Granite 4.0 Micro یا Laguna XS 2.1؟
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، Granite 4.0 Micro حدود ۱٫۴ برابر ارزانتر تمام میشود.
| ویژگی | Granite 4.0 Micro | |
|---|---|---|
| تأمینکننده | IBM Granite | Poolside |
| شناسهٔ مدل | ibm-granite/granite-4.0-h-micro | poolside/laguna-xs-2.1 |
| context | 131,000 توکن | 262,144 توکن |
| حداکثر خروجی | 117,900 توکن | 32,768 توکن |
| ورودی / ۱M توکن | 4,932 تومان | 17,408 تومان |
| خروجی / ۱M توکن | 32,494 تومان | 34,815 تومان |
| ≈ یک درخواست ۱٬۰۰۰ کلمهای | 49 تومان | 68 تومان |
| cache ورودی | ندارد | 8,704 تومان / ۱M |
| ورودی تصویر | ندارد | ندارد |
| ورودی فایل | ندارد | ندارد |
| tool calling | ندارد | دارد |
| خروجی JSON | دارد | ندارد |
| حالت استدلال | ندارد | دارد |
کدام برای چه کاری؟
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": "ibm-granite/granite-4.0-h-micro",
"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="ibm-granite/granite-4.0-h-micro",
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: "ibm-granite/granite-4.0-h-micro",
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' => 'ibm-granite/granite-4.0-h-micro',
'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: "ibm-granite/granite-4.0-h-micro",
Messages: []openai.ChatCompletionMessageParamUnion{openai.UserMessage("سلام! خودت را معرفی کن.")},
})
if err != nil {
panic(err)
}
fmt.Println(resp.Choices[0].Message.Content)
}model = "poolside/laguna-xs-2.1"
مقایسههای دیگر: همهٔ جفتها · رتبهبندی مدلها · فهرست کامل
base_url = https://api.uttapen.ir/v1