قیمت و API مدل DeepSeek Pro (آخرین نسخه) در ایران
~deepseek/deepseek-pro-latest
این شناسه یک نام مستعار است و همیشه به جدیدترین نسخهٔ همین مدل میرسد؛ اگر میخواهی پاسخها با تغییر نسخه عوض نشود، شناسهٔ یک نسخهٔ مشخص را بفرست.
فراخوانی ابزاراستدلالخروجی JSONشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند. ورودی کششده: ۳۲٬۰۹۵ تومان بهازای هر ۱M توکن.قیمتها و شارژ
کد آمادهٔ DeepSeek Pro (آخرین نسخه): حل مسئلهٔ چندمرحلهای با حالت استدلال
نمونه بر اساس قابلیتهای همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا میشود.
from openai import OpenAI
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
resp = client.chat.completions.create(
model="~deepseek/deepseek-pro-latest",
messages=[{"role": "user", "content": (
"یک فروشگاه ۳ انبار دارد. انبار A روزی ۱۲۰ سفارش، B روزی ۸۵ و C روزی ۴۰ سفارش میفرستد. "
"اگر C تعطیل شود و بارش بین A و B نسبت به ظرفیتشان تقسیم شود، هر کدام روزی چند سفارش میفرستند؟ "
"مرحلهبهمرحله حساب کن و در پایان فقط دو عدد بده"
)}],
reasoning_effort="medium", # low | medium | high
)
print(resp.choices[0].message.content)
# reasoning tokens count as output tokens too:
print(resp.usage.completion_tokens_details)curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "~deepseek/deepseek-pro-latest",
"messages": [{"role": "user", "content": "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم میشود؛ مرحلهبهمرحله حساب کن"}],
"reasoning": {"effort": "medium"}
}'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-pro-latest",
messages: [{ role: "user", content: "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم میشود؛ مرحلهبهمرحله حساب کن و در پایان فقط دو عدد بده" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.completion_tokens_details);DeepSeek Pro (آخرین نسخه) برای چه کاری خوب است؟
DeepSeek Pro (آخرین نسخه) یکی از مدلهای DeepSeek است و در یوتاپن با شناسهٔ «~deepseek/
آنچه این مدل بیش از یک مدل متنی ساده انجام میدهد: 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 ۳٬۶۴۲ تومان است (۳۲٬۰۹۵ تومان ورودی و ۲٬۷۶۹٬۷۵۵ تومان خروجی بهازای ۱M توکن). cache ورودی دارد: توکنهای تکراری متن ورودی با ۳۲٬۰۹۵ تومان / ۱M حساب میشوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد، و درخواستی که ناموفق باشد هزینهای ندارد.
نزدیکترین گزینه با همین قابلیتها از تأمینکنندهٔ دیگر GLM 5.3 Prime است: DeepSeek Pro (آخرین نسخه) حدود ۲۹٪ ارزانتر از آن تمام میشود و حداکثر طول متنش بیشتر 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 ۲۷ درخواست ۱٬۰۰۰ کلمهای روی DeepSeek Pro (آخرین نسخه) جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۲۷۵ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲٬۸۰۱٬۸۴۹ تومان میشود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۳۳٬۶۵۴ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «deepseek/
DeepSeek در کاتالوگ ما ۱۸ مدل دارد؛ ارزانترینشان DeepSeek V4 Flash 0423 با ۱۲۳ تومان و گرانترین DeepSeek Pro (آخرین نسخه) با ۳٬۶۴۲ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کمتکرار، این مدل logit_bias، logprobs، min_p، presence_penalty، reasoning_effort، repetition_penalty را میپذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر طول متن نزدیکترین گزینه از تأمینکنندهٔ دیگر Ember-1 با ۱٬۰۴۸٬۵۷۶ توکن است.
کاربردهایی که برای این مدل معنی میدهد: چتبات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، حل مسئلهٔ منطقی و بازبینی کد، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
This model always redirects to the latest model in the DeepSeek Pro family.
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 | ۱٬۵۰۰ ورودی + ۴۰۰ خروجی | ۱٬۱۵۶ تومان |
| خلاصهکردن سند دهصفحهای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۱٬۷۹۰ تومان |
| دستهبندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۵۹٬۲۴۶ تومان |
تاریخچهٔ قیمت
| تاریخ | ورودی (تومان/۱M) | خروجی (تومان/۱M) |
|---|---|---|
| ۱۴ آبان ۱۴۰۵ | ۳۲٬۰۹۵ | ۲٬۷۶۹٬۷۵۵ |
| ۱۴ آبان ۱۴۰۵ | ۳۳٬۳۴۱ | ۲٬۷۶۹٬۷۵۵ |
| ۹ آبان ۱۴۰۵ | ۳۵٬۸۳۴ | ۲٬۷۶۹٬۷۵۵ |
| ۹ آبان ۱۴۰۵ | ۳۵٬۸۳۴ | ۱٬۳۸۴٬۸۷۷ |
| ۷ آبان ۱۴۰۵ | ۳۵٬۸۳۴ | ۲٬۷۶۹٬۷۵۵ |
| ۶ آبان ۱۴۰۵ | ۴۵٬۶۳۲ | ۲٬۷۶۹٬۷۵۵ |
| ۶ آبان ۱۴۰۵ | ۵۰٬۷۲۸ | ۱۵۲٬۱۸۴ |
| ۶ آبان ۱۴۰۵ | ۵۶٬۷۴۵ | ۲٬۷۶۹٬۷۵۵ |
| ۶ آبان ۱۴۰۵ | ۷۰٬۳۷۹ | ۲۱۱٬۱۳۸ |
| ۶ آبان ۱۴۰۵ | ۷۰٬۷۳۳ | ۲٬۷۶۹٬۷۵۵ |
| ۶ آبان ۱۴۰۵ | ۷۸٬۶۰۶ | ۲۳۵٬۸۱۷ |
| ۶ آبان ۱۴۰۵ | ۸۸٬۰۰۹ | ۲٬۷۶۹٬۷۵۵ |
هر تغییر قیمت این مدل ثبت میشود؛ ستون تومان با قیمت امروز محاسبه شده است.
سؤالهای پرتکرار
- چطور با DeepSeek Pro (آخرین نسخه) 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-pro-latest» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت DeepSeek Pro (آخرین نسخه) به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۳۲٬۰۹۵ تومان و هر ۱ میلیون توکن خروجی ۲٬۷۶۹٬۷۵۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۳٬۶۴۲ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- DeepSeek Pro (آخرین نسخه) چند توکن ورودی میگیرد؟
- تا ۱٬۰۴۸٬۵۷۶ توکن در هر درخواست؛ برای متن فارسی حدود ۷۸۶ هزار کلمه. حداکثر طول پاسخ هم ۳۹۳٬۲۱۶ توکن است.
- آیا DeepSeek Pro (آخرین نسخه) 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.