قیمت و API مدل R1 0528 در ایران

deepseek/deepseek-r1-0528

فراخوانی ابزاراستدلالخروجی JSON
ورودی · هر ۱M توکن
۱۷۳٬۱۱۰ تومان
خروجی · هر ۱M توکن
۷۴۴٬۳۷۲ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۱٬۱۹۳ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱۲۱٬۱۷۷ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ

کد آمادهٔ R1 0528: 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-r1-0528",
    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-r1-0528",
    "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-r1-0528",
  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);

R1 0528 برای چه کاری خوب است؟

شناسهٔ R1 0528 در API ما «deepseek/deepseek-r1-0528» است و تأمین‌کنندهٔ آن DeepSeek است. حداکثر طول متن (context) ۱۶۳٬۸۴۰ توکن است؛ حدود ۱۲۳ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۳۲٬۷۶۸ توکن است. از نظر قیمت در دستهٔ «میان‌رده» است — ارزان‌تر از ۱۸۲ مدل و گران‌تر از ۲۱۶ مدل پولی دیگر کاتالوگ.

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.

هر ۱ میلیون توکن ورودی ۱۷۳٬۱۱۰ تومان و هر ۱ میلیون توکن خروجی ۷۴۴٬۳۷۲ تومان است؛ خروجی ۴٫۳ برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱۲۱٬۱۷۷ 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 MiniMax M1 است: R1 0528 تقریباً هم‌قیمت آن تمام می‌شود و حداکثر طول متنش کمتر 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 ۸۴ درخواست ۱٬۰۰۰ کلمه‌ای روی R1 0528 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۸۳۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۹۱۷٬۴۸۱ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۶۳٬۸۴۰ توکنی این مدل فقط از سمت ورودی ۲۸٬۳۶۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «deepseek/deepseek-v3.1-terminus» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه حدود ۲٫۱ برابر گران‌تر از آن درمی‌آید (۱٬۱۹۳ در برابر ۵۷۲ تومان). حداکثر طول پاسخ هم فرق دارد: ۳۲٬۷۶۸ در برابر ۱۴۷٬۴۵۶ توکن. در پارامترها این مدل logit_bias، logprobs، min_p، presence_penalty را دارد.

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، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Llama Guard 4 12B با ۱۶۳٬۸۴۰ 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

May 28th update to the [original DeepSeek R1](/deepseek/deepseek-r1) Performance on par with [OpenAI o1](/openai/o1), but open-sourced and with fully open reasoning tokens. It's 671B parameters in size, with 37B active...

سه کار واقعی، با قیمت همین مدل

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

کارتوکنهزینه
یک نوبت گفتگو با تاریخچهٔ متوسط۱٬۵۰۰ ورودی + ۴۰۰ خروجی۵۵۷ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۱٬۱۳۹ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۳۵٬۶۶۱ تومان

سؤال‌های پرتکرار

چطور با R1 0528 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-r1-0528» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت R1 0528 به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۱۷۳٬۱۱۰ تومان و هر ۱ میلیون توکن خروجی ۷۴۴٬۳۷۲ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱٬۱۹۳ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
R1 0528 چند توکن ورودی می‌گیرد؟
تا ۱۶۳٬۸۴۰ توکن در هر درخواست؛ برای متن فارسی حدود ۱۲۳ هزار کلمه. حداکثر طول پاسخ هم ۳۲٬۷۶۸ توکن است.
آیا R1 0528 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.