ 65.6 نقطة. على الرغم من أنها ليست علامة تجارية للتكنولوجيا المالية البحتة (Apple Pay، Apple Card)، إلا أنها تحدد المعيار. من بين شركات التكنولوجيا المالية البحتة، تتصدر SoFi بـ 64.6 نقطة.

    السبب بسيط: SoFi هي العلامة التجارية الوحيدة التي ظهرت في جميع فئات التكنولوجيا المالية العشر، بما في ذلك الخدمات المصرفية والإقراض والاستثمار وتحويل الأموال. يمثل تكرار الذكر 50% من الدرجة الإجمالية، ويغطي نطاق الفئات 20%. لم تقترب أي علامة تجارية أخرى للتكنولوجيا المالية من SoFi في هذا المؤشر.

    Далее следуют:

    • PayPal: 59 баллов (3-е место).
    • Charles Schwab: 53.6 балла.
    • Chime: 53.0 балла.
    • Revolut: 52.6 балла.

    Fidelity و Wise أظهرتا نتائج عالية، على الرغم من عدد أقل من الإشارات، وذلك بفضل ظهورهما المبكر في الإجابات (المتوسط، المركز الثالث). وهذا يدل على أن اختبار الفرضيات الرخيص حول تأثير موقع الإشارة على التحويل مبرر تمامًا.

    مثال Wealthfront: الاتساع أهم من الحجم

    Wealthfront بـ 46 نقطة لديها العديد من الإشارات، ولكنها تغطي 7 فئات فقط من أصل 10. هذه الفجوة في التغطية كلفتها مراكز مقارنة بالعلامات التجارية ذات الإشارات الأقل ولكن التواجد الأوسع في الفئات.

    وهذا يوضح أن CPM المربح ليس فقط بسبب الكمية، ولكن أيضًا بسبب جودة التغطية.

    قادة الفئات: من يهيمن على المجالات المتخصصة؟

    كل فئة من فئات التكنولوجيا المالية العشر لديها مشهدها الخاص من رؤية الذكاء الاصطناعي. غالبًا ما لا يكون قائد الفئة هو قائد المؤشر العام. يختلف تركيز العلامات التجارية بشكل كبير.

    • اشترِ الآن، ادفع لاحقًا (BNPL): الأكثر تركيزًا. Klarna (91.8%)، Affirm (83.1%)، Afterpay (80%). Klarna تُذكر دائمًا تقريبًا أولاً.
    • تحويلات الأموال: Wise تتصدر بنسبة 84.7% من الإشارات، محافظة على استقرارها عبر جميع منصات الذكاء الاصطناعي الخمس. Remitly (66.8%) و Western Union (55.2%) تتخلفان. Wise تحتل المركز الأول في 57.7% من الإجابات التي تظهر فيها. هذا مثال ممتاز عندما تتفوق علامة تجارية منافسة على علامة تجارية قديمة.
    • الاستثمارات: Fidelity (74.5%) و Charles Schwab (73.8%) – قادة مشتركون، الذكاء الاصطناعي لا يفضل أحدهما على الآخر. Robinhood (56.3%) في المركز الثالث. العلامات التجارية الأصغر ذات المحتوى القوي مقارنة بالوظائف تتنافس مع العمالقة.
    • المستشارون الآليون: Betterment (84.2%) و Wealthfront (75.7%) – زوج واضح. Betterment تُذكر غالبًا أولاً.
    • الخدمات المصرفية: SoFi (59%) و Chime (54.2%) تتصدران. Capital One (40.3%) و Ally Bank (40.2%) تتقاسمان المركز الثالث.
    • العملات المشفرة: Coinbase تهيمن بنسبة 72.9% من الإشارات. Kraken (64.9%) و Binance (52.5%) تتبعانها.
    • الميزانية: YNAB تتصدر بنسبة 72.8% من الإشارات وهي دائمًا تقريبًا أول أداة للميزانية يذكرها الذكاء الاصطناعي. Monarch Money (55.5%) تحتل المركز الثاني.
    • الإقراض: الفئة الأكثر تجزئة. SoFi (43.7%) تتصدر، ولكن الفارق عن Upstart (36.5%) و LightStream (33.1%) ضئيل. هنا يمكن لاختبار الفرضيات الرخيص أن يحقق نتائج سريعة.
    • برامج الأعمال: Intuit تتصدر بنسبة 58.3% بفضل QuickBooks و TurboTax. Xero (41.2%) – الثانية.
  • المدفوعات: PayPal (81.5%) — العلامة التجارية الأكثر ذكرًا، ولكن نادرًا ما تكون الأولى (في المتوسط المركز 4.46). تليها Venmo (64.2%)، Cash App (48.1%)، و Zelle (46.4%). Apple Pay، على الرغم من الدرجة العالية الإجمالية لـ Apple، تحتل المرتبة الخامسة في هذه الفئة.

