uttapen

قیمت و API مدل DeepSeek V4 Flash 0423 در ایران

deepseek/deepseek-v4-flash

toolsreasoningjson
ورودی · هر ۱M توکن
25,707 تومان
خروجی · هر ۱M توکن
51,414 تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
100 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 5,141 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ DeepSeek V4 Flash 0423: 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-v4-flash", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

# تابع را خودت اجرا می‌کنی؛ مدل هیچ دسترسی مستقیمی به دیتابیس ندارد
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-v4-flash", messages=messages, tools=tools)
print(final.choices[0].message.content)

DeepSeek V4 Flash 0423 برای چه کاری خوب است؟

DeepSeek V4 Flash 0423 یکی از مدل‌های DeepSeek است و در یوتاپن با شناسهٔ «deepseek/deepseek-v4-flash» صدا زده می‌شود. در هر فراخوانی تا ۱٬۰۴۸٬۵۷۶ توکن ورودی می‌پذیرد؛ برای متن فارسی این تقریباً ۲٬۶۲۱ صفحهٔ A4 است، پس چند فایل یا یک سند بلند را می‌شود یک‌جا داد. حداکثر طول پاسخ در هر فراخوانی ۳۸۴٬۰۰۰ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۲۸ مدل و گران‌تر از ۳۷۸ 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.

برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفت‌وبرگشت با این مدل حدود ۱۰۰ تومان است (۲۵٬۷۰۷ تومان ورودی و ۵۱٬۴۱۴ تومان خروجی به‌ازای ۱M توکن). cache ورودی دارد: توکن‌های تکراری context با ۵٬۱۴۱ 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 Ling 3.0 Flash Fin است: DeepSeek V4 Flash 0423 تقریباً 1.1 برابر گران‌تر 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 ۱٬۰۰۰ درخواست ۱٬۰۰۰ کلمه‌ای روی DeepSeek V4 Flash 0423 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۰٬۰۰۰ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۷۷٬۱۲۰ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۲۶٬۹۵۶ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «~deepseek/deepseek-v4-flash-latest» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 1.3 برابر گران‌تر از آن درمی‌آید (۱۰۰ در برابر ۷۹ تومان). پنجرهٔ context هم یکی نیست: ۱٬۰۴۸٬۵۷۶ در برابر ۱٬۳۱۰٬۷۲۰ توکن. حداکثر طول پاسخ هم فرق دارد: ۳۸۴٬۰۰۰ در برابر ۳۹۳٬۲۱۶ توکن. در پارامترها این مدل max_completion_tokens را دارد و آن یکی parallel_tool_calls را.

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، max_completion_tokens، min_p، reasoning_effort، repetition_penalty را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر اندازهٔ context نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Gemini 2.5 Flash با ۱٬۰۴۸٬۵۷۶ 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، تحلیل سند یا کدبیس بلند در یک درخواست.

توضیح رسمی تأمین‌کننده (انگلیسی)

DeepSeek V4 Flash is an efficiency-optimized Mixture-of-Experts model from DeepSeek with 284B total parameters and 13B activated parameters, supporting a 1M-token context window. It is designed for fast inference and...

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 متوسط1,500 ورودی + 400 خروجی59 تومان
خلاصه‌کردن سند ده‌صفحه‌ای4,000 ورودی + 600 خروجی134 تومان
دسته‌بندی هزار ردیف کوتاه120,000 ورودی + 20,000 خروجی4,113 تومان

تاریخچهٔ قیمت

تاریخورودی (تومان/۱M)خروجی (تومان/۱M)
۱۶ شهریور ۱۴۰۵25,70751,414
۱۶ شهریور ۱۴۰۵26,07252,145
۱۶ شهریور ۱۴۰۵23,27446,548

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

سؤال‌های پرتکرار

چطور با DeepSeek V4 Flash 0423 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-v4-flash» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت DeepSeek V4 Flash 0423 به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۲۵٬۷۰۷ تومان و هر ۱ میلیون توکن خروجی ۵۱٬۴۱۴ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۰۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
DeepSeek V4 Flash 0423 چند توکن ورودی می‌گیرد؟
تا ۱٬۰۴۸٬۵۷۶ توکن در هر درخواست؛ برای متن فارسی حدود ۷۸۶ هزار کلمه. حداکثر طول پاسخ هم ۳۸۴٬۰۰۰ توکن است.
آیا DeepSeek V4 Flash 0423 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.