قیمت API مدل‌های هوش مصنوعی به تومان — مقایسهٔ GPT-5، Claude، Gemini، DeepSeek

وقتی قیمت مدل‌ها را به‌ازای «یک میلیون توکن» می‌بینی، تصور اینکه اپلیکیشن تو ماهانه چقدر خرج می‌کند سخت است. این مقاله قیمت تومانی API مدل‌های پرکاربرد، از GPT-5 (مدل پشت ChatGPT) تا Claude، Gemini و DeepSeek، را کنار هم می‌گذارد، با یک درخواست فارسی واقعی حساب می‌کند که هر مدل چند تومان می‌گیرد، و بعد سه محصول فرضی را تا رقم ماهانه جلو می‌برد. همهٔ عددهای تومانی این صفحه، از جدول تا سناریوهای ماهانه، هنگام ساخته‌شدن صفحه از کاتالوگ زندهٔ ما خوانده می‌شوند و معمولاً کمتر از یک ساعت از قیمت روز عقب‌اند؛ نرخ دلار و قیمت سازنده‌ها که عوض شود، این‌ها هم عوض می‌شوند. قیمت لحظه‌ای هر مدل در صفحهٔ همان مدل (مثلاً GPT-5) و از طریق GET /v1/models هم در دسترس است.

واحدها را درست بخوان

هر مدل دو قیمت دارد: یکی برای توکن‌های ورودی (هر چیزی که تو می‌فرستی: پیام system، سؤال کاربر، تاریخچهٔ گفتگو، محتوای فایل) و یکی برای توکن‌های خروجی (هر چیزی که مدل تولید می‌کند، از جمله توکن‌های استدلال در مدل‌های reasoning). قیمت‌ها به‌ازای یک میلیون توکن اعلام می‌شود چون عدد یک توکن آن‌قدر کوچک است که خواندنی نیست؛ ولی صورت‌حساب واقعی تو به‌ازای همان چند صد توکنِ هر درخواست محاسبه می‌شود، با دقت تا کسر تومان.

در پاسخ GET /v1/models/openai/gpt-5 بلوک pricing را می‌بینی که همهٔ اجزای قیمت را به تومان به‌ازای هر توکن می‌دهد و فیلد pricing_currency با مقدار IRT تأکید می‌کند که واحد تومان است. برای رسیدن به عدد «هر یک میلیون» کافی است در یک میلیون ضرب کنی. هر پاسخ غیراستریم هم هدر X-Uttapen-Cost-Toman دارد که هزینهٔ همان درخواست را دقیق می‌گوید؛ این هدر بهترین ماشین‌حساب است.

جدول قیمت به تومان

ستون آخر هزینهٔ یک درخواست معمولی فارسی است: حدود ۱٬۰۰۰ کلمه ورودی (پیام system به‌اضافهٔ سؤال کاربر و کمی تاریخچه) که با توکنایزر o200k_base تقریباً ۱٬۷۸۰ توکن می‌شود، و ۵۰۰ کلمه پاسخ که حدود ۸۹۰ توکن است. چرا فارسی این‌قدر توکن می‌خورد را در مقالهٔ توکن با اعداد واقعی نشان داده‌ایم.

عددهای جدول با قیمت روز ساخته می‌شوند؛ هزینهٔ دقیق هر درخواست تو را هدر X-Uttapen-Cost-Toman پاسخ می‌گوید.

چند چیز از همین جدول بیرون می‌زند. اول اینکه فاصلهٔ ارزان‌ترین و گران‌ترین مدل حدود دویست برابر است؛ انتخاب مدل مهم‌ترین تصمیم مالی محصول توست، مهم‌تر از هر بهینه‌سازی پرامپت. دوم اینکه توکن خروجی همیشه چند برابر ورودی قیمت دارد (برای GPT-5 هشت برابر، برای Claude پنج برابر)؛ پس پاسخ‌های بی‌دلیل بلند بیشتر از پرامپت‌های بلند خرج دارند. سوم اینکه GPT-5 و Gemini 2.5 Pro قیمت ورودی و خروجی یکسانی دارند، و DeepSeek V3 با حدود سه‌پنجم هزینهٔ GPT-5 mini برای همین درخواست، در بسیاری از کارهای ساده به‌اندازهٔ کافی خوب است. همهٔ مدل‌های DeepSeek با قیمت و نمونه‌کد را در راهنمای API دیپ سیک و نسخه‌های Flash Lite، Flash و Pro گوگل را در راهنمای خرید API Gemini کنار هم گذاشته‌ایم.