    • نبرة الذكر وتأثير منصات الذكاء الاصطناعي

    أقل من 2% من ذكر علامات التكنولوجيا المالية التجارية لها صبغة سلبية. إجابات الذكاء الاصطناعي غالبًا ما تكون محايدة أو إيجابية. القادة في النبرة الإيجابية هم أدوات للتمويل التجاري: FreshBooks، QuickBooks، Wave (أكثر من 75% من الذكر الإيجابي).

    يعود ذلك إلى أن الذكاء الاصطناعي يوصي بها في سياق حل المشكلات، باستخدام عبارات مثل «QuickBooks تبسط…».

    تتميز Wise (69% إيجابية) و Capital One (68.6% إيجابية) بمستوى عالٍ من الأوصاف الودية («موثوقة»، «شفافة»، «راسخة»). يستمد الذكاء الاصطناعي هذه العبارات من مصادر خارجية، مثل قوائم أفضل المنتجات في المنشورات المالية.

    من ناحية أخرى، تمتلك Cash App و Wells Fargo أعلى نسبة من الذكر السلبي (1.7% و 1.5% على التوالي)، المرتبط بالرسوم والمشكلات التي تنشأ في سياق الشكاوى.

    AI في التكنولوجيا المالية: من يتصدر البحث وكم يكلف؟ — illustration 2

    الاستنتاج الاستراتيجي: تتشكل النبرة من لغة المصادر التي يستخدمها الذكاء الاصطناعي وسياق الاستعلام. إذا كانت علامتك التجارية تظهر غالبًا في سياق الشكاوى، فسوف ينعكس ذلك في وصف الذكاء الاصطناعي. إذا كانت في التعليمات والمراجعات، فسوف يؤثر ذلك أيضًا. أي أن النبرة تعكس مزيجًا من مصادرك، وليس فقط السمعة.

    الاختلافات بين منصات الذكاء الاصطناعي

    تختلف أنظمة الذكاء الاصطناعي الخمسة في:

    1. عدد العلامات التجارية في الإجابة.
    2. تفضيلات علامات تجارية محددة.
    3. مصادر المعلومات.

    غالبًا ما يذكر ChatGPT PayPal (25.3%) و SoFi (20.5%). على النقيض، Claude Sonnet 4 أكثر انتقائية. أظهر NerdWallet فرقًا كبيرًا: 11.5% في Google AI Overviews مقابل 1.3% في Gemini.

    يقدم Gemini الإجابات الأكثر كثافة (بمتوسط 9.8 علامات تجارية)، بينما Perplexity و Claude — 6 فقط. عدد أقل من العلامات التجارية في الإجابة يعني منافسة أقل، وهو أمر مهم لـ بديل اقتصادي للتسويق بالبذور.

    يُذكر Reddit في 12% من إجابات ChatGPT و 7.8% من Google AI Overviews، ولكن أقل من 0.2% في Perplexity و Claude. يشير هذا إلى أن منصات الذكاء الاصطناعي لديها مصادر بيانات مختلفة، مما يؤثر على مقارنة الأسعار للترويج.

    الأسئلة الشائعة

    ما هو AI Visibility Score؟

    هو مقياس من 100 نقطة يقيس مدى تكرار ظهور العلامة التجارية في إجابات الذكاء الاصطناعي، ومدى سرعة ذكرها، وعدد الفئات التي تظهر فيها. في الأساس، هو مؤشر لـ كم ستجلب من المال مقابل كل روبل يتم إنفاقه في قناة الذكاء الاصطناعي.

