DeepSeek V4 Flash Vision Exp یا R1 Distill Llama 70B؟
هر دو با همان کلید و همان کد در یوتاپن کار میکنند؛ فقط مقدار model عوض میشود. پس میتوانی بدون تغییر معماری، هر دو را روی کار واقعی خودت تست کنی. از نظر هزینه، DeepSeek V4 Flash Vision Exp حدود ۱٫۸ برابر ارزانتر تمام میشود.
| ویژگی | ||
|---|---|---|
| تأمینکننده | DeepSeek | DeepSeek |
| شناسهٔ مدل | deepseek/deepseek-v4-flash-vision-exp | deepseek/deepseek-r1-distill-llama-70b |
| context | 1,048,576 توکن | 8,192 توکن |
| حداکثر خروجی | 384,000 توکن | 7,372 توکن |
| ورودی / ۱M توکن | 63,828 تومان | 232,100 تومان |
| خروجی / ۱M توکن | 191,483 تومان | 232,100 تومان |
| ≈ یک درخواست ۱٬۰۰۰ کلمهای | 332 تومان | 603 تومان |
| cache ورودی | 2,031 تومان / ۱M | ندارد |
| ورودی تصویر | دارد | ندارد |
| ورودی فایل | ندارد | ندارد |
| tool calling | دارد | ندارد |
| خروجی JSON | دارد | ندارد |
| حالت استدلال | دارد | دارد |
کدام برای چه کاری؟
DeepSeek V4 Flash Vision Exp
- مسئلههای چندمرحلهای، ریاضی و دیباگ
- تحلیل اسناد بلند و کدبیس در یک درخواست
- خواندن تصویر، فاکتور و فرم
- ایجنت و اتصال به API و دیتابیس
- کار پرحجم با هزینهٔ کم
332 تومان برای هر ۱٬۰۰۰ کلمه · صفحهٔ مدل
تست هر دو با یک کد
فقط model را بین دو شناسه عوض کن و همان درخواست را دو بار بفرست؛ هزینهٔ هر پاسخ در هدر X-Uttapen-Cost-Toman برمیگردد.
curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek/deepseek-v4-flash-vision-exp",
"messages": [{"role": "user", "content": "سلام! خودت را معرفی کن."}],
"stream": true
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.uttapen.ir/v1",
api_key="sk-up-…",
)
stream = client.chat.completions.create(
model="deepseek/deepseek-v4-flash-vision-exp",
messages=[{"role": "user", "content": "سلام! خودت را معرفی کن."}],
stream=True,
)
for chunk in stream:
print(chunk.choices[0].delta.content or "", end="", flush=True)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uttapen.ir/v1",
apiKey: "sk-up-…",
});
const stream = await client.chat.completions.create({
model: "deepseek/deepseek-v4-flash-vision-exp",
messages: [{ role: "user", content: "سلام! خودت را معرفی کن." }],
stream: true,
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}<?php
// composer require openai-php/client guzzlehttp/guzzle
$client = OpenAI::factory()
->withBaseUri('https://api.uttapen.ir/v1')
->withApiKey('sk-up-…')
->make();
$result = $client->chat()->create([
'model' => 'deepseek/deepseek-v4-flash-vision-exp',
'messages' => [['role' => 'user', 'content' => 'سلام! خودت را معرفی کن.']],
]);
echo $result->choices[0]->message->content;package main
import (
"context"
"fmt"
"github.com/openai/openai-go"
"github.com/openai/openai-go/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://api.uttapen.ir/v1"),
option.WithAPIKey("sk-up-…"),
)
resp, err := client.Chat.Completions.New(context.Background(), openai.ChatCompletionNewParams{
Model: "deepseek/deepseek-v4-flash-vision-exp",
Messages: []openai.ChatCompletionMessageParamUnion{openai.UserMessage("سلام! خودت را معرفی کن.")},
})
if err != nil {
panic(err)
}
fmt.Println(resp.Choices[0].Message.Content)
}model = "deepseek/deepseek-r1-distill-llama-70b"
مقایسههای دیگر: همهٔ جفتها · رتبهبندی مدلها · فهرست کامل
base_url = https://api.uttapen.ir/v1