رتبه‌بندی از ارزان به گران، برای همان درخواست فارسی

اگر فقط عدد ستون آخر را مرتب کنی، سه دستهٔ طبیعی می‌بینی که بینشان فاصلهٔ روشنی هست:

• ارزان‌ترین‌ها (تا حدود ۳۰۰ تومان): GPT-5 nano، Llama 3.3 70B، Gemini 2.5 Flash Lite، GPT-4o mini. برای دسته‌بندی، استخراج فیلد، تشخیص زبان، پاسخ‌های قالبی و هر جایی که حجم زیاد و پیچیدگی کم است.
• میانه (حدود ۴۰۰ تا — تومان): DeepSeek V3.1، DeepSeek V3، Qwen3 Coder، GPT-5 mini، Gemini 2.5 Flash، Kimi K2، DeepSeek R1. اینجا بیشترین محصول‌های واقعی زندگی می‌کنند: چت پشتیبانی، تولید محتوای پیش‌نویس، خلاصه‌سازی، کدنویسی روزمره.
• گران‌ها (از حدود ۲٬۲۰۰ تومان به بالا): Claude Haiku 4.5، GPT-4.1، GPT-5، Gemini 2.5 Pro، Claude Sonnet 4.5، و در انتها Claude Opus 4.1 با اختلاف زیاد. برای استدلال چندمرحله‌ای، بازبینی کد، متن‌های حساس و جایی که یک خطا از صد درخواست گران‌تر است.

نکتهٔ مهم: این رتبه‌بندی برای الگوی «ورودی دو برابر خروجی» است. اگر کارت خلاصه‌سازی است (ورودی خیلی بزرگ، خروجی کوچک)، مدل‌هایی که ورودی ارزان دارند جلو می‌افتند؛ اگر تولید متن بلند است، قیمت خروجی تعیین‌کننده می‌شود و فاصله‌ها بیشتر باز می‌شود.

هزینه در مقیاس: سه سناریوی واقعی

عدد یک درخواست به تنهایی معنا ندارد؛ بگذار سه محصول فرضی را حساب کنیم. در هر سه، همان درخواست ۱٬۰۰۰ کلمه‌ای بالا مبنای محاسبه است مگر اینکه خلافش گفته شود.

پشتیبانی هوشمند یک فروشگاه با ۳٬۰۰۰ گفتگو در ماه. با google/gemini-2.5-flash می‌شود حدود ۲٬۸۷۰٬۰۰۰ تومان در ماه. با openai/gpt-5-mini حدود ۲٬۳۱۰٬۰۰۰ تومان. با deepseek/deepseek-chat حدود ۱٬۴۳۰٬۰۰۰ تومان. با anthropic/claude-sonnet-4.5 حدود ۱۹٬۴۰۰٬۰۰۰ تومان. برای پشتیبانی فروشگاهی که کار اصلی‌اش پیدا کردن وضعیت سفارش و جواب سؤال‌های تکراری است، مدل ارزان معمولاً کافی است؛ کیفیت اینجا بیشتر از پرامپت و tool calling می‌آید تا از مدل.

خلاصه‌سازی ۵۰۰ سند حقوقی در ماه، هر کدام ۵٬۰۰۰ کلمه. اینجا ورودی سنگین است: حدود ۸٬۹۰۰ توکن ورودی و شاید ۶۰۰ توکن خروجی به‌ازای هر سند. با google/gemini-2.5-flash هر سند حدود ۱٬۴۴۰ تومان و ماهانه حدود ۷۲۲٬۰۰۰ تومان. با openai/gpt-5 هر سند حدود ۵٬۹۳۰ تومان و ماهانه حدود ۲٬۹۶۰٬۰۰۰ تومان؛ یعنی حدود چهار برابر. اگر دقت حقوقی حیاتی است، این اختلاف ماهانه احتمالاً ارزشش را دارد؛ اگر خلاصه فقط برای مرور اولیه است، نه.

