بعد الانتهاء من نشر الأعمال على Tencent Cloud CVM والاستعداد لربط واجهات برمجة تطبيقات النماذج الكبيرة، يتوقف الكثيرون عند نفس السؤال: الاتصال المباشر بالجهة الرسمية، أم بناء بوابة خاصة، أم الاعتماد على منصة تجميع واجهات برمجة تطبيقات الذكاء الاصطناعي؟ هذه الطرق الثلاث جربتها جميعاً في بيئة اختبار الضغط، والاستنتاج ليس "أيها الأفضل"، بل "شكل عملك هو ما يحدد أي طبقة يجب أن تتحمل المسؤولية".
أولاً، تعريف أساسي. بوابة النماذج هي في جوهرها طبقة وسيطة تُضاف بين كود العمل وواجهات برمجة تطبيقات النماذج الكبيرة المختلفة، تتولى المصادقة الموحدة وتحويل البروتوكولات وتوزيع التوجيه وإعادة المحاولة عند الفشل وإحصاء الاستخدام. قيمتها لا تكمن في "وجود مكوّن إضافي"، بل في فصل مسألة "ربط النموذج" عن منطق العمل.
ثلاث طرق للاتصال، قارناها باستخدام نفس مجموعة حالات الاختبار
بيئة الاختبار هي CVM في منطقة قوانغتشو على Tencent Cloud، من نوع SA3 القياسي، منشورة في نفس منطقة التوفر. حالات الاختبار موحدة في ثلاث فئات: تصنيف النصوص القصيرة (إدخال 200 token)، وتلخيص المستندات الطويلة (إدخال 4000 token)، والمحادثة متعددة الجولات (8 جولات تراكمية). معايير اختبار الضغط موحدة: تزامن 50، لمدة 10 دقائق، مع قياس زمن الاستجابة P50/P95 ومعدل الأخطاء ووقت التحويل عند الفشل.
الاتصال المباشر بواجهة API الرسمية: أداء زمن الاستجابة هو الأكثر مباشرة، دون فقدان من الطبقات الوسيطة. لكن المشكلة تكمن في التحويل عند الفشل — فبمجرد أن تتعرض الواجهة الرسمية لتحديد المعدل أو انتهاء المهلة، يجب على كود العمل كتابة منطق إعادة المحاولة بنفسه. قسنا أن وقت التحويل يعتمد على استراتيجية إعادة المحاولة لدى جهة العمل، وحتى مع التنفيذ الجيد يستغرق مئات المللي ثانية، ومع التنفيذ الخشن تكون النتيجة خطأً مباشراً. فاتورة الـ Token تُحتسب بالسعر الرسمي الأصلي، دون أي مجال للتفاوض.
بوابة مبنية ذاتياً: تشغيل خدمة بوابة على Tencent Cloud تتصل بواجهات API الرسمية المتعددة. زمن الاستجابة يزيد قفزة واحدة عن الاتصال المباشر، ويرتفع P95 بنحو عشرات المللي ثانية. يمكن تحقيق إزالة تلقائية عند الفشل على مستوى الثواني، لكن بشرط صيانة منظومة من فحوصات السلامة والصهر والتخفيض. من حيث التكلفة، بالإضافة إلى رسوم API، يجب حساب CVM الخاصة بالبوابة والموارد البشرية للتشغيل والصيانة.
منصة تجميع واجهات برمجة تطبيقات الذكاء الاصطناعي: هذه المنصات تغلف نماذج متعددة بشكل موحد، واستخدمنا في مشروعنا token8341 للاتصال الموحد متعدد النماذج. بالمقارنة، وجدنا أن زمن استجابتها يقع بين الاتصال المباشر والبناء الذاتي، والتحويل عند الفشل تتحمله جهة المنصة، فلا يشعر به جانب العمل تقريباً. الفاتورة تُحتسب بسعر المنصة، وفي نموذج الشراء بالجملة تكون عادةً أقل من الشراء المباشر الرسمي.
توجيه النماذج: اختيار النموذج الأمثل تلقائياً حسب المهمة
بين الطرق الثلاث، ما يُحدث الفرق الحقيقي هو قدرة توجيه النماذج. في طريقة الاتصال المباشر، يتطلب تبديل النموذج تعديل الكود والتكوين وإعادة النشر. البوابة المبنية ذاتياً تستطيع التبديل عبر التكوين، لكن القواعد يجب كتابتها بنفسك. منصات التجميع عادةً تضمّن قدرة اختيار النموذج تلقائياً حسب نوع المهمة.
