چطور با Gemini 3.1 Pro Preview (batch) 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:batch» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Gemini 3.1 Pro Preview (batch) به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۲۹۰٬۱۲۵ تومان و هر ۱ میلیون توکن خروجی ۱٬۷۴۰٬۷۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۲٬۶۴۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Gemini 3.1 Pro Preview (batch) 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 (batch) 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 (batch) در ایران

google/gemini-3.1-pro-preview:batch

visiontoolsreasoningjsonfilesaudio

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

290,125 تومان

خروجی · هر ۱M توکن

1,740,750 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

2,640 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. توکن استدلال: 1,740,750 تومان / 1M. هر تصویر ورودی: 0.29 تومان. جستجوی وب: 4,061.75 تومان / درخواست.قیمت‌ها و شارژ

کد آمادهٔ Gemini 3.1 Pro Preview (batch): 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:batch",
    "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:batch",
    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:batch",
  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 (batch) برای چه کاری خوب است؟

Gemini 3.1 Pro Preview (batch) یکی از مدل‌های Google است و در یوتاپن با شناسهٔ «google/gemini-3.1-pro-preview:batch» 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 ۶۵٬۵۳۶ توکن است. از نظر قیمت در دستهٔ «میان‌رده» است — ارزان‌تر از ۲۹۷ مدل و گران‌تر از ۱۰۹ 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.

برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفت‌وبرگشت با این مدل حدود ۲٬۶۴۰ تومان است (۲۹۰٬۱۲۵ تومان ورودی و ۱٬۷۴۰٬۷۵۰ تومان خروجی به‌ازای ۱M توکن). هر تصویر ورودی ۰٫۲۹ 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 Pro (batch) است: Gemini 3.1 Pro Preview (batch) 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 ۳۸ درخواست ۱٬۰۰۰ کلمه‌ای روی Gemini 3.1 Pro Preview (batch) جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۳۷۹ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲٬۰۳۰٬۸۷۵ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۳۰۴٬۲۱۸ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «google/gemini-3.1-pro-preview» اشتباه گرفته می‌شود، چون هستهٔ مدل یکی است. تفاوت در پسوند است: «batch» در برابر نسخهٔ استاندارد. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 2 برابر ارزان‌تر از آن درمی‌آید (۲٬۶۴۰ در برابر ۵٬۲۸۰ 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: چت‌بات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم 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	1,131 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	2,205 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	69,630 تومان

نسخه‌های دیگر همین مدل

هستهٔ مدل یکی است؛ هر نسخه شرایط اجرا و قیمت خودش را دارد. نسخهٔ فعلی: batch (ارزان‌تر، کندتر).

نسخه	شناسه	خروجی / ۱M	context
استاندارد	google/gemini-3.1-pro-preview	3,481,500	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 (batch) 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:batch» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Gemini 3.1 Pro Preview (batch) به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۲۹۰٬۱۲۵ تومان و هر ۱ میلیون توکن خروجی ۱٬۷۴۰٬۷۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۲٬۶۴۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Gemini 3.1 Pro Preview (batch) 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 (batch) 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.