كم توكنًا إضافيًا تحتاجه العربية مقارنة بالإنجليزية؟
تحتاج العربية إلى توكنز أكثر بنسبة 38 % من الإنجليزية للنص نفسه في ChatGPT / Copilot. لذلك تنفد حصتك أسرع بنحو 38 %، وتمتلئ ذاكرة المحادثة أسرع بالقدر نفسه، وتستغرق الإجابات وقتًا أطول بالقدر نفسه. تحتل العربية المرتبة 187 من بين 203 لغة، حيث 1 هي الأغلى. وفي 6 مجزّئات ذكاء اصطناعي حالية، تتراوح ضريبة التوكنز بين 30 % (Qwen) و81 % (Claude).
| النموذج | المجزّئ | ضريبة التوكنز |
|---|
| ChatGPT / Copilot | o200k_base | 38 % |
| Gemini | Gemini 3.x (unpublished; = Gemma 4 on text) | 45 % |
| Claude | Claude (unpublished) | 81 % |
| Meta AI / Llama | Llama 4 | 59 % |
| DeepSeek | DeepSeek V3 | 62 % |
| Qwen | Qwen 3.5 (248k) | 30 % |
ما ضريبة التوكنز؟
ضريبة التوكنز هي عدد توكنز لغة ما ÷ عدد توكنز الإنجليزية للنص نفسه، لكل مجزّئ. قدّم Petrov وزملاؤه (2023) هذا المفهوم لتسهيل مقارنة التجزئة بين اللغات، لكنهم يسمّونه علاوة التجزئة. لا يوجد مصطلح عربي مستقر بعد؛ وتُسمّى أيضًا ضريبة الرموز، وبالإنجليزية token tax.
تتعلم المجزّئات مفرداتها في الغالب من نصوص إنجليزية، فتتسع الكلمة الإنجليزية الشائعة لتوكن واحد، بينما يُقطَّع النص العربي إلى قطع أكثر وأقصر. وتدفع اللغات القليلة النصوص التدريبية وذات الكتابة غير اللاتينية الأكثر عادة.
يلخّص Petrov وزملاؤه المشكلة: «The same text translated into different languages can have drastically different tokenization lengths» (NeurIPS 2023).
كيف قيس ذلك؟
عدّ كل مجزّئ التوكنز في الجمل نفسها البالغ عددها 1,012 من قسم devtest في FLORES-200، بالعربية والإنجليزية، وفق Petrov وزملائه (NeurIPS 2023). عُدّت في 2026-10-26.
ما التوكن؟
تقرأ نماذج الذكاء الاصطناعي النص على شكل توكنز. قبل أن يرى النموذج نصك، يقطّعه المجزّئ إلى قطع. تدفع مقابل كل توكن، وتُحسب ذاكرة المحادثة بالتوكنز، وتُكتب الإجابات توكنًا بعد توكن. هكذا يقطّع ChatGPT / Copilot عنوان خبر علمي من أكتوبر 2026، بالعربية والإنجليزية:
درس واحد في العزف على الكمان يغيّر أنماط موجات الدماغ لدى المبتدئين وهم يتعلّمون العزف
درس | واحد | في | الع | ز | ف | على | الك | مان | ي | غي | ّر | أن | ما | ط | موج | ات | الدم | اغ | لدى | الم | بت | د | ئين | وهم | يت | عل | ّم | ون | الع | ز | ف = 32 توكن
One violin lesson changes brain wave patterns as beginners learn to play
One | violin | lesson | changes | brain | wave | patterns | as | beginners | learn | to | play = 12 توكن
لهذه الجملة وحدها تبلغ النسبة 32 ÷ 12 = 2.67، أي توكنز أكثر بنسبة 167 % من الإنجليزية. الجملة الواحدة نص أقل من أن يعطي رقمًا موثوقًا، ولذلك قيست أرقام هذه الصفحة على 1,012 جملة من FLORES-200.
كيف تقارن العربية باللغات الأخرى؟
تدفع العربية 38 % في ChatGPT / Copilot، بينما يبلغ وسيط اللغات الـ203 كلها 75 %.
كيف أخفّض ضريبة التوكنز؟
أبسط طريقة هي المحادثة بالإنجليزية إن كنت مرتاحًا لها. يصعب التوصية بطرق أخرى، لأن النماذج لا تختلف في ضريبة التوكنز فقط، بل أيضًا في جودة الإجابة التي تحصل عليها لكل توكن.
أسئلة عن ضريبة التوكنز
هل تدفع كل لغة ضريبة التوكنز؟
تقريبًا كلها. في ChatGPT / Copilot تحتاج اللغات الـ203 كلها إلى توكنز أكثر من الإنجليزية، من 23 % (Portuguese) إلى 1 273 % (Santali)، وتدفع اللغة الوسيطة 75 %. وفي النماذج الـ6 كلها في هذه الصفحة، الاستثناءات الوحيدة هي Chinese (Simplified): DeepSeek −6 %, Qwen −9 %; Yue Chinese: Qwen −3 %.
لماذا تدفع الصينية أقل في النماذج الصينية؟
تدفع الصينية المبسطة 25 % في ChatGPT / Copilot، لكن −9 % في Qwen و−6 % في DeepSeek. بنت Alibaba (Qwen) وDeepSeek مجزّئاتهما من نصوص صينية أكثر بكثير، فصارت للكلمات الصينية الشائعة توكنز خاصة بها. المجزّئ أرخص ما يكون للغات التي بُني لها.