دستیار کدنویسی برای یک تیم ده‌نفره، هر نفر ۱۰۰ درخواست در روز. یعنی ۳۰٬۰۰۰ درخواست ماهانه، با ورودی بزرگ (فایل و context) که فرض می‌کنیم ۴٬۰۰۰ توکن و خروجی ۱٬۰۰۰ توکن باشد. با qwen/qwen3-coder هر درخواست حدود ۷۶۲ تومان و ماهانه حدود ۲۲٬۹۰۰٬۰۰۰ تومان. با anthropic/claude-sonnet-4.5 هر درخواست حدود ۹٬۳۵۰ تومان و ماهانه حدود ۲۸۰٬۰۰۰٬۰۰۰ تومان. اینجا اختلاف آن‌قدر بزرگ است که تیم‌ها معمولاً ترکیبی می‌روند: مدل ارزان برای تکمیل کد و مدل گران برای بازبینی و طراحی.

چیزهایی که در جدول نیست ولی پول می‌گیرد

قیمت‌گذاری مدل‌ها فقط دو ستون ورودی و خروجی نیست. این‌ها را از روی تجربه بدان:

• توکن‌های استدلال. مدل‌هایی مثل deepseek/deepseek-r1 و GPT-5 با reasoning_effort بالا، قبل از جواب «فکر می‌کنند» و آن توکن‌ها با قیمت خروجی شارژ می‌شوند. یک سؤال کوتاه می‌تواند چند هزار توکن استدلال تولید کند. مقدار دقیق در usage.completion_tokens_details.reasoning_tokens پاسخ می‌آید. توضیح کامل و راه‌های مهارش در مقالهٔ «مدل استدلالی چیست» آمده.
• جستجوی وب. بعضی مدل‌ها پارامتر جستجوی وب دارند و هر فراخوانی هزینهٔ ثابت جدا دارد؛ برای GPT-5 این هزینه حدود ۳٬۴۶۲ تومان به‌ازای هر درخواست است، مستقل از توکن‌ها. در بلوک pricing هر مدل با کلید web_search می‌آید.
• تصویر در ورودی. مدل‌های چندوجهی تصویر را به توکن تبدیل می‌کنند یا قیمت ثابت به‌ازای هر تصویر دارند؛ کلید image در pricing هر مدل را در /v1/models ببین.
• کش پرامپت. اگر ابتدای پرامپت‌هایت تکراری است (پیام system بلند، چند نمونهٔ ثابت)، ارائه‌دهندگان بزرگ توکن‌های کش‌شده را بسیار ارزان‌تر حساب می‌کنند: برای GPT-5 توکن ورودی کش‌شده حدود ۴۳٬۲۷۷ تومان به‌ازای هر میلیون است به‌جای ۴۳۲٬۷۷۴، و برای Claude Sonnet 4.5 حدود ۱۰۳٬۸۶۶ تومان به‌جای ۱٬۰۳۸٬۶۵۸؛ یعنی هزینهٔ API Claude برای بخش تکراری پرامپت یک‌دهم می‌شود؛ فقط بار اولی که آن بخش در کش نوشته می‌شود، Claude آن را گران‌تر از ورودی عادی حساب می‌کند (۱٫۲۵ برابر برای کش پنج‌دقیقه‌ای). برای OpenAI و Gemini این کش خودکار است؛ برای Anthropic باید cache_control را در پیام‌ها بگذاری. رقم کش‌شده در usage.prompt_tokens_details.cached_tokens گزارش می‌شود و کلید input_cache_read در pricing قیمتش را می‌گوید.

سازوکار شارژ: چرا اول بیشتر بلوکه می‌شود

قبل از اینکه درخواست به مدل برسد، هزینهٔ احتمالی آن برآورد و از موجودی قابل‌استفاده‌ات موقتاً بلوکه می‌شود: توکن‌های ورودی شمرده می‌شوند و برای خروجی، max_tokens تو در نظر گرفته می‌شود (اگر نفرستاده باشی، سقف پیش‌فرض ۳۲٬۷۶۸ توکن یا سقف خود مدل اگر کمتر است)، به‌علاوهٔ یک حاشیهٔ احتیاط کوچک. وقتی پاسخ کامل شد، هزینهٔ واقعی از روی مصرف گزارش‌شدهٔ همان درخواست حساب می‌شود، همان مبلغ کم می‌شود و بقیهٔ بلوکه آزاد می‌شود. قیمتی که در لحظهٔ شروع درخواست معتبر بوده، برای کل آن درخواست ثابت می‌ماند؛ تغییر قیمت وسط یک استریم طولانی، آن درخواست را گران‌تر نمی‌کند.

