ساخت کلید API

قیمت و API مدل DeepSeek V3.2 در ایران

deepseek/deepseek-v3.2

فراخوانی ابزاراستدلالخروجی JSON
ساخت کلیدامتحان کن
ورودی · هر ۱M توکن
۹۰٬۰۱۷ تومان
خروجی · هر ۱M توکن
۱۳۱٬۵۶۳ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۲۸۸ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۴۵٬۰۰۹ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ

کد آمادهٔ DeepSeek V3.2: فراخوانی ابزار (tool calling)

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-…")

tools = [{
    "type": "function",
    "function": {
        "name": "check_stock",
        "description": "موجودی یک محصول را برمی‌گرداند",
        "parameters": {
            "type": "object",
            "properties": {"sku": {"type": "string"}},
            "required": ["sku"],
        },
    },
}]

messages = [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده"}]
first = client.chat.completions.create(model="deepseek/deepseek-v3.2", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

# you run the function yourself — the model never touches the database
args = json.loads(call.function.arguments)
result = {"sku": args["sku"], "qty": 7}

messages += [first.choices[0].message, {"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)}]
final = client.chat.completions.create(model="deepseek/deepseek-v3.2", messages=messages, tools=tools)
print(final.choices[0].message.content)
import OpenAI from "openai";

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

const tools = [{
  type: "function",
  function: {
    name: "check_stock",
    description: "موجودی یک محصول را برمی‌گرداند",
    parameters: { type: "object", properties: { sku: { type: "string" } }, required: ["sku"] },
  },
}];

const messages = [{ role: "user", content: "از کفش نایک مدل NK-42 چند تا موجوده" }];
const first = await client.chat.completions.create({ model: "deepseek/deepseek-v3.2", messages, tools });
const call = first.choices[0].message.tool_calls[0];

const args = JSON.parse(call.function.arguments);
const result = { sku: args.sku, qty: 7 };

messages.push(first.choices[0].message, { role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
const final = await client.chat.completions.create({ model: "deepseek/deepseek-v3.2", messages, tools });
console.log(final.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-v3.2",
    "messages": [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "check_stock",
        "parameters": {"type": "object", "properties": {"sku": {"type": "string"}}, "required": ["sku"]}
      }
    }]
  }'

DeepSeek V3.2 برای چه کاری خوب است؟

شناسهٔ DeepSeek V3.2 در API ما «deepseek/deepseek-v3.2» 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 ۱۴۷٬۴۵۶ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۳۲۵ مدل و گران‌تر از ۷۳ مدل پولی دیگر کاتالوگ.

قابلیت‌هایی که در همین شناسه فعال است: 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 ۹۰٬۰۱۷ تومان و هر ۱ میلیون توکن خروجی ۱۳۱٬۵۶۳ تومان است؛ خروجی ۱٫۵ برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۴۵٬۰۰۹ 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 Qwen2.5 72B Instruct است: DeepSeek V3.2 حدود ۱۷٪ 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 ۳۴۷ درخواست ۱٬۰۰۰ کلمه‌ای روی DeepSeek V3.2 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۳٬۴۷۲ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲۲۱٬۵۸۰ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۶۳٬۸۴۰ توکنی این مدل فقط از سمت ورودی ۱۴٬۷۴۸ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «deepseek/deepseek-v3.2-exp» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. قیمت هر دو روی یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً برابر است (۲۸۸ و ۳۰۶ تومان). 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.

بهترین جای استفاده‌اش: 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

DeepSeek-V3.2 is a large language model designed to harmonize high computational efficiency with strong reasoning and agentic tool-use performance. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism...

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 خروجی۱۸۸ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۴۳۹ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۱۳٬۴۳۳ تومان

تاریخچهٔ قیمت

تاریخورودی (تومان/۱M)خروجی (تومان/۱M)
۹ آبان ۱۴۰۵۹۰٬۰۱۷۱۳۱٬۵۶۳
۳۰ مهر ۱۴۰۵۹۶٬۹۴۱۱۴۵٬۴۱۲
۳۰ مهر ۱۴۰۵۲۴٬۲۳۵۳۶٬۳۵۳
۲۵ مهر ۱۴۰۵۹۶٬۹۴۱۱۴۵٬۴۱۲
۱۸ مهر ۱۴۰۵۸۹٬۶۷۱۲۷۶٬۹۷۵
۱۶ مهر ۱۴۰۵۸۹٬۶۷۱۱۴۵٬۴۱۲
۱۴ مهر ۱۴۰۵۹۶٬۹۴۱۱۴۵٬۴۱۲
۱۳ مهر ۱۴۰۵۸۹٬۶۷۱۱۴۵٬۴۱۲
۶ مهر ۱۴۰۵۹۶٬۹۴۱۱۴۵٬۴۱۲
۱۶ شهریور ۱۴۰۵۹۳٬۱۳۳۱۳۸٬۴۸۸

هر تغییر قیمت این مدل ثبت می‌شود؛ ستون تومان با قیمت امروز محاسبه شده است.

سؤال‌های پرتکرار

چطور با DeepSeek V3.2 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-v3.2» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت DeepSeek V3.2 به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۹۰٬۰۱۷ تومان و هر ۱ میلیون توکن خروجی ۱۳۱٬۵۶۳ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۲۸۸ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
DeepSeek V3.2 چند توکن ورودی می‌گیرد؟
تا ۱۶۳٬۸۴۰ توکن در هر درخواست؛ برای متن فارسی حدود ۱۲۳ هزار کلمه. حداکثر طول پاسخ هم ۱۴۷٬۴۵۶ توکن است.
آیا DeepSeek V3.2 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.