كم تبلغ ضريبة التوكنز للغات الأكبر؟
اللغات الأكثر تحدثًا، والعربية، في النماذج الـ6 كلها:
| ChatGPT / Copilot | Gemini | Claude | Meta AI / Llama | DeepSeek | Qwen |
|---|
| Chinese (Simplified) | 25 % | 8 % | 14 % | 6 % | −6 % | −9 % |
| Spanish | 32 % | 29 % | 45 % | 30 % | 50 % | 31 % |
| Hindi | 57 % | 30 % | 116 % | 65 % | 180 % | 98 % |
| Standard Arabic | 38 % | 45 % | 81 % | 59 % | 62 % | 30 % |
| Portuguese | 23 % | 25 % | 37 % | 23 % | 42 % | 23 % |
| Russian | 42 % | 35 % | 32 % | 23 % | 58 % | 35 % |
| Japanese | 66 % | 21 % | 26 % | 31 % | 42 % | 16 % |
| French | 37 % | 40 % | 48 % | 37 % | 55 % | 38 % |
| German | 31 % | 32 % | 72 % | 30 % | 51 % | 30 % |
أي نموذج ذكاء اصطناعي له أقل ضريبة توكنز؟
مقيسة باللغة الوسيطة: ChatGPT / Copilot 75 %, Gemini 81 %, Claude 84 %, Meta AI / Llama 86 %, Qwen 90 % و DeepSeek 107 %.
أي اللغات تدفع الأقل؟
الإنجليزية، التي تُقاس بها ضريبة التوكنز (0 %). ولا تدفع أقل منها إلا الصينية في النماذج الصينية، انظر أعلاه. وبعد الإنجليزية، اللغات الخمس الأرخص في ChatGPT / Copilot هي Portuguese 23 %, Dutch 25 %, Chinese (Simplified) 25 %, Indonesian 25 % و Standard Malay 30 %.
أي اللغات تدفع الأكثر؟
أعداد المتحدثين الأصليين مأخوذة من ويكيبيديا (تعدادات سكانية وEthnologue). أغلى 10 لغات من 203 لغة في ChatGPT / Copilot، مع ضريبة التوكنز وعدد المتحدثين الأصليين:
- Santali 1 273 %: نحو 7,600,000 متحدث أصلي، أغلبهم في India, Bangladesh, Nepal؛ الكتابة: Ol Chiki.
- Tamasheq 921 %: نحو 900,000 متحدث أصلي، أغلبهم في Mali, Burkina Faso؛ الكتابة: Tifinagh. رقم غير مؤكد.
- Central Atlas Tamazight 915 %: نحو 2,700,000 متحدث أصلي، أغلبهم في Morocco؛ الكتابة: Tifinagh. رقم غير مؤكد.
- Dzongkha 803 %: نحو 171,000 متحدث أصلي، أغلبهم في Bhutan؛ الكتابة: Tibetan. رقم غير مؤكد.
- Lao 723 %: نحو 3,700,000 متحدث أصلي، أغلبهم في Laos؛ الكتابة: Lao.
- Standard Tibetan 713 %: نحو 1,200,000 متحدث أصلي، أغلبهم في China (Tibet), India, Nepal؛ الكتابة: Tibetan. رقم غير مؤكد.
- Shan 693 %: نحو 4,700,000 متحدث أصلي، أغلبهم في Myanmar, Thailand؛ الكتابة: Myanmar (Shan). رقم غير مؤكد.
- Tigrinya 500 %: نحو 9,900,000 متحدث أصلي، أغلبهم في Eritrea, Ethiopia؛ الكتابة: Ge'ez.
- Amharic 482 %: نحو 31,800,000 متحدث أصلي، أغلبهم في Ethiopia؛ الكتابة: Ge'ez.
- Odia 399 %: نحو 34,000,000 متحدث أصلي، أغلبهم في India (Odisha)؛ الكتابة: Odia.
هل تدفع اللغات ذات الكتابات الأخرى أكثر؟
ليس في المتوسط: في ChatGPT / Copilot تدفع اللغة الوسيطة بالحروف اللاتينية 72 %، والوسيطة بكتابة أخرى 79 %. لكن أغلى اللغات كلها لها كتاباتها الخاصة، مثل Santali (Ol Chiki), Tamasheq (Tifinagh), Dzongkha (Tibetan), Lao و Shan (Myanmar).
كيف أقيس ضريبة التوكنز لنصي؟
عُدّ توكنز نصك وترجمته الإنجليزية بمجزّئ النموذج الذي تستخدمه، واقسم الرقم الأول على الثاني. مجزّئ OpenAI متاح للعموم؛ وتعدّ Anthropic وGoogle التوكنز عبر واجهاتهما البرمجية. الجملة الواحدة تعطي رقمًا تقريبيًا؛ وكلما زاد النص زادت الموثوقية.
بقلم Sara Moricz، عالمة بيانات باحثة. حُدّثت في 2026-10-26.
In English
Standard Arabic needs 38 % more tokens than English for the same text on ChatGPT / Copilot. So your quota runs out about 38 % faster, chat memory fills up just as much faster, and answers take just as much longer. Standard Arabic ranks 187 of 203 languages, where 1 is the most expensive. Across 6 current AI tokenizers, the token tax ranges from 30 % (Qwen) to 81 % (Claude). Measured on 1,012 FLORES-200 sentences.