    ما هو معدل CPM الجيد في البحث بالذكاء الاصطناعي؟

    نظرًا لأن البحث بالذكاء الاصطناعي لا يزال في مراحله الأولى، لا يوجد معدل CPM مباشر حتى الآن. ومع ذلك، إذا ظهرت العلامة التجارية باستمرار في المراكز الأولى من إجابات الذكاء الاصطناعي، فإن هذا يعادل معدل CPM منخفضًا جدًا، حيث أن الوصول عضوي وذو معدل تحويل عالٍ.

    التركيز على تغطية الفئات والذكر المبكر هو المفتاح للحصول على CPM أقل من 50 روبل عند تحويله إلى جهات اتصال حقيقية.

    هل يستحق الاستثمار في التحسين للبحث بالذكاء الاصطناعي؟

    نعم، بالتأكيد. يصبح الذكاء الاصطناعي القناة الرئيسية للبحث عن المعلومات المالية. الشركات التي تتجاهل هذا تخاطر بفقدان جزء كبير من العملاء المحتملين.

    هذا ليس سؤالًا عن “كم يكلف تقطيع ساعة واحدة من البث المباشر”، بل هو سؤال عما إذا كان الذكاء الاصطناعي يستحق كقناة لجذب الزيارات. الإجابة: نعم، يستحق، وكلما كان ذلك مبكرًا كان أفضل.

    ما هو الأرخص: اللافتة الإعلانية أم الاستهداف في البحث بالذكاء الاصطناعي؟

    البحث بالذكاء الاصطناعي بطبيعته أقرب إلى الزيارات العضوية. إذا تم ذكر علامتك التجارية بواسطة الذكاء الاصطناعي، فهذا مجاني، على عكس اللافتات الإعلانية المدفوعة أو الإعلانات المستهدفة.

    الاستثمار في تحسين الذكاء الاصطناعي هو استراتيجية طويلة الأجل للحصول على زيارات “مجانية”، والتي في النهاية تكون أرخص من المؤثرين والإعلانات التقليدية.

    الخاتمة

    أظهر تحليل 68,334 إجابة من منصات الذكاء الاصطناعي أن سوق التكنولوجيا المالية في البحث بالذكاء الاصطناعي مجزأ، ولدى الشركات فرصة لاحتلال المراكز الرائدة. تتصدر Apple و SoFi، لكن درجاتهما (بحد أقصى 65.6) تظهر أن السقف بعيد.

    هذا يخلق فرصًا هائلة لـ اختبار الفرضيات بتكلفة منخفضة وللشركات التي تركز على اتساع تغطية الفئات وتحسين المحتوى للذكاء الاصطناعي. لا ينبغي أن ننسى أن CPM المربح في البحث بالذكاء الاصطناعي لا يتحقق من خلال التنسيب المباشر، بل من خلال التكامل العميق في المجال المعلوماتي للذكاء الاصطناعي.

    خطوتك التالية هي دراسة كيفية إدراك الذكاء الاصطناعي لمحتواك وتعديل استراتيجيتك. تعرف على المزيد حول استراتيجيات تحسين الذكاء الاصطناعي للتكنولوجيا المالية.

  • نشر الفيديو بكميات كبيرة: كيف أنشأ نموذج الذكاء الاصطناعي خط إنتاج لـ 127 عقدة n8n مقابل 4 دولارات

    نشر الفيديو بكميات كبيرة: كيف أنشأ نموذج الذكاء الاصطناعي خط إنتاج لـ 127 عقدة n8n مقابل 4 دولارات

    نشر الفيديو الجماعي والنشر التلقائي للمقاطع القصيرة هو حلم العديد من صانعي المحتوى. تخيل أنه يمكنك جدولة النشر التلقائي بحيث يتم النشر على 5 منصات بدون عمل يدوي، بينما تقوم أنت بأعمال أخرى. هذه المقالة هي تحليل مفصل لكيفية قيام نموذج الذكاء الاصطناعي الغامض، الذي تم تحديده لاحقًا باسم Z.ai GLM 5.3 Flash، بإنشاء خدمة نشر جماعي معقدة تتكون من 127 عقدة في n8n، بتكلفة 4 دولارات فقط.

