چطور با Gemini 3.1 Pro Preview 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 «google/gemini-3.1-pro-preview» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Gemini 3.1 Pro Preview به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۵۸۰٬۲۵۰ تومان و هر ۱ میلیون توکن خروجی ۳٬۴۸۱٬۵۰۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۵٬۲۸۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Gemini 3.1 Pro Preview چند توکن ورودی میگیرد؟

تا ۱٬۰۴۸٬۵۷۶ توکن در هر درخواست؛ برای متن فارسی حدود ۷۸۶ هزار کلمه. حداکثر طول پاسخ هم ۶۵٬۵۳۶ توکن است.

آیا Gemini 3.1 Pro Preview 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.

قیمت و API مدل Gemini 3.1 Pro Preview در ایران

google/gemini-3.1-pro-preview

visiontoolsreasoningjsonfilesaudio

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

580,250 تومان

خروجی · هر ۱M توکن

3,481,500 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

5,280 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 58,025 تومان / 1M. توکن استدلال: 3,481,500 تومان / 1M. هر تصویر ورودی: 0.58 تومان. جستجوی وب: 4,061.75 تومان / درخواست.قیمت‌ها و شارژ

کد آمادهٔ Gemini 3.1 Pro Preview: 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": "google/gemini-3.1-pro-preview",
    "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="google/gemini-3.1-pro-preview",
    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: "google/gemini-3.1-pro-preview",
  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));

Gemini 3.1 Pro Preview برای چه کاری خوب است؟

شناسهٔ Gemini 3.1 Pro Preview در API ما «google/gemini-3.1-pro-preview» است و تأمین‌کنندهٔ آن Google است. ظرفیت context برابر ۱٬۰۴۸٬۵۷۶ توکن است؛ حدود ۷۸۶ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۶۵٬۵۳۶ توکن است. از نظر قیمت در دستهٔ «گران» است — ارزان‌تر از ۳۴۱ مدل و گران‌تر از ۶۵ 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؛ فایل (مثل PDF) را به‌عنوان ورودی می‌پذیرد؛ ورودی صوتی دارد؛ 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 ۵۸۰٬۲۵۰ تومان و هر ۱ میلیون توکن خروجی ۳٬۴۸۱٬۵۰۰ تومان است؛ خروجی 6 برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری context با ۵۸٬۰۲۵ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. هر تصویر ورودی ۰٫۵۸ تومان جدا حساب می‌شود. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر GPT-5.6 Terra است: Gemini 3.1 Pro Preview تقریباً 1 برابر گران‌تر از آن تمام می‌شود و پنجرهٔ context آن کوچک‌تر 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 ۱۹ درخواست ۱٬۰۰۰ کلمه‌ای روی Gemini 3.1 Pro Preview جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۸۹ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۴٬۰۶۱٬۷۵۰ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۶۰۸٬۴۳۶ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «google/gemini-3.1-pro-preview:batch» اشتباه گرفته می‌شود، چون هستهٔ مدل یکی است. تفاوت در پسوند است: بدون پسوند (نسخهٔ استاندارد) در برابر «batch». روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 2 برابر گران‌تر از آن درمی‌آید (۵٬۲۸۰ در برابر ۲٬۶۴۰ تومان).

Google در کاتالوگ ما ۴۵ مدل دارد؛ ارزان‌ترین‌شان Gemma 3 4B با ۵۷ تومان و گران‌ترین Google Gemini Pro Latest با ۵٬۲۸۰ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل reasoning_effort را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر اندازهٔ context 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)

Gemini 3.1 Pro Preview is Google’s frontier reasoning model, delivering enhanced software engineering performance, improved agentic reliability, and more efficient token usage across complex workflows. Building on the multimodal foundation...

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	2,263 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	4,410 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	139,260 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)	google/gemini-3.1-pro-preview:batch	1,740,750	1,048,576

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

سؤال‌های پرتکرار

چطور با Gemini 3.1 Pro Preview 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 «google/gemini-3.1-pro-preview» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Gemini 3.1 Pro Preview به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۵۸۰٬۲۵۰ تومان و هر ۱ میلیون توکن خروجی ۳٬۴۸۱٬۵۰۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۵٬۲۸۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Gemini 3.1 Pro Preview چند توکن ورودی می‌گیرد؟: تا ۱٬۰۴۸٬۵۷۶ توکن در هر درخواست؛ برای متن فارسی حدود ۷۸۶ هزار کلمه. حداکثر طول پاسخ هم ۶۵٬۵۳۶ توکن است.
آیا Gemini 3.1 Pro Preview 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.