ملاحظات ميدانية: عندما يغدو التحكم في تكلفة الذكاء الاصطناعي مجرد مفتاح تشغيل وإيقاف — ولماذا يجب أن يكون بوابات عبور

Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
في يونيو 2026، أفادت Yahoo Finance أن Meta أبلغت نحو 6,000 موظف، عبر مذكرة داخلية، بفرض رقابة أشد على استخدامهم لرموز LLM (أو tokens) وإدخال آليات للتحكم في الإنفاق — وذلك بعد أسابيع فقط من حثهم على زيادة استخدام الذكاء الاصطناعي. ووفقاً لتلك التغطية الإعلامية، فإن استخدام Meta الداخلي للذكاء الاصطناعي وحده يتجه لتكليف الشركة مليارات الدولارات في عام 2026. وفي غضون أسابيع، أُفيد بأن Amazon أغلقت لوحة الصدارة الداخلية لاستخدام الذكاء الاصطناعي، وأُفيد بأن Uber استهلكت كامل ميزانيتها المخططة للبرمجة بالذكاء الاصطناعي لعام 2026 في الأشهر الأربعة الأولى من العام. وأطلقت الصحافة اسماً على هذا التحول العكسي: تقليل الرموز (tokenminimizing).
هذا هو الملحق الذي كان ملحق ثلاثية تعظيم الرموز (tokenmaxxing) سيحتاجه حتماً. جادلت الثلاثية — قبل بدء رد الفعل العكسي — بأن الاحتفاء باستهلاك الرموز يقيس الشيء الخاطئ، وأن المؤسسة التي تفتقر إلى طبقة حوكمة تنتهي بوضعيتين فقط: إما مفتوحة على مصراعيها، أو مغلقة بالكامل. رد الفعل المتمثل في تقليل الرموز هو الوضعية الثانية. المغزى من هذا المنشور ليس إثبات صحة التوقع؛ بل إن كلا الوضعين يمثلان الخطأ نفسه، وتوضحه التقارير الحديثة عبر ثلاث شركات تقنية كبرى خلال ربع سنوي واحد، وهناك خيار ثالث يجعل هذا التذبذب الحاد غير ضروري.
التحول العكسي، بالوثائق — ثلاث شركات، ربع سنوي واحد
الحقائق المذكورة هنا مستمدة بالكامل من تقارير منشورة، ونحن ننسب كل ادعاء إلى مصدره بدلاً من تأكيده بشكل مستقل. نحن نذكر هذه الشركات فقط لأن تحركاتها الداخلية أصبحت علنية من خلال تلك التقارير؛ ولا نقدم أي ادعاء مستقل حول العمليات الداخلية لأي شركة باستثناء ما نشرته هذه المنافذ الإعلامية.
Meta. كما أفادت Yahoo Finance، نقلاً عن مذكرة داخلية لشركة Meta نُشرت لأول مرة في The Information، أبلغت Meta نحو 6,000 موظف بأنها ستدخل أدوات للتحكم في الإنفاق، وميزانيات، وحدوداً للاستخدام، مشيرة إلى أن تكاليف الذكاء الاصطناعي الداخلي تتجه للوصول إلى مليارات الدولارات في عام 2026. ووفقاً لتلك التغطية، كان للموظفين والفرق رؤية محدودة باستهلاكهم الخاص، وتتوقع الشركة الانتقال بحلول عام 2027 نحو إطار عمل هيكلي للميزانيات وقرارات التخصيص. وللوصول إلى هناك، تقول التقارير إن Meta قامت ببناء لوحة تحكم مركزية تطلق عليها اسم "AI Gateway" لتتبع الاستخدام والإنفاق في مكان واحد، مع تنبيهات مؤتمتة للارتفاعات غير العادية. هذه التفصيلة تستحق التوقف عندها: شركة بحجم Meta، بعد أن أدارت تجربة التعظيم، يُفاد بأنها تبني يدوياً الفئة ذاتها من الأنظمة — الإسناد في الوقت الفعلي، وتتبع الإنفاق، وتنبيهات الارتفاع المفاجئ، والميزانيات الهيكلية — التي جادلت هذه السلسلة بضرورة وجودها في مسار الطلبات منذ البداية.
Amazon. قبل ذلك بأسابيع، وكما أفادت TheStreet ومنافذ إعلامية أخرى (نقلاً عن Financial Times، التي انفردت بالخبر)، أغلقت Amazon لوحة صدارة داخلية تُدعى "KiroRank" كانت تقيّم الموظفين بناءً على نشاط الذكاء الاصطناعي على منصة المطورين Kiro الخاصة بها. ووفقاً لتلك التقارير، قام الموظفون بتضخيم نقاطهم عن طريق تشغيل مهام منخفضة القيمة عبر AI agents للارتقاء في التصنيف — وهو السلوك الذي يطلق عليه القطاع الآن اسم تعظيم الرموز (tokenmaxxing) — مما أدى إلى ارتفاع تكاليف الحوسبة (compute). وتذكر التقارير أن Amazon استبدلت لوحة الصدارة بـ مقياس تطلق عليه "النشرات المعيارية" (normalized deployments)، مما يعني الكود البرمجي المدعوم بالذكاء الاصطناعي الذي يتم إطلاقه فعلياً. وتواترت أنباء عن أن تنفيذياً كبيراً أبلغ الموظفين بعدم استخدام الذكاء الاصطناعي لمجرد الاستخدام. هذا الاستبدال هو التصحيح الفعلي من المدخلات إلى المخرجات الذي أجرته Amazon بنفسها: التوقف عن عد الرموز المستهلكة، والبدء في عد الأعمال التي تم إنجازها وإطلاقها.