    سنتناول البنية والاقتصاد التجريبي والدروس الرئيسية المستفادة من العملية. استعد لتتعلم كيف يمكن للذكاء الاصطناعي أن يغير جذريًا نهج إنشاء المحتوى وتوزيعه، مما يجعله ليس فعالًا فحسب، بل اقتصاديًا بشكل لا يصدق.

    مقدمة إلى التجربة: مبرمج الذكاء الاصطناعي لخطوط الأنابيب المعقدة

    في الفترة من 20 إلى 25 أغسطس، أتاح OpenRouter وصولاً مجانيًا إلى نموذج stealth/ox-alpha، الذي تم الكشف عنه لاحقًا باسم Z.ai GLM 5.3 Flash. يتميز هذا النموذج بسياق 1M رمز وتعدد وسائط أصلي (نص، صور، فيديو) ويتم وضعه لـ «الترميز الفعال ومهام الوكالة طويلة الأجل».

    • هدف التجربة: اختبار التحميل لنموذج LLM الجديد في دور المبرمج لخط أنابيب موزع معقد.
    • نطاق المهمة: خمس واجهات برمجة تطبيقات خارجية، تدفقات ثنائية، ثلاثون شرطًا للتفرع، استقصاءات غير متزامنة – كل ذلك في سير عمل واحد.
    • النتيجة: في غضون ثلاثة أيام (من 21 إلى 23 أغسطس)، قام النموذج بإنشاء سير عمل من 127 عقدة، قادر على الوصول إلى واجهات برمجة التطبيقات، توليد الوسائط ونشر Reels.
    • الاقتصاد: تم استهلاك 60.9 مليون رمز، منها 85.3% كانت إصابات ذاكرة التخزين المؤقت. بلغت التكلفة الإجمالية بسعر مختلط 0.07 دولار/1M حوالي 4 دولارات.

    «في السوق الغربية، هناك طفرة في الروابط المستقلة على غرار ‘الاستخراج-توليد الصور/الفيديو-النشر التلقائي’. أنا مهتم بخطوط الأنابيب ومقاومة الأعطال.»

    بنية سير العمل: 5 دوائر و 127 عقدة

    في البداية، كان سير العمل يتكون من 156 عقدة، ولكن بعد إعادة الهيكلة، انخفض عددها إلى 127. العقد العاملة، باستثناء المشغلات والعقد الوهمية، هي 113. تؤدي كل دائرة وظيفتها المحددة، مما يضمن توزيع مقاطع الفيديو القصيرة.

    الدائرة 1: «الاستكشاف» (23 عقدة)

    تتولى هذه الدائرة مسؤولية البحث عن المحتوى الفيروسي. تعمل وفق جدول زمني (24 ساعة) وتحلل Reels المنافسين.

    • المخطط: جدول زمني (24 ساعة) ← قائمة المنافسين ← Reels عبر ScrapeCreators ← رياضيات الفيروسية (المشاهدات > متوسط × 2.5) ← وسم TRENDING.
    • بالنسبة لمقاطع الفيديو الشائعة، يتم سحب التسمية التوضيحية (/v1/НЕЛЬЗЯgram/post) والنص (/v2/instagram/media/transcript).

    • المسار 1.5: “المرشح الدلالي” (17 عقدة)

    هنا يتم تقييم مدى ملاءمة المحتوى باستخدام LLM-reranker.

    المسار 2: “المرسل الآلي” (17 عقدة)

    النموذج لا ينسخ المحتوى، بل “يستخرج الحمض النووي للفيروسية” ويولد فكرة أصلية.

    المسار 3: “ورشة الوسائط” (37 عقدة)

    هذا المسار مسؤول عن إنشاء ملفات الوسائط.

    المسار 4: “التوزيع” (19 عقدة)

    المرحلة النهائية هي النشر المتقاطع للفيديو ونشر المحتوى.

