چطور با DeepSeek V4 Flash 0731 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-0731» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت DeepSeek V4 Flash 0731 به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۴۰٬۶۱۸ تومان و هر ۱ میلیون توکن خروجی ۸۱٬۲۳۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۵۸ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

DeepSeek V4 Flash 0731 چند توکن ورودی میگیرد؟

تا ۱٬۳۱۰٬۷۲۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸۳ هزار کلمه. حداکثر طول پاسخ هم ۱۳۱٬۰۷۲ توکن است.

آیا DeepSeek V4 Flash 0731 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.

قیمت و API مدل DeepSeek V4 Flash 0731 در ایران

deepseek/deepseek-v4-flash-0731

toolsreasoningjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

40,618 تومان

خروجی · هر ۱M توکن

81,235 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

158 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 8,124 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ DeepSeek V4 Flash 0731: 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-v4-flash-0731",
    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-v4-flash-0731",
  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-v4-flash-0731",
    "messages": [{"role": "user", "content": "تیکت را دسته‌بندی کن و اولویت ۱ تا ۵ بده."}],
    "response_format": {"type": "json_object"}
  }'

DeepSeek V4 Flash 0731 برای چه کاری خوب است؟

شناسهٔ DeepSeek V4 Flash 0731 در API ما «deepseek/deepseek-v4-flash-0731» است و تأمین‌کنندهٔ آن DeepSeek است. ظرفیت context برابر ۱٬۳۱۰٬۷۲۰ توکن است؛ حدود ۹۸۳ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۱۳۱٬۰۷۲ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۵۴ مدل و گران‌تر از ۳۵۲ 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.

هر ۱ میلیون توکن ورودی ۴۰٬۶۱۸ تومان و هر ۱ میلیون توکن خروجی ۸۱٬۲۳۵ تومان است؛ خروجی 2 برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری context با ۸٬۱۲۴ 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 Qwen3 32B است: DeepSeek V4 Flash 0731 تقریباً 1.2 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 ۶۳۳ درخواست ۱٬۰۰۰ کلمه‌ای روی DeepSeek V4 Flash 0731 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۶٬۳۲۹ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۲۱٬۸۵۳ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۳۱۰٬۷۲۰ توکنی این مدل فقط از سمت ورودی ۵۳٬۲۳۸ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «deepseek/deepseek-v4-flash-0731:batch» اشتباه گرفته می‌شود، چون هستهٔ مدل یکی است. تفاوت در پسوند است: بدون پسوند (نسخهٔ استاندارد) در برابر «batch». قیمت هر دو روی یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً برابر است (۱۵۸ و ۱۵۸ تومان). پنجرهٔ context هم یکی نیست: ۱٬۳۱۰٬۷۲۰ در برابر ۱٬۰۴۸٬۵۷۶ توکن. حداکثر طول پاسخ هم فرق دارد: ۱۳۱٬۰۷۲ در برابر ۹۴۳٬۷۱۸ توکن. در پارامترها این مدل logprobs، parallel_tool_calls، seed، top_a را دارد.

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، parallel_tool_calls، reasoning_effort، repetition_penalty را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر اندازهٔ context نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Llama 4 Scout با ۱٬۳۱۰٬۷۲۰ 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، تحلیل سند یا کدبیس بلند در یک درخواست.

توضیح رسمی تأمین‌کننده (انگلیسی)

DeepSeek V4 Flash 0731 is a sparse mixture-of-experts model from DeepSeek, with 13B active parameters out of 284B total. This re-post-trained revision is suited for coding, reasoning, and agent workflows....

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	93 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	211 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	6,499 تومان

نسخه‌های دیگر همین مدل

هستهٔ مدل یکی است؛ هر نسخه شرایط اجرا و قیمت خودش را دارد. نسخهٔ فعلی: استاندارد.

نسخه	شناسه	خروجی / ۱M	context
batch (ارزان‌تر، کندتر)	deepseek/deepseek-v4-flash-0731:batch	81,235	1,048,576

شناسهٔ هر نسخه را عیناً در فیلد model بگذار؛ نیازی به تغییر کد دیگری نیست.

تاریخچهٔ قیمت

تاریخ	ورودی (تومان/۱M)	خروجی (تومان/۱M)
۱۶ شهریور ۱۴۰۵	40,618	81,235
۱۶ شهریور ۱۴۰۵	14,500	29,001

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

سؤال‌های پرتکرار

چطور با DeepSeek V4 Flash 0731 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-0731» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت DeepSeek V4 Flash 0731 به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۴۰٬۶۱۸ تومان و هر ۱ میلیون توکن خروجی ۸۱٬۲۳۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۵۸ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
DeepSeek V4 Flash 0731 چند توکن ورودی می‌گیرد؟: تا ۱٬۳۱۰٬۷۲۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸۳ هزار کلمه. حداکثر طول پاسخ هم ۱۳۱٬۰۷۲ توکن است.
آیا DeepSeek V4 Flash 0731 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.