Uber. وكما أُشير في تقرير Yahoo Finance ذاته وتمت تغطيته سابقاً بواسطة Business Insider، أُفيد بأن Uber استنفدت كامل ميزانيتها المخططة لعام 2026 للبرمجة بالذكاء الاصطناعي في الأشهر الأربعة الأولى من العام؛ وتشير التغطية ذاتها إلى أن الرئيس التشغيلي لشركة Uber صرح بأن الشركة لم تجد رابطاً واضحاً بين الإنفاق العالي على الذكاء الاصطناعي والنتائج المنجزة. ثلاث شركات، ثلاث آليات مختلفة، ربع سنوي واحد، والنمط ذاته.
مصطلحا "تعظيم الرموز" و"تقليل الرموز" يظهران الأمر وكأنه اتجاهان مختلفان. إلا أنه من الأكثر فائدة قراءته كنمط واحد بمرحلتين، أصبح ظاهراً الآن في ثلاث شركات منفصلة: يتم تشجيع التبني دون وجود طبقة حوكمة تحته، ويصبح الاستخدام هو المقياس الظاهر، وتفاجئ التكاليف القيادة، وتصبح الأداة الوحيدة المتاحة هي أداة حادة وغير دقيقة.

ما جادلت به الثلاثية، قبل رد الفعل العكسي
لم تكن ثلاثية تعظيم الرموز (جميع الروابط موجودة في المراجع) احتفاءً باستهلاك الرموز، بل كانت نقداً له. الحجة المركزية، التي صُيغت عبر أجزائها الثلاثة، هي التمييز بين المدخلات والمخرجات: الرموز هي شيء تنفقه، والعمل الذي تنتجه الرموز هو الشيء الذي يهم حقاً. لوحة الصدارة التي تصنف الموظفين حسب الرموز المستهلكة تقيس المدخلات وتكافئ تعظيمها — وفي اللحظة التي يتحول فيها المقياس إلى هدف، ووفقاً لـ قانون Goodhart، فإنه يتوقف عن كونه مقياساً جيداً. ذكرت الثلاثية هذا بوضوح بينما كانت مرحلة التعظيم لا تزال في أوجها، عندما كان المزاج السائد يتعامل مع مخططات الرموز المتصاعدة كدليل لا يقبل الشك على الإنتاجية.
هذا هو الجزء الذي يتطلب الدقة، لأنه من السهل قراءة هذا المنشور بشكل خاطئ كاستعراض للنصر. وهو ليس كذلك. لم تتنبأ الثلاثية بأن شركة محددة سترسل مذكرة في يونيو 2026. بل قدمت حجة هيكلية — وهي أن قياس المدخلات سيفرض في النهاية تصحيحاً مؤلماً — والحجة الهيكلية هي ما توضحه التقارير الآن في أكثر من شركة واحدة. الملاحظة المنسوبة إلى Andrew Bosworth، المدير التنفيذي للتكنولوجيا في Meta، في تغطية MLQ — استهلاك الرموز وحده ليس مقياساً للأثر — تُقرأ كأطروحة الثلاثية بكلمات مدير تكنولوجيا تنفيذي، وُصل إليها بشكل مستقل تحت ضغط توقعات بمليارات الدولارات. وتم وصف حالة Amazon في التغطيات الصحفية للقطاع بأنها مثال نموذجي لقانون Goodhart: في اللحظة التي أصبح فيها استهلاك الرموز هدفاً لوحة الصدارة، توقف عن قياس الإنتاجية وبدأ في قياس القلق التنافسي، وذلك وفقاً للتقارير. هذه هي حجة الثلاثية بحذافيرها تقريباً، وصل إليها مراقبون يتابعون تكشف الفشل ذاته بشكل مستقل.

توصية الثلاثية ترتبت على هذا التمييز: قس المخرجات (الأعمال المنجزة، المشكلات المحلولة، التكلفة لكل وحدة قيمة)، وابْقِ تكلفة الرموز على لوحة تحكم التكاليف الخاصة بفريق المنصة بدلاً من وضعها على لوحة صدارة يتنافس الموظفون لتصدرها. المؤسسة التي تفعل ذلك لا تخلق أبداً الحافز الذي ينتج ارتفاع التعظيم، وبالتالي لا تواجه أبداً الفاتورة التي تفرض التضييق والتقليل. يمكن تجنب هذا التأرجح الحاد، ولكن فقط من خلال رفض اتخاذ الخطوة الأولى.
لماذا تُعد كلا الناحيتين المكثفتين مكلفة
من المغري قراءة رد الفعل المتمثل في تقليل الرموز على أنه التصحيح المسؤول — حضور الكبار لإيقاف الفوضى. هذه القراءة خاطئة، أو على الأقل غير مكتملة. فرض حد أقصى عام على الرموز ليس حوكمة؛ بل هو غياب للحوكمة يرتدي زي المسؤولية. إنه يضيق على أنبوب مراجعة الأمان الذي كان يكتشف ثغرات أمنية حقيقية بالعدل ذاته الذي يضيق به على المهندس الذي كان يتلاعب بلواح الصدارة، لأن الحد الأقصى غير الدقيق لا يمكنه التمييز بين الاثنين. تستبدل المؤسسة سياسة عامة غير متمايزة ("استخدم الذكاء الاصطناعي بحرية") بسياسة أخرى ("استخدم الذكاء الاصطناعي بشكل أقل")، ولا يمكن لأي من السياستين التمييز بين الإنفاق ذي القيمة والإنفاق الهادر، وهو ما كان أصل المشكلة في المقام الأول.