    التقنيات الرئيسية للتفاعل الفعال مع LLM

    نجاح التجربة اعتمد بشكل كبير على الصياغة الصحيحة للمطالبات. لوحة تحكم موحدة لـ TikTok و YouTube و Instagram تتطلب تعليمات واضحة.

    الحلول الهندسية ومقاومة الأعطال

    يحتوي سير العمل على العديد من الحلول الهندسية التي تضمن الاستقرار ومقاومة الأعطال.

    PCM إلى WAV أثناء التنقل

    يعطي نموذج TTS PCM خامًا، والذي لا يفهمه n8n و НЕЛЬЗЯgram. قام النموذج بتوليد عقدة Code تضيف رأس RIFF صحيحًا، باستخدام المساعدات الثنائية المدمجة في n8n.

    البيانات الثابتة: مجمع الدورة بدون تكرارات

    لجمع الاتجاهات، يتم استخدام $getWorkflowStaticData('global')، مما يسمح بتجنب تضخم السياق القياسي وتكرار البيانات.

    Массовый постинг видео: как AI-модель создала конвейер для 127 нод n8n за — illustration 2

    معالجة الأخطاء: 402 مقابل 5xx

    يميز النظام بين الأخطاء الحرجة (402 – لا يوجد أموال) والأعطال المؤقتة (5xx – الخدمة غير متاحة مؤقتًا).

    Fail-open لـ reranker

    إذا لم يستجب Qwen3 Reranker بعد ثلاث محاولات، يتم تعيين درجة محايدة 0.5 لجميع المستندات، والتي يتم تصفيتها بواسطة الفلتر. لا يتعطل خط الأنابيب، بل يتخطى الجولة بهدوء.

    أخطاء النموذج وأخطائي الخاصة

    على الرغم من النتائج المبهرة، تم الكشف عن أخطاء في النموذج وعيوب في منهجي الخاص.

    عيوب النموذج:

    أخطائي الخاصة:

    اقتصاد التجربة: 4 دولارات مقابل 60.9 مليون رمز

    تكلفة 500 منشور أو حتى أكثر، بفضل هذه التجربة، كانت ضئيلة.

    مقارنة الأسعار مع النماذج الأخرى (متوسط الأسعار لكل مليون رمز):

    النموذج السعر لكل مليون (إدخال/إخراج) التقدير لـ 60.9 مليون
    Anthropic: Claude Opus 4.8 $5 / $25 حوالي 426 دولارًا
    OpenAI: GPT-5.6 Terra $2 / $12 حوالي 183 دولارًا
    Anthropic: Claude Sonnet 5 $2 / $10 حوالي 171 دولارًا
    Qwen: Qwen3.8 27B $0,35 / $2,75 حوالي 36 دولارًا
    DeepSeek: V3.1 Terminus $0,27 / $1 حوالي 21 دولارًا
    stealth/ox-alpha + ذاكرة التخزين المؤقت مجاني حوالي 4 دولارات

    المفارقة هي أن النموذج المجاني بنى مصنعًا يستخدم خدمات رخيصة، مما يوفر مبالغ كبيرة على حزمة النشر الجماعي لمدة شهر.

    مناطق نمو سير العمل والتطوير المستقبلي

    قد يشمل التطوير المستقبلي للمشروع ما يلي:

    الخلاصة

    أظهرت تجربة stealth/ox-alpha أن نماذج الذكاء الاصطناعي قادرة على إنشاء خطوط أنابيب معقدة ومقاومة للأعطال لـ النشر التلقائي لمقاطع الفيديو القصيرة. العامل الرئيسي للنجاح هو المواصفات الفنية الواضحة والنهج المنظم للتفاعل مع LLM. تفتح هذه التقنية فرصًا هائلة لـ التحميل الجماعي باستخدام الوكلاء ومكافحة الكشف، مما يسمح بـ النشر في 10 حسابات وأكثر، مما يقلل بشكل كبير من جهود العمل.

