چطور با UI-TARS 7B 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 «bytedance/ui-tars-1.5-7b» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت UI-TARS 7B به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۵۸٬۰۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۱۳ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

UI-TARS 7B چند توکن ورودی میگیرد؟

تا ۱۲۸٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۶ هزار کلمه. حداکثر طول پاسخ هم ۲٬۰۴۸ توکن است.

آیا UI-TARS 7B استریم و ورودی تصویر را پشتیبانی میکند؟

استریم (stream=true) روی همهٔ مدلها فعال است. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته میشود. خروجی ساختیافته با response_format هم کار میکند.

قیمت و API مدل UI-TARS 7B در ایران

bytedance/ui-tars-1.5-7b

visionjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

29,013 تومان

خروجی · هر ۱M توکن

58,025 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

113 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 29,013 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ UI-TARS 7B : 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": "bytedance/ui-tars-1.5-7b",
    "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="bytedance/ui-tars-1.5-7b",
    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: "bytedance/ui-tars-1.5-7b",
  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));

UI-TARS 7B برای چه کاری خوب است؟

ByteDance این مدل را منتشر کرده و ما آن را با نام «bytedance/ui-tars-1.5-7b» عرضه می‌کنیم. پنجرهٔ context آن ۱۲۸٬۰۰۰ توکن است — تقریباً ۹۶ هزار کلمهٔ فارسی، یا حدود ۳۲۰ صفحهٔ A4 در یک درخواست. حداکثر طول پاسخ در هر فراخوانی ۲٬۰۴۸ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۳۳ مدل و گران‌تر از ۳۷۳ مدل پولی دیگر کاتالوگ.

آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی است؛ با response_format خروجی JSON معتبر می‌دهد و مستقیم به کد وصل می‌شود. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند.

قیمت ورودی ۲۹٬۰۱۳ و خروجی ۵۸٬۰۲۵ تومان به‌ازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمه‌ای روی UI-TARS 7B تقریباً ۱۱۳ تومان درمی‌آید. cache ورودی دارد: توکن‌های تکراری context با ۲۹٬۰۱۳ 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 Nemotron 3.5 Content Safety است: UI-TARS 7B تقریباً 1.3 برابر ارزان‌تر 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 ۸۸۵ درخواست ۱٬۰۰۰ کلمه‌ای روی UI-TARS 7B جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۸٬۸۵۰ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۸۷٬۰۳۸ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۲۸٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۳٬۷۱۴ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

از پارامترهای کم‌تکرار، این مدل logit_bias، logprobs، repetition_penalty، top_k، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning، response_format، tool_choice 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 Micro 1.0 با ۱۲۸٬۰۰۰ توکن است.

کاربردهایی که برای این مدل معنی می‌دهد: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، استخراج متن و داده از تصویر، استخراج داده با اسکیمای مشخص.

توضیح رسمی تأمین‌کننده (انگلیسی)

UI-TARS-1.5 is a multimodal vision-language agent optimized for GUI-based environments, including desktop interfaces, web browsers, mobile systems, and games. Built by ByteDance, it builds upon the UI-TARS framework with reinforcement...

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	67 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	151 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	4,642 تومان

سؤال‌های پرتکرار

چطور با UI-TARS 7B 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 «bytedance/ui-tars-1.5-7b» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت UI-TARS 7B به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۵۸٬۰۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۱۳ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
UI-TARS 7B چند توکن ورودی می‌گیرد؟: تا ۱۲۸٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۶ هزار کلمه. حداکثر طول پاسخ هم ۲٬۰۴۸ توکن است.
آیا UI-TARS 7B استریم و ورودی تصویر را پشتیبانی می‌کند؟: استریم (stream=true) روی همهٔ مدل‌ها فعال است. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته می‌شود. خروجی ساخت‌یافته با response_format هم کار می‌کند.