هذا هو الجوهر المنطقي للشركات التي أنفقت الأموال طائلاً على الرموز وتتراجع الآن: الإنفاق كان حقيقياً، والتساؤلات حول الإنتاجية كانت مشروعة، والتراجع هو استجابة مبررة لتوقعات بمليارات الدولارات دون وجود إسناد خلفها. نحن لا ننتقد قرار التحكم في التكلفة. نحن ننتقد حقيقة أنه، في ظل غياب طبقة الحوكمة، فإن الأداة الوحيدة المتاحة هي المطرقة. الشركة التي تتأرجح نحو التقليل تتخذ أفضل حركة متاحة لها — بالنظر إلى أنها تخطت الحركة التي كانت ستجعل الخيار الأفضل ممكناً.

الصارم الثالث: مؤشر ضبط، لا مفتاح تشغيل وإيقاف
الوسط المحكوم ليس حلاً وسطاً معتدلاً بين التعظيم والتقليل. إنه محور مختلف تماماً. محور التعظيم-التقليل يمتد من "أنفق كل شيء" إلى "لا تنفق شيئاً". بينما يمتد المحور المحكوم من "أنفق دون بصيرة" إلى "أنفق بإسناد وميزانيات وتوقعات". يمكن لفريق يعمل على المحور المحكوم أن ينفق بقوة على أعباء العمل التي تنتج قيمة، بما في ذلك تلك التي تستخدم التوجيه الفائق (meta prompting)، ويقلل الدعم عن تلك التي لا تنتج قيمة في الوقت ذاته، لأنه يستطيع التمييز بينهما.
بشكل ملموس، الطبقة التي دعت إليها الثلاثية، والتي توفرها منصة AI Gateway من TrueFoundry، تتكون من ثلاثة أجزاء. أولاً، الإسناد (attribution): كل طلب يحمل هوية — الفريق، مستودع الكود (repo)، الأنبوب (pipeline)، مركز التكلفة — بحيث يكون "من الذي ينفق" عبارة عن استعلام بدلاً من أن يكون تحقيقاً مطولاً. ثانياً، الميزانيات الهرمية مع استجابات متدرجة: تنبيه لطيف عند 75% من الحد الأقصى لمركز التكلفة، ووضع مقيد عند 90% يحول حركة مرور النماذج المتقدمة بسلاسة إلى بدائل أقل تكلفة حتى تستمر الأنابيب في العمل، وحد صارم عند 100% يفشل بنظافة مع خطأ وصفي. ثالثاً، التوقعات المتحركة التي تتوقع الإنفاق في نهاية الشهر بمهلة كافية للتصرف قبل تفعيل الحد الأقصى. هذه الآليات موثقة في مخططات Budget Limiting وRate Limiting الخاصة بـ TrueFoundry، وتتكامل في خاصية واحدة: منحنى الإنفاق ينثني تدريجياً تحت السيطرة بدلاً من أن يرتفع بشكل حاد ثم ينهار.

الفريق الذي تمتلك هذه الطبقة في مكانها خلال مرحلة التعظيم لم يكن ليحتاج إلى مذكرة تفاعلية. كانت تنبيهات الـ 75% ستكشف مراكز التكلفة العالية في الوقت الفعلي؛ وكانت التوقعات ستكشف مسار المليارات من الدولارات قبل أشهر من تحوله إلى عناوين أخبار؛ وكان الوضع المقيد سيسطح المنحنى على أعباء العمل الهادرة دون المساس بالمنتجة منها. هناك تأكيد هادئ في الأخبار الحالية هنا، ويستحق الصياغة بوضوح ولكن بحذر: عندما يُفاد بأن Meta تستجيب لأزمة التكاليف لديها ببناء لوحة تحكم داخلية تطلق عليها "AI Gateway"، ويُفاد بأن Amazon تستبدل لوحة صدارة الاستخدام بمقياس الكود المُطلق، فإن تلك التقارير تشير نحو الفئة المعمارية ذاتها التي تحولها TrueFoundry إلى منتج — الإسناد، الميزانيات، ضوابط التوجيه، وإمكانية الملاحظة في مسار الطلبات. يُعد منتج AI Gateway من TrueFoundry تنفيذاً بمستوى المؤسسات للقطع ذاتها من تلك الفئة: نقطة نهاية واحدة متوافقة مع OpenAI عبر كتالوج النماذج المدعوم لديه، والإسناد والميزانيات في مسار الطلبات، وفصل مستوى التحكم/مستوى الحوسبة الموضح أعلاه والذي يبقيه قابلاً للنشر في السحابة الخاصة بشركة خاضعة للوائح التنظيمية. توثق TrueFoundry نموذج المستوى المنفصل هذا — حيث يدير مستوى التحكم التكوين والسياسات بينما يعمل مستوى الحوسبة في بيئة VPC الخاصة بالعميل، أو في البيئة الداخلية (on-prem)، أو في بيئة معزولة (air-gapped)، مع عبارة "لا تخرج أي بيانات من نطاقك" كحد محدد؛ ولا يزال يتعين على الفرق في البيئات المنظمة تأكيد ضمانات التعامل مع البيانات المحددة مقابل وثائق النشر وعقودهم. لن ندعي أن أيًا من هذه الشركات كان ينبغي لها استخدام TrueFoundry بحد ذاتها، أو أن استخدامها كان سينقذها — فهذا أمر غير معروف وليس هو الهدف. النقطة هيكلية: الفرق التي تبني هذه الطبقة مبكراً تمتلك مؤشراً للضبط عندما تصل الفاتورة. والسبب في قول ذلك بحذر هو السبب ذاته الذي دعت إليه الثلاثية: الطبقة تمنحك مؤشر الضبط؛ لكنها لا تدير المؤشر نيابة عنك.