    إذا كنت تبحث عن كيفية اختيار خدمة النشر الجماعي، فابحث عن الحلول التي تستخدم أساليب الذكاء الاصطناعي المماثلة. أصبح النشر الجماعي عبر واجهة برمجة التطبيقات (API) أكثر سهولة وفعالية من أي وقت مضى. جرب تطبيق هذه المبادئ في مشاريعك واقتنع بقوتها!

    الأسئلة الشائعة

    ما هو stealth/ox-alpha؟

    stealth/ox-alpha هو الاسم الرمزي لنموذج الذكاء الاصطناعي الذي تم الكشف عنه لاحقًا باسم Z.ai GLM 5.3 Flash. يتميز بسياق 1 مليون رمز وتعدد وسائط أصلي، مصمم للترميز الفعال ومهام الوكيل.

    كم كانت تكلفة تجربة إنشاء سير العمل؟

    بفضل الفترة التجريبية المجانية ونسبة عالية من مرات الوصول إلى ذاكرة التخزين المؤقت (85%)، بلغت تكلفة التجربة حوالي 4 دولارات لـ 60.9 مليون رمز.

    ما هي المنصات المدعومة للنشر المتقاطع؟

    في سير العمل هذا، تم تنفيذ النشر على Instagram Reels عبر Graph API. ومع ذلك، تسمح البنية بتوسيع قائمة المنصات، بما في ذلك TikTok و YouTube، لإنشاء لوحة تحكم موحدة.

    هل يمكن نشر 100 فيديو يوميًا باستخدام مثل هذا النظام؟

    نعم، نظريًا يمكن ذلك. تم تصميم النظام لـ النشر التلقائي للفيديوهات القصيرة و النشر الجماعي. ستعتمد القيود على سعة واجهة برمجة التطبيقات للمنصات المستخدمة والموارد الحاسوبية.

    كيف يمكن ضمان تحمل الأخطاء عند النشر الجماعي؟

    يتم ضمان تحمل الأخطاء من خلال منطق الحماية: فصل الأخطاء 402 و 5xx، واستراتيجيات الفتح عند الفشل للعقد الحيوية، بالإضافة إلى الاستقصاءات غير المتزامنة وإعادة المحاولات. وهذا يضمن تنفيذ الجدول الزمني لأكثر من 10 حسابات بسلاسة، حتى في حالة حدوث أعطال مؤقتة.

  • نماذج الذكاء الاصطناعي الجديدة من Anthropic: Fable و Mythos 5.1 – أرخص، أذكى، أكثر أمانًا

    نماذج الذكاء الاصطناعي الجديدة من Anthropic: Fable و Mythos 5.1 – أرخص، أذكى، أكثر أمانًا

    نماذج الذكاء الاصطناعي الجديدة من Anthropic: Fable و Mythos 5.1 – أرخص، أذكى، أكثر أمانًا

    قدمت Anthropic للعالم إصدارات جديدة من نماذجها الرائدة للذكاء الاصطناعي – Fable و Mythos 5.1. هذا ليس مجرد تحديث، بل هو اختراق حقيقي في مجال الإنتاج العصبي بالاشتراك و التوليد الجماعي للفيديو بواسطة الشبكة العصبية. تشمل التغييرات الرئيسية انخفاضًا كبيرًا في تكلفة الرموز وتقليل الإنذارات الكاذبة لآليات الحماية، مما يجعل هذه الشبكات العصبية أداة مثالية لـ فيديوهات الذكاء الاصطناعي للإعلانات و إنشاء مقاطع فيديو إعلانية بالذكاء الاصطناعي.

    هل أنتم مستعدون لمعرفة كيف يمكن لهذه الابتكارات أن تحول أعمالكم، مما يجعل إنتاج المحتوى أكثر سهولة وفعالية وأمانًا؟ دعونا نتعمق في التفاصيل ونرى كيف يغير Fable و Mythos 5.1 قواعد اللعبة في عالم الذكاء الاصطناعي.

    ثورة في التكلفة والوصول إلى الذكاء الاصطناعي

    أهم تغيير في Fable هو تحسين التكاليف. الآن، أصبحت تكلفة دقيقة واحدة من فيديو الذكاء الاصطناعي أكثر تنافسية. Fable 5.1، النسخة المفتوحة من النموذج، متاحة بالفعل على المنصات السحابية وعبر واجهة برمجة تطبيقات Anthropic.

