چطور با Claude Fable 5 (batch) در ایران کار کنم؟

در یوتاپن ثبتنام کن، کیف پول را تومانی شارژ کن، کلید API بساز و در SDK رسمی OpenAI فقط base_url را به https://api.uttapen.ir/v1 و model را به «anthropic/claude-fable-5:batch» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Claude Fable 5 (batch) به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۱٬۴۵۰٬۶۲۵ تومان و هر ۱ میلیون توکن خروجی ۷٬۲۵۳٬۱۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۱٬۳۱۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Claude Fable 5 (batch) چند توکن ورودی میگیرد؟

تا ۱٬۰۰۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۷۵۰ هزار کلمه. حداکثر طول پاسخ هم ۱۲۸٬۰۰۰ توکن است.

آیا Claude Fable 5 (batch) استریم و tool calling را پشتیبانی میکند؟

استریم (stream=true) روی همهٔ مدلها فعال است. این مدل tool calling را با همان قالب OpenAI پشتیبانی میکند. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته میشود. خروجی ساختیافته با response_format هم کار میکند.

قیمت و API مدل Claude Fable 5 (batch) در ایران

anthropic/claude-fable-5:batch

visiontoolsreasoningjsonfiles

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

1,450,625 تومان

خروجی · هر ۱M توکن

7,253,125 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

11,315 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 145,063 تومان / 1M. جستجوی وب: 2,901.25 تومان / درخواست.قیمت‌ها و شارژ

کد آمادهٔ Claude Fable 5 (batch): خواندن تصویر و استخراج داده

نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.

# tip: a data URI works too — base64 the file and prefix it with data:image/jpeg;base64,
curl https://api.uttapen.ir/v1/chat/completions \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-fable-5:batch",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "شمارهٔ فاکتور و مبلغ کل را فقط به‌صورت JSON بده."},
        {"type": "image_url", "image_url": {"url": "https://example.com/factor.jpg"}}
      ]
    }]
  }'

import base64, json
from openai import OpenAI

client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")

img = base64.b64encode(open("factor.jpg", "rb").read()).decode()

resp = client.chat.completions.create(
    model="anthropic/claude-fable-5:batch",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "شمارهٔ فاکتور، تاریخ و مبلغ کل را در JSON برگردان."},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img}"}},
        ],
    }],
    response_format={"type": "json_object"},
)
print(json.loads(resp.choices[0].message.content))

import OpenAI from "openai";
import { readFileSync } from "node:fs";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });
const img = readFileSync("factor.jpg").toString("base64");

const resp = await client.chat.completions.create({
  model: "anthropic/claude-fable-5:batch",
  messages: [{
    role: "user",
    content: [
      { type: "text", text: "شمارهٔ فاکتور، تاریخ و مبلغ کل را در JSON برگردان." },
      { type: "image_url", image_url: { url: `data:image/jpeg;base64,${img}` } },
    ],
  }],
  response_format: { type: "json_object" },
});
console.log(JSON.parse(resp.choices[0].message.content));

Claude Fable 5 (batch) برای چه کاری خوب است؟

Claude Fable 5 (batch) از Anthropic می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «anthropic/claude-fable-5:batch». Claude Fable 5 (batch) تا ۱٬۰۰۰٬۰۰۰ توکن را در یک درخواست نگه می‌دارد (نزدیک ۷۵۰ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین می‌کند. حداکثر طول پاسخ در هر فراخوانی ۱۲۸٬۰۰۰ توکن است. از نظر قیمت در دستهٔ «گران» است — ارزان‌تر از ۳۷۱ مدل و گران‌تر از ۳۵ مدل پولی دیگر کاتالوگ.

چه کارهایی از آن برمی‌آید: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی است؛ فایل (مثل PDF) را به‌عنوان ورودی می‌پذیرد؛ tool calling دارد، یعنی می‌تواند تابع‌های خودت را با آرگومان درست صدا بزند؛ با response_format خروجی JSON معتبر می‌دهد و مستقیم به کد وصل می‌شود؛ حالت استدلال دارد و روی مسئلهٔ چندمرحله‌ای، ریاضی و دیباگ بهتر جواب می‌دهد. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند. توجه کن که توکن‌های استدلال هم توکن خروجی محسوب می‌شوند و در صورتحساب می‌آیند.