ما وراء الوكيل (proxy): ما الذي يعنيه المستوى المؤسسي حقاً
سبب أهمية هذا الأمر للمشترين هو أن طبقة الحوكمة تكون جيدة بقدر اتساع نطاق التحكم الذي تمنحك إياه في مسار الطلبات. وكيل التوجيه (routing proxy) البسيط يمكنه إسناد الإنفاق والتوقف عند هذا الحد؛ أما بوابة العبور بالمستوى المؤسسي تحول الإسناد إلى سطح تشغيلي كامل — التكلفة، الاعتمادية، الأمان، الوصول، والـ agents، تتم حوكمتها في مكان واحد. تم بناء AI Gateway من TrueFoundry ليكون ذلك السطح، والقدرات أدناه هي الفارق بين "يمكننا رؤية الإنفاق" و"يمكننا إدارة الاستراتيجية". كل منها موثق على صفحات منتجات TrueFoundry ووثائقها؛ وتُعد نظرة عامة على إمكانية الملاحظة في TrueFoundry وصفحة منتج AI Gateway هي المراجع الأساسية.
نقطة نهاية واحدة، أكثر من 1600 نموذج، وزمن استجابة داخلي أقل من 3 مللي ثانية. كل نموذج — OpenAI وAnthropic وGemini وBedrock وMistral والمهيأة ذاتياً — يقع خلف API واحد متوافق مع OpenAI؛ تصف صفحة منتج TrueFoundry نقطة نهاية واحدة عبر أكثر من 1600 نموذج وأكثر من 250 LLM. تعمل عمليات التحقق من المصادقة (auth)، وتحديد المعدل (rate-limit)، وموازنة الحمل (load-balancing) في الذاكرة، مما يجعل البوابة تضيف حداً أدنى من زمن الاستجابة في المسار السريع؛ توثق TrueFoundry زمن استجابة داخلي للبوابة أقل من 3 مللي ثانية، وفي نظرة عامة على إمكانية الملاحظة لديها، تسجيل أكثر من 350 RPS على وحدة vCPU واحدة. سطح التحكم لا يكلفك شيئاً تقريباً في مسار الطلبات، وهو الشرط الأساسي لوضع كل شيء آخر عليه.
حواجز حماية (guardrails) لكل طلب، في الإدخال والإخراج. تطبق البوابة حواجز حماية للإدخال والإخراج — كشف البيانات الشخصية (PII) وتنقيحها، وفحوصات السمية والتحيز، وإشراف المحتوى، والسياسات المخصصة — ويمكنها الاتصال بخدمات خارجية مثل OpenAI Moderation وAWS Guardrails وAzure Content Safety. هذه هي الطبقة التي تلتقط الفشل من نمط NYC-MyCity: الاستجابة التي توصي بشيء لا ينبغي توصيته يتم حظرها أو توجيهها للمراجعة البشرية قبل أن تصل إلى المستخدم. يُعد نشاط حواجز الحماية مقياساً أوالياً بالدرجة الأولى (llm_gateway_guardrails_requests_total)، بحيث يمكنك رؤية عدد المرات التي تتفعل فيها كل سياسة وعلى أي مسارات بالتحديد.
تحديد معدل مدرك للرموز (Token-aware rate limiting)، ليس فقط RPS. التوجيه الطويل الواحد يمكن أن يكلف أكثر من ألف توجيه قصير، لذا فإن قياس الطلبات في الثانية (RPS) هو الوحدة الخاطئة للذكاء الاصطناعي. تفرض TrueFoundry حصصاً حسب الرموز أو الطلبات لكل دقيقة، أو ساعة، أو يوم، ومحددة النطاق للمستخدم، أو الفريق، أو النموذج، أو الحساب الافتراضي، أو أي مفتاح بيانات وصفية (metadata) — وهي الآلية الدقيقة التي توقف حلقة منفلتة واحدة أو مهندساً يتلاعب بلواح الصدارة من استهلاك ميزانية مشتركة. هذا هو الجواب الهيكلي لـ تعظيم الرموز: ليس حداً أقصى على مستوى الشركة، بل سقفاً لكل هوية يضيق على الحالات الشاذة دون المساس بالجميع.
تحكم في الوصول صُمم للمؤسسات. إدارة مفاتيح API المركزية تعني عدم نشر مفاتيح المزودين أبداً عبر كود التطبيقات؛ حيث تصدر البوابة رموزاً ذات نطاق محدد بدلاً من ذلك. التحكم في الوصول المستند إلى الأدوار (RBAC) مع تسجيل الدخول الموحد (SSO)، وOAuth 2.0، ومصادقة مفاتيح API تحكم من يمكنه استدعاء أي نموذج، وتسجيل الطلبات/الاستجابات المخزن مركزياً والجاهز للتدقيق يسجل من استدعى ماذا، وبأي بيانات، وما الذي عاد — وهو العمود الفقري للامتثال الذي تتطلبه أعباء العمل الخاضعة لـ GDPR وSOC 2 وHIPAA. يمكن تدوير المفاتيح أو إلغاؤها دون انقطاع في الخدمة.
