قیمت و API مدل DeepSeek V3.1 در ایران
deepseek/deepseek-chat-v3.1
toolsreasoningjsonشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند. cache ورودی: 159,569 تومان / 1M.قیمتها و شارژ
کد آمادهٔ DeepSeek V3.1: خروجی JSON با اسکیمای مشخص
نمونه بر اساس قابلیتهای همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا میشود.
from openai import OpenAI
import json
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
schema = {
"name": "ticket",
"schema": {
"type": "object",
"properties": {
"category": {"type": "string", "enum": ["fani", "mali", "forush"]},
"priority": {"type": "integer", "minimum": 1, "maximum": 5},
"summary": {"type": "string"},
},
"required": ["category", "priority", "summary"],
"additionalProperties": False,
},
"strict": True,
}
resp = client.chat.completions.create(
model="deepseek/deepseek-chat-v3.1",
messages=[{"role": "user", "content": "تیکت: «دو روزه نمیتونم فاکتور دانلود کنم و پرداختم هم دوباره کسر شد.»"}],
response_format={"type": "json_schema", "json_schema": schema},
)
print(json.loads(resp.choices[0].message.content))import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });
const resp = await client.chat.completions.create({
model: "deepseek/deepseek-chat-v3.1",
messages: [{ role: "user", content: "تیکت: «دو روزه نمیتونم فاکتور دانلود کنم و پرداختم هم دوباره کسر شد.»" }],
response_format: {
type: "json_schema",
json_schema: {
name: "ticket",
strict: true,
schema: {
type: "object",
properties: {
category: { type: "string", enum: ["fani", "mali", "forush"] },
priority: { type: "integer", minimum: 1, maximum: 5 },
summary: { type: "string" },
},
required: ["category", "priority", "summary"],
additionalProperties: false,
},
},
},
});
console.log(JSON.parse(resp.choices[0].message.content));curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek/deepseek-chat-v3.1",
"messages": [{"role": "user", "content": "تیکت را دستهبندی کن و اولویت ۱ تا ۵ بده."}],
"response_format": {"type": "json_object"}
}'DeepSeek V3.1 برای چه کاری خوب است؟
DeepSeek V3.1 یکی از مدلهای DeepSeek است و در یوتاپن با شناسهٔ «deepseek/deepseek-chat-v3.1» صدا زده میشود. در هر فراخوانی تا ۱۶۳٬۸۴۰ توکن ورودی میپذیرد؛ برای متن فارسی این تقریباً ۴۱۰ صفحهٔ A4 است، پس چند فایل یا یک سند بلند را میشود یکجا داد. حداکثر طول پاسخ در هر فراخوانی ۱۴۴٬۹۰۰ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزانتر از ۱۸۶ مدل و گرانتر از ۲۲۰ مدل پولی دیگر کاتالوگ.
چه کارهایی از آن برمیآید: 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.
برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفتوبرگشت با این مدل حدود ۸۳۰ تومان است (۱۵۹٬۵۶۹ تومان ورودی و ۴۷۸٬۷۰۶ تومان خروجی بهازای ۱M توکن). cache ورودی دارد: توکنهای تکراری context با ۱۵۹٬۵۶۹ 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 Aion-2.0 است: DeepSeek V3.1 تقریباً 1.1 برابر ارزانتر از آن تمام میشود و پنجرهٔ context آن بزرگتر 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 ۱۲۰ درخواست ۱٬۰۰۰ کلمهای روی DeepSeek V3.1 جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۲۰۵ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۳۸٬۲۷۵ تومان میشود. پر کردن کامل پنجرهٔ ۱۶۳٬۸۴۰ توکنی این مدل فقط از سمت ورودی ۲۶٬۱۴۴ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «deepseek/deepseek-r1-0528» است و انتخاب بین این دو همان جایی است که بیشتر آدمها گیر میکنند. روی یک درخواست ۱٬۰۰۰ کلمهای، این نسخه 1.2 برابر ارزانتر از آن درمیآید (۸۳۰ در برابر ۹۹۹ تومان). حداکثر طول پاسخ هم فرق دارد: ۱۴۴٬۹۰۰ در برابر ۳۲٬۷۶۸ توکن.
DeepSeek در کاتالوگ ما ۱۷ مدل دارد؛ ارزانترینشان DeepSeek V4 Flash Latest با ۷۹ تومان و گرانترین DeepSeek V4 Pro 0813 (batch) با ۱٬۹۹۱ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کمتکرار، این مدل logit_bias، logprobs، min_p، repetition_penalty، top_k، top_logprobs را میپذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر اندازهٔ context نزدیکترین گزینه از تأمینکنندهٔ دیگر Llama Guard 4 12B با ۱۶۳٬۸۴۰ توکن است.
کجا انتخاب درستی است: کار پرحجم مثل دستهبندی، برچسبگذاری و خلاصهسازی انبوه، حل مسئلهٔ منطقی و بازبینی کد، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص.
DeepSeek-V3.1 is a large hybrid reasoning model (671B parameters, 37B active) that supports both thinking and non-thinking modes via prompt templates. It extends the DeepSeek-V3 base with a two-phase long-context...
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 | 431 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 925 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 28,722 تومان |
سؤالهای پرتکرار
- چطور با DeepSeek V3.1 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 «deepseek/deepseek-chat-v3.1» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت DeepSeek V3.1 به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۱۵۹٬۵۶۹ تومان و هر ۱ میلیون توکن خروجی ۴۷۸٬۷۰۶ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۸۳۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- DeepSeek V3.1 چند توکن ورودی میگیرد؟
- تا ۱۶۳٬۸۴۰ توکن در هر درخواست؛ برای متن فارسی حدود ۱۲۳ هزار کلمه. حداکثر طول پاسخ هم ۱۴۴٬۹۰۰ توکن است.
- آیا DeepSeek V3.1 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. خروجی ساختیافته با response_format هم کار میکند.