۱٬۴۵۰٬۶۲۵ تومان برای هر ۱M توکن ورودی و ۷٬۲۵۳٬۱۲۵ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «گران» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمه‌ای ≈ ۱۱٬۳۱۵ تومان. cache ورودی دارد: توکن‌های تکراری context با ۱۴۵٬۰۶۳ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر GPT-6 Astra Pro (batch) است: Claude Fable 5 (batch) تقریباً 1 برابر گران‌تر از آن تمام می‌شود و پنجرهٔ context آن کوچک‌تر است. هر دو با همان کلید و همان کد کار می‌کنند، پس عوض‌کردن‌شان فقط تغییر یک رشته است.

برای اینکه عدد قابل تصور شود: با ۱۰۰ هزار تومان اعتبار، حدود ۹ درخواست ۱٬۰۰۰ کلمه‌ای روی Claude Fable 5 (batch) جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۸۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۸٬۷۰۳٬۷۵۰ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۰۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۱٬۴۵۰٬۶۲۵ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «anthropic/claude-fable-5» اشتباه گرفته می‌شود، چون هستهٔ مدل یکی است. تفاوت در پسوند است: «batch» در برابر نسخهٔ استاندارد. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 2 برابر ارزان‌تر از آن درمی‌آید (۱۱٬۳۱۵ در برابر ۲۲٬۶۳۰ تومان). در پارامترها آن یکی max_completion_tokens را.

Anthropic در کاتالوگ ما ۳۱ مدل دارد؛ ارزان‌ترین‌شان Claude 3 Haiku با ۵۶۶ تومان و گران‌ترین Claude Opus 4.1 با ۳۳٬۹۴۵ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل reasoning_effort، verbosity را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض temperature، top_p، seed را که بیشتر مدل‌ها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر اندازهٔ context نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Nova 2 Lite با ۱٬۰۰۰٬۰۰۰ توکن است.

کجا انتخاب درستی است: کارهایی که کیفیت پاسخ در آن‌ها از هزینه مهم‌تر است، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.

توضیح رسمی تأمین‌کننده (انگلیسی)

Claude Fable 5 is a Mythos-class model from Anthropic, built for autonomous knowledge work and coding. It supports text, image, and file inputs with text output, with reasoning support and...

سه کار واقعی، با قیمت همین مدل

اعداد از همان قیمت‌های بالا حساب شده‌اند و با تغییر قیمت مدل تغییر می‌کنند.

کار	توکن	هزینه
یک نوبت گفتگو با تاریخچهٔ متوسط	1,500 ورودی + 400 خروجی	5,077 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	10,154 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	319,138 تومان

نسخه‌های دیگر همین مدل

هستهٔ مدل یکی است؛ هر نسخه شرایط اجرا و قیمت خودش را دارد. نسخهٔ فعلی: batch (ارزان‌تر، کندتر).

نسخه	شناسه	خروجی / ۱M	context
استاندارد	anthropic/claude-fable-5	14,506,250	1,000,000

شناسهٔ هر نسخه را عیناً در فیلد model بگذار؛ نیازی به تغییر کد دیگری نیست.

سؤال‌های پرتکرار

چطور با Claude Fable 5 (batch) در ایران کار کنم؟: در یوتاپن ثبت‌نام کن، کیف پول را تومانی شارژ کن، کلید API بساز و در SDK رسمی OpenAI فقط base_url را به https://api.uttapen.ir/v1 و model را به «anthropic/claude-fable-5:batch» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Claude Fable 5 (batch) به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۱٬۴۵۰٬۶۲۵ تومان و هر ۱ میلیون توکن خروجی ۷٬۲۵۳٬۱۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۱٬۳۱۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Claude Fable 5 (batch) چند توکن ورودی می‌گیرد؟: تا ۱٬۰۰۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۷۵۰ هزار کلمه. حداکثر طول پاسخ هم ۱۲۸٬۰۰۰ توکن است.
آیا Claude Fable 5 (batch) استریم و tool calling را پشتیبانی می‌کند؟: استریم (stream=true) روی همهٔ مدل‌ها فعال است. این مدل tool calling را با همان قالب OpenAI پشتیبانی می‌کند. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته می‌شود. خروجی ساخت‌یافته با response_format هم کار می‌کند.