سلاسل بديلة وموازنة حمل تحافظ على الاستمرارية. سلاسل الفشل البديل (fallback chains) التصريحية، والتوجيه الموزون والمستند إلى زمن الاستجابة، وفحوصات الصحة، والتحويل التلقائي عند الفشل تعني أن انقطاع المزود أو تقييد المعدل يتحول إلى إعادة توجيه سلسة بدلاً من حادث تشغيلي. هذه أيضاً أداة للتكلفة: "الوضع المقيد" عند ميزانية 90% من الثلاثية هو بالضبط قاعدة توجيه بديلة تحول حركة مرور النماذج المتقدمة إلى فئة أرخص عند تجاوز حد الميزانية، بحيث تستمر الأنابيب في العمل بينما يتسطح الإنفاق. نشاط التوجيه البديل قابل للملاحظة لكل طلب (llm_gateway_fallback_requests_total)، بحيث يمكنك تحديد تكلفة كل تحويل بديل بدقة.
بروتوكول MCP والـ agents، تتم حوكمتها على المستوى ذاته. مع انتقال الـ agents من استدعاءات النماذج الفردية إلى حلقات استخدام الأدوات، يجب أن يتبعها سطح التحكم. تضيف MCP Gateway من TrueFoundry سجلاً مركزياً لخوادم MCP، وOAuth 2.0 محدد النطاق للمستخدم بالإضافة إلى رموز الحسابات الافتراضية للوصول للأدوات بأقل الصلاحيات، وRBAC وبوابات الموافقة على الإجراءات الحساسة، وتتبعاً لكل أداة. أداة Agent Harness تدير حلقة الـ agent نفسها: وفقاً لوثائقها، تنطبق الميزانيات، والحصص، وحدود المعدل على الحلقة كـ هوية agent خاصة بها، وشروط الإيقاف — أسباب التوقف، ميزانيات الرموز، وكشف التعطل — هي تكوينات للهيكل بدلاً من شيء يعيد كل فريق بناءه. هذا هو الفارق بين حوكمة استدعاء النموذج وحوكمة سير عمل الـ agent بالكامل — النموذج، الأدوات، والحلقة التي تديرها.
إمكانية ملاحظة تحول كل ذلك إلى عمل فعلي. كل طلب يصدر تتبعات OpenTelemetry مع سمات gen_ai.* ويصدر إلى Prometheus أو Grafana أو Datadog أو Elastic؛ وتُسعر التكلفة تلقائياً من المعدلات المنشورة للمزودين وتُسند حسب النموذج، والفريق، والمستخدم، والبيانات الوصفية. تظهر لوحة التحكم ذاتها نشاط السياسات — حدود المعدل، السلاسل البديلة، حواجز الحماية، الميزانيات — بحيث تكون ارتفاعات الإنفاق، وتفعيلات حواجز الحماية، وعواصف التوجيه البديل ظاهرة في لوحة واحدة، في الوقت الفعلي، بدلاً من اكتشافها في فاتورة الشهر القادم.
تلك النقطة الأخيرة تستحق النص عليها بوضوح للمشتري، وبدقة: هذه العناصر الأساسية هي ما يجعل النموذج التشغيلي ممكناً — وليست هي النموذج التشغيلي بمفردها. إسناد التكلفة يخبرك أين تذهب الأموال؛ والميزانيات وحدود المعدل تحدها؛ والسلاسل البديلة تحمي التجربة أثناء الضبط؛ وحواجز الحماية والتحكم في الوصول تبقيها آمنة ومتوافقة؛ وهيكل التحكم في الـ agent يمد كل ذلك إلى الحلقات. وهي معاً ما يتيح لفريق المنصة تطبيق نموذج "مؤشر الضبط لا مفتاح التشغيل والإيقاف" في مسار طلبات واحد، بدلاً من إعادة بناء كل عنصر تحكم بشكل منعزل — وهو العمل الذي تتولاه شركات التأرجح الحاد الآن بعد فوات الأوان. الشيء الوحيد الذي لا تفعله بوابة العبور هو تقرير السياسة نيابة عنك: فهي تمنحك المؤشر والبيانات، ولا يزال يتعين على الفريق المؤهل تحديد العتبات والتصرف بناءً على التنبيهات. هذا ليس ضعفاً في الأدوات؛ بل هو التقسيم الصحيح للعمل، وهو بالتحديد السبب في أن وجود الطبقة في مكانها مبكراً هو ما يفصل بين الاستراتيجية ورد الفعل الشديد.
ما هو الخطر الحقيقي: تقدير تقريبي يمكنك تشغيله بنفسك
من المفيد وضع رقم على الفجوة بين "العمياء" و"المسندة" — ليس رقماً دقيقاً، لأنه لا يوجد نموذج منصف يمكنه ذلك، بل برتبة الحجم. يتطابق الممتد أدناه مباشرة مع قدرات TrueFoundry أعلاه: الإسناد يكشف الإنفاق الهادر، والميزانيات، وتحديد المعدل المدرك للرموز، والتوجيه البديل هي ما يتيح لك التصرف بناءً عليه. شريط "الحصة القابلة للتنفيذ" هو اختصار لمدى ما يمكن لهذه الآليات استرداده من الهدر المكشوف. لا شيء مخفي؛ الصيغة تُطبع تحت النتيجة.

السبب في بناء النموذج على "النسبة المهدورة" بدلاً من نسبة مئوية مقطوعة للتوفير هو أن هذا هو الشكل الحقيقي للمشكلة. بعض الإنفاق على AI هو هدر خالص — كتيب تعليمات برمجية يبلغ 50,000 token يُحقن يدويًا في كل موجه (prompt)، أو حلقة تكرر المحاولة ضد تبيعية مكسورة، أو مهام تُنفذ لمجرد الارتقاء في قائمة المتصدرين (leaderboard). وبعضه مشروع ومكلف وينبغي تركه كما هو. وتكمن قيمة طبقة الإسناد في أنها تميز بين الاثنين — وتتيح لك الميزانيات وحدود المعدل (rate limits) والبدائل التراجعية (fallbacks) قطع الهدر بدقة — وهو بالضبط ما لا يمكن للحد الأقصى الشامل (blanket cap) فعله. الرقم الممكن استرداده هو أي جزء من الإنفاق المهدور بحق تتيح لك البوابة (gateway) رؤيته بوضوح كافٍ، والتحكم فيه بدقة كافية، لاتخاذ إجراء بشأنه.