    يفتح هذا آفاقًا جديدة للشركات التي ترغب في توسيع نطاق المستحيل – على سبيل المثال، توليد 100 مقطع فيديو أو حتى خط إنتاج AI لـ 500 مقطع فيديو يوميًا للتجارة الإلكترونية.

    عدم الاحتفاظ بالبيانات (Zero Data Retention) وزيادة الخصوصية

    • طبقت Anthropic مفهوم عدم الاحتفاظ بالبيانات (Zero Data Retention)، مما يسمح للعملاء بتشغيل النماذج على بنيتهم التحتية الخاصة دون تسرب البيانات. هذا أمر بالغ الأهمية للمشاريع التي تكون فيها الخصوصية أولوية قصوى، مثل AI UGC لمشروع العملات المشفرة.
    • في يونيو، سيتم إطلاق خدمة Enterprise Frontier Safeguards عالية الخصوصية. ستسمح للعملاء بالتحكم في مراقبة استخدام الذكاء الاصطناعي، مع الحفاظ على الأمان.

    «لم يتم تدريب Anthropic أبدًا على بيانات الشركات دون إذن صريح ولن يتم ذلك أبدًا»، صرح ممثلو الشركة، مؤكدين التزامهم بحماية البيانات.

    أداء وقدرات Mythos 5.1

    تُظهر Mythos 5.1، المصممة للشركاء المسجلين في مجال الأمن السيبراني وعلوم الحياة، نتائج قياسية في الاختبارات المعيارية. على سبيل المثال، في Terminal-Bench 4.0 (الترميز عبر CLI) و Humanity’s Last Exam (التفكير العام)، تجاوزت التوقعات.

    الاكتشافات العلمية والجوانب الأخلاقية

    • قدمت Anthropic أيضًا ثلاثة اكتشافات علمية جديدة تم إجراؤها بواسطة النماذج قبل إصدارها، بما في ذلك تحسين وحدة معالجة الرسوميات (GPU) وخريطة مفصلة للغاية لكوكب الزهرة.
    • تقيّم خريطة نظام Mythos النموذج على أنه “منخفض المخاطر” في سياق تطوير الذكاء الاصطناعي الآلي، وهو أمر مهم للتحكم البشري في التقنيات.

    على الرغم من أن Mythos 5.1 أكثر عرضة قليلاً لـ “السلوك غير المقصود” مقارنة بـ Opus 5، إلا أنها أفضل بكثير من Mythos 5 و Claude Sonnet 5 من حيث تجاهل القيود والهلوسة.

    “إنها أكثر استعدادًا للتعاون مع سوء الاستخدام البشري وتقبل الادعاءات غير المؤكدة بالسلطة من Opus 5، ولكنها أقل عرضة لتجاهل القيود الواضحة، أو هلوسة المدخلات، أو الادعاء الكاذب بإكمال المهام من النماذج السابقة،” كما جاء في خريطة النظام.

    التطبيق في الأعمال: من العملات المشفرة إلى التجارة الإلكترونية

    تفتح هذه النماذج الجديدة فرصًا غير مسبوقة للأعمال. توليد الفيديو من النص، أفاتار AI مع ترجمات، التعليق الصوتي بأصوات AI، مقاطع AI مع استبدال الوجه — كل هذا أصبح الآن أكثر سهولة.

    يمكن للشركات استخدام Fable 5.1 لإنشاء AI UGC لمشروع العملات المشفرة أو لإطلاق مصنع مقاطع فيديو AI للتجارة الإلكترونية. تزداد كفاءة AI مقابل UGC الحقيقي بشكل كبير، مما يقلل التكاليف والوقت اللازم لإنتاج المحتوى.