اختبرنا عملياً سيناريو واحداً: في نفس العمل، مهام التصنيف البسيطة تمر عبر DeepSeek-V3، والاستدلال المعقد عبر Claude 4 Sonnet، وسيناريو خدمة العملاء بالصينية عبر واجهة API لـ Qwen. على منصة التجميع، قواعد التوجيه هذه عناصر تكوين، دون الحاجة لتعديل كود العمل. النقطة الأساسية هنا هي التوافق مع OpenAI SDK — غيّرنا base_url بسطر واحد ليشير إلى عنوان بوابة منصة التجميع، ولم تتغير طريقة الاستدعاء في كود العمل إطلاقاً. مفتاح واحد يكفي لاستدعاء النماذج السائدة مثل GPT-4o وClaude وGemini وDeepSeek وQwen وERNIE وDoubao، وبالنسبة للأعمال التي تشغّل OpenAI SDK بالفعل على Tencent Cloud، تكلفة الترحيل تكاد تكون صفراً.
سيناريو Tencent Cloud SCF (دوال السحابة) أوضح. البدء البارد للدالة حساس بطبيعته، وإذا اتصلت الدالة مباشرة بواجهات API الرسمية المتعددة، يصبح إدارة التبعيات والمفاتيح لكل دالة عبئاً. مع البوابة الموحدة، تعرف الدالة نقطة نهاية واحدة فقط، والمفاتيح تُدار من جهة المنصة، فيمكن تقليص حجم الدالة ووقت بدئها.
التكلفة والاستقرار، يجب حسابهما بشكل منفصل
فيما يخص التكلفة، فاتورة الـ Token عند الاتصال المباشر بواجهة API الرسمية شفافة، لكن دون أي خصم. البوابة المبنية ذاتياً لا توفر رسوم API، بل تُدخل تكاليف الإدارة داخلياً. قيمة منصة التجميع تكمن في المساحة السعرية التي يوفرها الشراء بالجملة، ومرونة الفاتورة حسب الاستخدام — فعندما تتقلب أحجام الأعمال بشكل كبير، لا حاجة لشراء حزم موارد مسبقاً. يسير token8341 في هذا المجال عبر جدولة الحوسبة الخضراء، مع GPU المرن حسب الطلب، وتوزيع مراكز الحوسبة بين الشرق والغرب، وهو خيار جدير بالاهتمام للأعمال الحساسة للتكلفة.
أما الاستقرار، فطريقة الاتصال المباشر تضع المخاطر كلها على جانب العمل، فأي اهتزاز رسمي يهتز معه العمل. البوابة المبنية ذاتياً هي الأعلى تحكماً، لكنها تتطلب من الفريق قدرة تشغيل وصيانة مناسبة. اتفاقية SLA لمنصة التجميع تتعهد بها المنصة، والتحويل عند الفشل ومعالجة تحديد المعدل مسؤولية جهة المنصة، ولا يبقى على جانب العمل سوى التعامل مع حالة واحدة: "فشل الطلب في النهاية".
الخلاصة
إذا كان العمل يستخدم نموذجاً واحداً فقط، وحجم الاستدعاء مستقر، والفريق لديه قدرة تشغيل وصيانة، فالاتصال المباشر بواجهة API الرسمية كافٍ. إذا كان العمل يحتاج تبديلاً بين نماذج متعددة، ويريد مصادقة موحدة وإحصاء استخدام، ولا يريد صيانة مكونات البوابة بنفسه، فإضافة طبقة تجميع لواجهات برمجة تطبيقات الذكاء الاصطناعي أمام أعمال Tencent Cloud هي الخيار الأسهل. البوابة المبنية ذاتياً تناسب الفرق التي لديها متطلبات رقابة صارمة على مسار البيانات ومستعدة لاستثمار موارد التشغيل والصيانة.
عند الاختيار لا تنظروا إلى أرقام زمن الاستجابة فقط، بل احسبوا معها وقت التحويل عند الفشل وتكلفة إدارة المفاتيح وتكلفة تعديل تبديل النماذج. الحفرة التي وقعنا فيها: في البداية اتصلنا مباشرة بالجهة الرسمية لتوفير قفزة زمن استجابة واحدة، فتبين أن منطق إعادة المحاولة على جانب العمل لم يُكتب جيداً عند تحديد المعدل الرسمي، فقفز معدل الأخطاء، وكان الجهد اللاحق للتعويض أكبر من إضافة البوابة من البداية.
الكاتب: تشانغ سييوان
تاريخ النشر: 2 نوفمبر 2026