الموجة القادمة: هندسة الحلقات (loop engineering)
إذا كانت الحركة الارتدادية تعلّمنا أي شيء، فهو أن فجوة الحوكمة لا تختفي — بل تنتقل. والمكان التالي الذي تنتقل إليه هو هندسة الحلقات (loop engineering): وهي الممارسة التي ظهرت في منتصف عام 2026، والمذكورة في مقالة Addy Osmani وتكرر صداها لدى ممارسين مثل Boris Cherny من Anthropic، والمتمثلة في تصميم الأنظمة التي توجه وكلائك (agents) بدلاً من توجيههم يدويًا. تقوم الحلقة بإيجاد العمل، وتسليمه إلى وكيل، والتحقق من النتيجة، وتسجيل الحالة، وتحديد الخطوة التالية — دون إشراف، ووفق جدول زمني. إنها تقدم حقيقي في هذا المجال، ولكنها تمتلك نفس الخاصية التي أدت إلى الـ tokenmaxxing: لا يوجد عنصر بشري في حلقة التكلفة.
تفتتح معالجة TrueFoundry ذات الجزءين لهذا الموضوع — هندسة الحلقات على مستوى المؤسسات والجزء الثاني على مستوى أسطول العمليات — بالحادثة النموذجية: حلقة صباحية لمهندس تقضي يومين في إعادة المحاولة بحماس ضد بيئة اختبار مكسورة خلال عطلة نهاية الأسبوع، وتُكتشف التكلفة في الفاتورة. هذه هي فاتورة الـ token الخاصة بعطلة نهاية الأسبوع، على مستوى أعلى بدرجة واحدة في البنية التحتية من قائمة المتصدرين الفردية. وستكون ردة الفعل المؤسسية المتوقعة، عندما تصل كمية كافية من تلك الفواتير، هي نسخة هندسة الحلقات من الـ tokenminimizing: حظر الحلقات غير الخاضعة للإشراف. وستكون هذه الخطوة فجة ومكلفة بنفس القدر الذي كان عليه الحد الأقصى للـ token، ولنفس السبب — فالحظر الشامل لا يمكنه التمييز بين الحلقة التي تشحن إصلاحات حقيقية والحلقة التي تحرق الأموال ضد تبعية مكسورة.

الحل هو نفس الحل، ولكن مع تطبيقه على مستوى أعلى بدرجة واحدة. ضع الحلقة على بيئة تشغيل محوكمة — Agent Harness من TrueFoundry، المبني على AI Gateway وMCP Gateway — حيث تعمل الحلقة كوكيل مسجل له هويته الخاصة، وميزانيته، وسياسة حد المعدل المحددة بنطاق تلك الهوية، وتتبع لكل خطوة يربط التكلفة بكل استدعاء نموذج وأداة. وحادثة عطلة نهاية الأسبوع، عند إعادتها ضد ميزانية مخصصة لكل وكيل، تتحول إلى تشغيل ذي حد أقصى وتنبيه في ليلة السبت بدلاً من فاتورة في صباح الاثنين. وتصبح اقتصاديات كل حلقة عنصرًا مستقلاً في الميزانية، وليست بقايا في فاتورة المزوّد، بحيث يطرح سؤال "هل تستحق هذه الحلقة تكلفتها؟" مقارنة في لوحة التحكم بدلاً من مناقشة. يضيف الحاضن (harness) أدوات التحكم التي يتطلبها التشغيل دون إشراف تحديدًا: بوابات تدخل بشري (human-in-the-loop) في الإجراءات غير القابلة للعكس، وحواجز حماية (guardrails) على كل استدعاء نموذج وأداة، وشروط إيقاف — سقف للخطوات وميزانيات للـ token — تحول عبارة "شغّل حتى الانتهاء" إلى "شغّل حتى الانتهاء أو حتى تقول الميزانية توقف".
النقطة الهيكلية هي النقطة التي تستمر هذه السلسلة بأكملها في الوصول إليها. هندسة الحلقات ليست مشكلة تكلفة في المقام الأول؛ بل هي مشكلة بيئة تشغيل وحوكمة ذات بعد يتعلق بالتكلفة. لكن بعد التكلفة هو المكان الذي ينطبق فيه درس الـ tokenmaxxing بشكل مباشر: فالحلقة، مثل المهندس الذي تقوده قائمة المتصدرين، ستنفق كل ما يُسمح لها بإنفاقه، والطريقة المستدامة الوحيدة لجعل ذلك آمنًا هي إسناد الإنفاق وتقييده عند الطبقة التي تمر من خلالها كل رغبة بالطلب (request). والفُرق التي تعلمت هذا من الحركة الارتدادية للـ token تتمكن من تطبيقه على الحلقات قبل أن تحدث لهم الحركة الارتدادية للحلقات.
ماذا تقرأ بعد ذلك
هذا المنشور هو الملحق للثلاثية؛ والثلاثية هي الحجة التي يرجع إليها. عند قراءتها بالترتيب، تبني الأجزاء الثلاثة الحجة التي تؤكد صحتها الحركة الارتدادية.