دو پیامد عملی: اگر موجودی به سقف درخواستی نرسد، درخواست رد نمی‌شود؛ سقف خروجی تا جایی که موجودی می‌کشد پایین می‌آید و عددش در هدر X-Uttapen-Max-Tokens می‌آید، پس ممکن است پاسخ با finish_reason: "length" کوتاه تمام شود. فقط وقتی موجودی حتی برای یک پاسخ حداقلی هم کافی نباشد 402 می‌گیری. و اگر استریم را وسط کار قطع کنی، فقط بابت توکن‌هایی که واقعاً تولید شده شارژ می‌شوی. جزئیات کامل در صفحهٔ قیمت‌گذاری است و هر ردیف تراکنش در داشبورد با شناسهٔ درخواست قابل پیگیری است.

مدل‌های رایگان

کاتالوگ فعلی حدود ۲۰ مدل رایگان با پسوند :free دارد که برایشان پولی کم نمی‌شود و بدون شارژ هم قابل استفاده‌اند (مگر اینکه موجودی‌ات منفی شده باشد). صادقانه: این‌ها ظرفیت مشترک هستند، سقف روزانهٔ ۵۰ درخواست به‌ازای هر کاربر دارند، و در ساعت‌های شلوغ ممکن است 429 بگیری. برای یادگیری، تست پرامپت و نمونهٔ اولیه عالی‌اند؛ برای محصولی که کاربر واقعی دارد، روی‌شان حساب نکن. وقتی سهم رایگان تمام شود، پیام خطا نزدیک‌ترین مدل پولی و قیمت تقریبی‌اش را پیشنهاد می‌دهد.

چطور هزینه را پایین بیاوریم

ترتیب اثرگذاری از روی تجربهٔ خودمان و مشتری‌ها:

1. مدل را با کار جور کن. دسته‌بندی، استخراج فیلد و پاسخ‌های قالبی را به مدل‌های ارزان بده و مدل گران را برای جایی نگه دار که استدلال چندمرحله‌ای لازم است. یک لایهٔ مسیریابی ساده (اگر پیام کوتاه بود مدل ارزان، وگرنه گران) اغلب نصف هزینه را کم می‌کند.
2. max_tokens را واقعی بگذار. هم برآورد بلوکه دقیق‌تر می‌شود، هم مدل کمتر پرحرفی می‌کند.
3. پیام system را کوتاه و ثابت نگه دار تا از کش پرامپت بهره ببری. هر کلمهٔ اضافه در system در هر درخواست تکرار می‌شود.
4. تاریخچهٔ گفتگو را هرس کن. فرستادن کل تاریخچه در هر پیام، هزینه را با هر رفت‌وبرگشت به‌صورت خطی بالا می‌برد. ده پیام آخر یا یک خلاصهٔ فشرده کافی است.
5. خروجی ساخت‌یافته بخواه. JSON کوتاه با فیلدهای مشخص، از یک پاراگراف توضیح ارزان‌تر است و پردازشش هم آسان‌تر.
6. برای هر کلید سقف ماهانه بگذار. این هزینه را کم نمی‌کند، ولی جلوی فاجعهٔ یک حلقهٔ بی‌نهایت در ساعت سه صبح را می‌گیرد.

این جدول کِی کهنه می‌شود

عددهای این صفحه با قیمت روز ساخته می‌شوند، ولی فهرست مدل‌ها و سناریوها را ما انتخاب کرده‌ایم و مدل‌های تازه را دوره‌ای اضافه می‌کنیم؛ تاریخ به‌روزرسانی متن بالای صفحه است. اگر داری تصمیم مالی می‌گیری، عدد را از صفحهٔ مدل یا از بلوک pricing در API هم بخوان. اگر می‌خواهی با کیف پول کوچک امتحان کنی و ببینی درخواست واقعی تو چند تومان می‌شود، یک حساب بساز، ۱۰۰ هزار تومان شارژ کن و هدر X-Uttapen-Cost-Toman هر پاسخ را نگاه کن؛ این دقیق‌ترین ماشین‌حساب است.