GLM 5.3 Flash یا Qwen3.5-9B (batch)؟
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، GLM 5.3 Flash حدود ۱٫۳ برابر ارزانتر تمام میشود.
| ویژگی | GLM 5.3 Flash | |
|---|---|---|
| تأمینکننده | Z.ai (GLM) | Qwen (Alibaba) |
| شناسهٔ مدل | z-ai/glm-5.3-flash | qwen/qwen3.5-9b:batch |
| context | 1,310,720 توکن | 262,144 توکن |
| حداکثر خروجی | 131,072 توکن | 235,929 توکن |
| ورودی / ۱M توکن | 21,759 تومان | 49,321 تومان |
| خروجی / ۱M توکن | 72,531 تومان | 72,531 تومان |
| ≈ یک درخواست ۱٬۰۰۰ کلمهای | 123 تومان | 158 تومان |
| cache ورودی | 4,352 تومان / ۱M | ندارد |
| ورودی تصویر | دارد | دارد |
| ورودی فایل | ندارد | ندارد |
| tool calling | دارد | دارد |
| خروجی JSON | دارد | دارد |
| حالت استدلال | دارد | دارد |
کدام برای چه کاری؟
GLM 5.3 Flash
- 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
123 تومان برای هر ۱٬۰۰۰ کلمه · صفحهٔ مدل
Qwen3.5-9B (batch)
- 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
158 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": "z-ai/glm-5.3-flash",
"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="z-ai/glm-5.3-flash",
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: "z-ai/glm-5.3-flash",
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' => 'z-ai/glm-5.3-flash',
'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: "z-ai/glm-5.3-flash",
Messages: []openai.ChatCompletionMessageParamUnion{openai.UserMessage("سلام! خودت را معرفی کن.")},
})
if err != nil {
panic(err)
}
fmt.Println(resp.Choices[0].Message.Content)
}model = "qwen/qwen3.5-9b:batch"
مقایسههای دیگر: همهٔ جفتها · رتبهبندی مدلها · فهرست کامل
base_url = https://api.uttapen.ir/v1