Skip to content

README.md

Latest commit

 

History

History
75 lines (60 loc) · 4.96 KB

README.md

File metadata and controls

75 lines (60 loc) · 4.96 KB
Raw

بررسی صورت‌حساب بینایی Anthropic

🌐 ترجمه‌شده: همهٔ زبان‌ها

چرا وجود دارد: گیت سودآوری فقط زمانی امن است که تخمین هزینه دقیق باشد. فرمولی که کمی خطا داشته باشد ممکن است بلاک‌هایی را تبدیل کند که در واقع هزینهٔ بیشتری دارند. پس این بررسی فرمول را پیش از عرضه با اعداد واقعی API — تا باقی‌ماندهٔ صفر — تطبیق می‌دهد.

what the sweep decides, visually:

  patch model     ⌈w/28⌉ × ⌈h/28⌉ + overhead        ← current docs
  retired /750    (w · h) / 750                       ← old formula
                       │
                       ▼  probe geometries chosen to separate the two by 25–180 tokens/row
  measured 1568×728 page = 1,460 tokens
     patch predicts 1,456  ✅   (residual ~0)
     /750  predicts 1,522  ✗   (off by 62)

بررسی رایگان count_tokens که دو پرسش باز دربارهٔ هندسه را تعیین می‌کند:

  1. فرمول — آیا API پچ‌های ceil(w/28) × ceil(h/28) (مستندات فعلی) را صورت‌حساب می‌کند یا w·h/750 بازنشسته‌شده را؟ مجموعهٔ پروب این دو را با ۲۵ تا ۱۸۰ توکن به‌ازای هر ردیف تفکیک می‌کند.
  2. لایه — آیا claude-fable-5 سقف‌های وضوح‌بالا را دریافت می‌کند (لبهٔ بلند ≤ 2576 پیکسل، ≤ 4784 توکن بصری)؟ ردیف page-old-1928x1928 تصمیم‌گیرنده است: حدود ۴۷۶۱ اندازه‌گیری‌شده یعنی WYSIWYG وضوح‌بالا (صفحهٔ بزرگ قدیمی حدود ۳.۳ برابر کاراکتر بیشتر به‌ازای هر تصویر دارد نسبت به 1568×728 امروزی، با همان کاراکتر بر توکن)؛ حدود ۱۵۲۱ یعنی تغییر نمونهٔ لایهٔ استاندارد، و 1568×728 صحیح می‌ماند.

زمینه: بررسی 2026-07-01 پشت صفحهٔ فعلی 1568×728 (حسابرسی خوانایی، 2026-07-01) روی claude-sonnet-4-5 — یک مدل لایهٔ استاندارد — اندازه‌گیری شد، در حالی که تولید هدفش Fable 5 است، که مستندات بینایی آن را در لایهٔ وضوح‌بالا قرار می‌دهند. آن حسابرسی همچنین صفحهٔ فعلی را در 1460 توکن اندازه‌گیری کرد: نزدیک‌تر به 1456 فرمول پچ نسبت به 1522 مربوط به /750، که نشان می‌دهد API از قبل به صورت‌حساب پچ منتقل شده بود.

اجرا

pnpm run build                              # پیش‌نیاز dist/ (مانند همهٔ evalها)
node benchmarks/billing-sweep/run.mjs --dry-run   # فقط پیش‌بینی‌ها، بدون کلید، $0

ANTHROPIC_API_KEY=sk-... node benchmarks/billing-sweep/run.mjs \
  --models claude-fable-5,claude-sonnet-4-5 --probe-multi --probe-20plus

باید مستقیماً به API برخورد کند — هرگز از طریق پراکسی OmniGlyph، که بدنه را تبدیل می‌کند. count_tokens رایگان است؛ بررسی کامل حدود ۲۵ درخواست می‌سازد.

خواندن خروجی

به‌ازای هر مدل، هر ردیف پروب توکن‌های تصویر اندازه‌گیری‌شده را (با تصویر منهای خط پایهٔ فقط-متن) در برابر هر چهار پیش‌بینی (patch/legacy750 × standard/highres) نشان می‌دهد؛ خلاصه فرضیه‌ها را بر اساس میانگین باقی‌ماندهٔ مطلق رتبه‌بندی می‌کند. --probe-multi سقف به‌ازای هر تصویر را بررسی می‌کند (2×1092² ≈ 2×1521)؛ --probe-20plus قانون بیش از ۲۰ تصویر را بررسی می‌کند (یک لبهٔ بیش از 2000 پیکسل باید رد شود، نه تغییر نمونه). ردیف‌ها در results/*.jsonl قرار می‌گیرند؛ ریاضیات پیش‌بینی در formulas.mjs است، پین‌شده توسط tests/billing-sweep-formulas.test.ts.

پس از حکم

  • فرمول پچ تأیید شد → OmniGlyph PR #27 (تبدیل تغییر اندازهٔ دقیق) را پورت کنید و ریاضیات گیت ANTHROPIC_PIXELS_PER_TOKEN را در src/core/transform.ts هم‌راستا کنید.
  • لایهٔ وضوح‌بالا روی Fable تأیید شد → یک هندسهٔ صفحهٔ به‌ازای هر لایه را دوباره معرفی کنید (صفحاتی از رده‌ی 1928×1928 برای Fable/Opus 4.8/Sonnet 5، 1568×728 برای استاندارد)، مشابه نحوهٔ نگهداری GPT_MAX_HEIGHT_PX خودش در مسیر GPT.