قیمت و API مدل Ember-1 در ایران

fireworks/ember-1

ورودی تصویرفراخوانی ابزاراستدلالخروجی JSON
ورودی · هر ۱M توکن
۱٬۰۳۸٬۶۵۸ تومان
خروجی · هر ۱M توکن
۵٬۱۹۳٬۲۹۰ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۸٬۱۰۲ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱۰۳٬۸۶۶ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ

کد آمادهٔ Ember-1: خواندن تصویر و استخراج داده

نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.

# tip: a data URI works too — base64 the file and prefix it with data:image/jpeg;base64,
curl https://api.uttapen.ir/v1/chat/completions \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fireworks/ember-1",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "شمارهٔ فاکتور و مبلغ کل را فقط به‌صورت JSON بده"},
        {"type": "image_url", "image_url": {"url": "https://example.com/factor.jpg"}}
      ]
    }]
  }'
import base64, json
from openai import OpenAI

client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")

img = base64.b64encode(open("factor.jpg", "rb").read()).decode()

resp = client.chat.completions.create(
    model="fireworks/ember-1",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "شمارهٔ فاکتور، تاریخ و مبلغ کل را در JSON برگردان"},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img}"}},
        ],
    }],
    response_format={"type": "json_object"},
)
print(json.loads(resp.choices[0].message.content))
import OpenAI from "openai";
import { readFileSync } from "node:fs";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });
const img = readFileSync("factor.jpg").toString("base64");

const resp = await client.chat.completions.create({
  model: "fireworks/ember-1",
  messages: [{
    role: "user",
    content: [
      { type: "text", text: "شمارهٔ فاکتور، تاریخ و مبلغ کل را در JSON برگردان" },
      { type: "image_url", image_url: { url: `data:image/jpeg;base64,${img}` } },
    ],
  }],
  response_format: { type: "json_object" },
});
console.log(JSON.parse(resp.choices[0].message.content));

Ember-1 برای چه کاری خوب است؟

Fireworks این مدل را منتشر کرده و ما آن را با نام «fireworks/ember-1» عرضه می‌کنیم. طول متن (context) آن ۱٬۰۴۸٬۵۷۶ توکن است — تقریباً ۷۸۶ هزار کلمهٔ فارسی، یا حدود ۲٬۶۲۱ صفحهٔ A4 در یک درخواست. حداکثر طول پاسخ در هر فراخوانی ۹۴۳٬۷۱۸ توکن است. از نظر قیمت در دستهٔ «گران» است — ارزان‌تر از ۳۱ مدل و گران‌تر از ۳۶۰ مدل پولی دیگر کاتالوگ.

آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی 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.

قیمت ورودی ۱٬۰۳۸٬۶۵۸ و خروجی ۵٬۱۹۳٬۲۹۰ تومان به‌ازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمه‌ای روی Ember-1 تقریباً ۸٬۱۰۲ تومان درمی‌آید. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱۰۳٬۸۶۶ 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 Claude Sonnet 4.5 است: Ember-1 تقریباً هم‌قیمت 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 ۱۲ درخواست ۱٬۰۰۰ کلمه‌ای روی Ember-1 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۲۳ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶٬۲۳۱٬۹۴۸ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۱٬۰۸۹٬۱۱۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

از پارامترهای کم‌تکرار، این مدل logit_bias، logprobs، presence_penalty، reasoning_effort، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض seed را که بیشتر مدل‌ها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر DeepSeek V4 Flash 0423 با ۱٬۰۴۸٬۵۷۶ توکن است.

کاربردهایی که برای این مدل معنی می‌دهد: کارهایی که کیفیت پاسخ در آن‌ها از هزینه مهم‌تر است، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، 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)

Ember-1 is a specialized reasoning model from Fireworks Research, built on Kimi K3. It is designed to make every token go further: it produces shorter reasoning traces, using roughly 40%...

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 خروجی۳٬۶۳۵ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۷٬۲۷۱ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۲۲۸٬۵۰۵ تومان

سؤال‌های پرتکرار

چطور با Ember-1 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 «fireworks/ember-1» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Ember-1 به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۱٬۰۳۸٬۶۵۸ تومان و هر ۱ میلیون توکن خروجی ۵٬۱۹۳٬۲۹۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۸٬۱۰۲ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
Ember-1 چند توکن ورودی می‌گیرد؟
تا ۱٬۰۴۸٬۵۷۶ توکن در هر درخواست؛ برای متن فارسی حدود ۷۸۶ هزار کلمه. حداکثر طول پاسخ هم ۹۴۳٬۷۱۸ توکن است.
آیا Ember-1 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. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته می‌شود. خروجی ساخت‌یافته با response_format هم کار می‌کند.