بالنسبة للموضوع التطلعي حول الحلقات، فإن سلسلة هندسة الحلقات المكونة من جزءين — هندسة الحلقات على مستوى المؤسسات والجزء الثاني على مستوى أسطول العمليات — تنقل نفس الحجة إلى الوكلاء غير الخاضعين للإشراف، ووثائق Agent Harness هي الواجهة البرمجية للمنتج التي تقف خلفها.
ما ليس عليه هذا المقال
هذا ليس ادعاءً بأن تكاليف الـ token لا تهم أو أن الشركات كانت غبية في ضبطها. إنها تهم بشكل هائل، وضبطها أمر صحيح. والنقد هنا أضيق نطاقًا: إن ضبط التكلفة بحد أقصى شامل (blanket cap)، بعد تشجيع الاستخدام غير المحدود، هو النصف الثاني من حركة ارتدادية كانت طبقة الحوكمة ستجعلها غير ضرورية. وكان من الممكن تجنب كلا النصفين.
وليس ادعاءً أيضًا بأن بوابة TrueFoundry، أو أي بوابة أخرى، بديل عن التقدير السليم. والنسخة الصادقة من الحجة هي أن البوابة تغير ما يمكن للمؤسسة رؤيته والتحكم فيه — وبالتالي ما هي القرارات الصائبة المتاحة لها — دون اتخاذ تلك القرارات تلقائيًا. يمكن للفريق الإمساك بالمقبض ومع ذلك تدويره في الاتجاه الخاطئ. وتكمن القيمة في امتلاك المقبض من الأساس، في مجال اكتشفت فيه معظم المؤسسات أنها لا تملك سوى مفتاح تشغيل وإيقاف.
وهو ليس توقعًا بأن هندسة الحلقات ستسير بشكل سيئ. بل هو توقع بأن الحلقات ستنفق الأموال دون إشراف، وأن بعض المؤسسات ستكتشف ذلك في الفاتورة، وأن المؤسسات التي تطبق درس الحركة الارتدادية للـ token مبكرًا — بإسناد الإنفاق وميزنته وتقييده عند البوابة — ستتخطى النسخة الخاصة بهندسة الحلقات من نفس التأرجح المؤلم. النمط هو الثابت. والطبقة هي الشيء الذي يكسره.
الأسئلة الشائعة
أليست عملية الـ tokenminimizing مجرد التصرف المسؤول الذي ينبغي القيام به؟
التحكم في التكلفة تصرف مسؤول؛ والتحكم فيها بحد أقصى شامل هو الطريقة الأقل دقة لفي ذلك. فالحد الأقصى يخنق الإنفاق القيم والمهدور على حد سواء، لأنه لا يملك إسنادًا خلفه للتمييز بينهما. والنسخة المسؤولة هي إسناد الإنفاق لكل عبء عمل (workload) وتعديل المنحنى حيث يوجد الهدر فعليًا — وهو الوسط المحوكم، وليس الحد الأقصى للمينيميزينج. المينيميزينج هو ما يتبقى عندما لا يتم بناء طبقة الإسناد مطلقًا.
هل تنبأت ثلاثية الـ tokenmaxxing بهذا حقًا، أم أن هذا مجرد تحليل بعد فوات الأوان؟
الحجة المركزية للثلاثية — وهي أن استخدام الـ token هو مدخلات، وأن قائمة المتصدرين التي تصنف الأشخاص حسب المدخلات تكافئ زيادتها، وأن هذا سيفرض تصحيحًا — نُشرت خلال مرحلة الـ maxxing، قبل أن تبدأ ردة فعل الـ tokenminimizing. لم تتنبأ بمذكرة أي شركة محددة؛ بل قدمت الحجة الهيكلية التي توضحها التقارير الآن. والملاحظة المنسوبة إلى Bosworth في التغطية الصحفية المنتشرة — ومفادها أن الاستخدام الخام للـ token لا يقيس أي تأثير حقيقي — تقرأ كإعادة صياغة لتلك الحجة من قبل رئيس تكنولوجيا تنفيذي (CTO) تحت ضغط التكاليف. والصياغة الصادقة هي أنها رؤية هيكلية سابقة لأوانها، وليست نبوءة محدودة بكيان معين.
إذا كانت البوابة لا تتخذ القرارات، فما الفائدة من شرائها؟
نفس السبب الذي يجعلك تشتري نظام إمكانية الملاحظة (observability) قبل أن تشتري حلًا للمشكلة: لا يمكنك إدارة ما لا يمكنك رؤيته، ولا يمكنك ضبط ما لا يمكنك التحكم فيه. تمنح البوابة للمؤسسة الإسناد، والميزانيات، والتوقعات — وهي الأدوات التي تجعل القرارات الصائبة بشأن التكلفة ممكنة. إنها الشرط المسبق للحوكمة، وليست بديلاً عن الشخص الذي يمتلكها. وبدون هذه الطبقة، تكون الأدوات الوحيدة المتاحة هي "التشغيل" و"الإيقاف"، وهما سببان في حدوث الحركة الارتدادية.
كيف ينطبق هذا على شركة لم تقم بالـ tokenmaxxing بعد؟
هذا أفضل موقف يمكن أن تكون فيه، والأرخص لبناء الطبقة. حجة الثلاثية تكون أكثر قيمة عندما تُقرأ قبل مرحلة الـ maxxing، وليس بعدها: قم بتثبيت الإسناد والميزانيات عندما يكون الإنفاق صغيرًا، وقم بقياس المخرجات بدلاً من المدخلات منذ البداية، ولن تبدأ الحركة الارتدادية أبدا. فالشركة التي تبني الوسط المحوكم مبكرًا لا تواجه ببساطة الأزمة التي تفرض هذا التأرجح.