    نماذج Anthropic AI الجديدة: Fable و Mythos 5.1 — أرخص، أذكى، أكثر أمانًا — توضيح 2

    تقدم خدمتنا إنتاجًا عصبيًا بالاشتراك، باستخدام هذه النماذج المتقدمة. اكتشف كم تكلفة إبداع AI واحد وكيف يمكن لإنتاج محتوى AI أن يحول تسويقك. أين تطلب للعملات المشفرة أو التجارة الإلكترونية توليد محتوى جماعي؟ نحن مستعدون لمساعدتك في توسيع المستحيل.

    الأسئلة المتداولة

    ما هو Zero Data Retention في نماذج Anthropic؟

    Zero Data Retention هي ميزة تسمح للعملاء بتشغيل نماذج Anthropic AI على بنيتهم التحتية الخاصة، مما يضمن عدم مغادرة أي بيانات لبيئتهم الآمنة. هذا أمر بالغ الأهمية للشركات ذات المتطلبات العالية للخصوصية، مثل المؤسسات المالية أو الطبية، وكذلك لـ AI UGC لمشروع العملات المشفرة.

    كيف تقلل Fable 5.1 تكلفة توليد الفيديو؟

    ما هي المزايا الرئيسية لـ Fable 5.1 مقارنة بالإصدارات السابقة؟

    يقلل انخفاض تكلفة الرموز في Fable 5.1 بشكل مباشر من التكاليف التشغيلية لاستخدام النموذج. وهذا يجعل إنشاء الفيديو بكميات كبيرة باستخدام الشبكة العصبية، بما في ذلك إنشاء إعلانات الفيديو بالذكاء الاصطناعي وخط إنتاج الذكاء الاصطناعي لـ 500 مقطع فيديو يوميًا، أكثر اقتصادية ومتاحة لمجموعة واسعة من الشركات التي تسعى إلى تحقيق كفاءة عالية في الذكاء الاصطناعي مقابل المحتوى الذي ينشئه المستخدمون الحقيقيون.

    ما هي المزايا التي يقدمها Mythos 5.1 لشركاء Anthropic؟

    يقدم Mythos 5.1 لشركاء في مجالات الأمن السيبراني وعلوم الحياة أداءً ودقة محسّنين في المهام المعقدة. يُظهر النموذج نتائج قياسية في المعايير مثل Terminal-Bench 4.0 و Humanity’s Last Exam، مما يسمح بحل مهام بحثية وتحليلية أكثر تعقيدًا. كما أن قدراته على إنشاء الفيديو من النص والصور الرمزية بالذكاء الاصطناعي مع الترجمة توسع الإمكانيات في التطبيقات المتخصصة.

    هل يمكن استخدام Fable 5.1 لإنشاء محتوى UGC للإعلانات؟

    نعم، Fable 5.1 مثالي لـ الشبكة العصبية لإعلانات UGC. بفضل التكاليف المنخفضة والأداء المحسن، يمكن للشركات إنشاء مقاطع فيديو بالذكاء الاصطناعي للإعلانات بشكل فعال، بما في ذلك الشخصيات المتحركة بالذكاء الاصطناعي ومقاطع الفيديو بالذكاء الاصطناعي مع استبدال الوجه، والتي يمكن أن تتجاوز جودتها وكفاءتها المحتوى التقليدي الذي ينشئه المستخدمون، مع تقليل تكاليف الإنتاج بشكل كبير. وهذا يسمح بتوسيع نطاق المستحيل في الحملات الإعلانية.

    الخلاصة

    يعد إطلاق Fable و Mythos 5.1 من Anthropic خطوة مهمة إلى الأمام في تطوير الذكاء الاصطناعي. هذه النماذج ليست أرخص وأكثر إنتاجية فحسب، بل توفر أيضًا مستوى غير مسبوق من الخصوصية والتحكم.

    إذا كنت ترغب في معرفة كم تكلفة إبداع واحد بالذكاء الاصطناعي أو أين تطلب إنتاج محتوى متقدم بالذكاء الاصطناعي للعملات المشفرة، تواصل معنا. سنساعدك على استخدام هذه الابتكارات لـ إنشاء الفيديو بكميات كبيرة باستخدام الشبكة العصبية وتحقيق أهداف عملك. حان الوقت لتوسيع نطاق المستحيل!