هل هندسة الحلقات هي بالفعل النسخة القادمة من هذا؟
الآلية متطابقة: نظام ينفق مقابل العداد دون وجود عنصر بشري يراقبه وهو ينفق. المهندس الذي تقوده قائمة المتصدرين والحلقة غير الخاضعة للإشراف هما نفس فجوة حوكمة التكلفة عند مستويين مختلفين من البنية التحتية. وقضية الحلقة هي بلا شك أكثر حدة، لأن الحلقة يمكنها إعادة محاولة تبعية مكسورة لعدة أيام بينما ينعم الجميع بالنوم. والفُرق التي تحكم الحلقات عند البوابة وحاضن الوكلاء (agent harness) — الميزانيات وحدود المعدل المحددة بنطاق هوية الحلقة، وتتبع التكلفة لكل خطوة، وشروط الإيقاف — تحصل على المقبض قبل أن تحتاج إليه. أما الفُرق التي لا تفعل ذلك فستواجه نسخة هندسة الحلقات من مذكرة الـ tokenminimizing.
تفيد التقارير بأن Meta قامت ببناء شيء تطلق عليه "AI Gateway". هل هذا هو TrueFoundry؟
لا، ونريد أن نكون دقيقين بشأن هذا. وفقًا للتقارير، قامت Meta ببناء لوحة تحكم داخلية خاصة بها وأطلقت عليها اسم "AI Gateway" — وهو نظام منفصل ومبني داخليًا يتصادف أنه يشارك نفس اسم الفئة. ليس لدينا أي معلومات تفيد بأن Meta تستخدم TrueFoundry أو قايَمته أو تعتمده، ولا ندعي أي شيء من هذا القبيل. والسبب في أننا نجد التفاصيل ملفتة للنظر هو التقارب الفكري، وليس التجاري: فشركة بحجم Meta، بعد أن أدارت تجربة الـ maxxing، يتردد أنها تقوم ببناء نفس الفئة من الأنظمة يدويًا — الإسناد في الوقت الفعلي، وتتبع الإنفاق، وتنبيهات الارتفاعات الحادة، والميزانيات المهيكلة — التي تشحنها TrueFoundry كمنتج جاهز. هذا التقارب المستقل هو دليل على صحة البنية الهندسية، وليس دليلاً على وجود أي علاقة بين الشركات.
المراجع
التغطية الصحفية حول التراجع في سياسات الـ token (جميع الادعاءات الواقعية حول هذه الشركات في هذا المنشور منسوبة إلى هذه الحسابات المنشورة؛ ولا نقدم أي ادعاءات مستقلة بخلافها):
Meta — Yahoo Finance / StockTwits, "ارتفاع تكاليف الذكاء الاصطناعي في Meta — تقارير تفيد بتشديد الشركة قبضتها باستخدام نظام تتبع جديد" (متاح مجانًا، المصدر الرئيسي المستخدم هنا)؛ The State of AI, "من Tokenmaxxing إلى Tokenminimizing"؛ MLQ, "Meta تفرض حدًا أقصى على إنفاق الـ token الداخلي للذكاء الاصطناعي." نُشرت القصة في الأصل بواسطة The Information (Jyoti Mann; باشتراك).
Amazon — TheStreet, "Amazon تنضم إلى Microsoft في إرسال رسالة صادمة للموظفين"؛ Human Resources Director, "Amazon تغلق قائمة متصدري الذكاء الاصطناعي بعد Tokenmaxxing" و "موظفو Amazon يتلاعبون بقائمة متصدري الذكاء الاصطناعي" (تحليل قانون جودهارت). نُشر خبر إغلاق KiroRank في الأصل بواسطة Financial Times.
Uber — Business Insider, "جدل Tokenmaxxing"؛ تفاصيل استنفاد ميزانية Uber مذكورة أيضًا في تغطية Yahoo Finance و TheStreet أعلاه.
ثلاثية tokenmaxxing (الحجة التي يعتبر هذا المنشور ملحقًا لها):
الجزء 1 — فجوة حوكمة التكلفة. الجزء 2 — بنية استخدام الذكاء الاصطناعي المحوكم. الجزء 3 — من إنفاق الـ token إلى الاستفادة من الذكاء الاصطناعي.
هندسة الحلقات (الموضوع التطلعي): هندسة الحلقات على مستوى المؤسسات — من حلقات الأجهزة المحمولة إلى بيئات التشغيل المحوكمة؛ هندسة الحلقات، متابعة — من حلقة محوكمة واحدة إلى أسطول قابل للتشغيل؛ ومقالة المجتع الأصلية، Addy Osmani, "هندسة الحلقات" (يونيو 2026).
وثائق منتج TrueFoundry (التكويات والعناصر الأساسية المشار إليها في هذا المنشور):
نظرة عامة على المنصة والبنية الهندسية — docs.truefoundry.com/introduction. AI Gateway — صفحة المنتج. حد الميزانية — مرجع التكوين. حد المعدل — مرجع التكوين. ترويسات الطلب — عقد البيانات الوصفية والترويسة. تتبع التكلفة — أنماط التسعير العامة والخاصة. Agent Harness — بيئة التشغيل المحوكمة للحلقات غير الخاضعة للإشراف.
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.














.webp)





.webp)
.webp)
.png)

.png)
.png)
.png)
.png)
.png)
.webp)
.webp)






