چطور با Gemini 3.8 Flash (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-3.8-flash:batch» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Gemini 3.8 Flash (batch) به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۱۰۸٬۷۹۷ تومان و هر ۱ میلیون توکن خروجی ۵۴۳٬۹۸۴ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۸۴۹ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Gemini 3.8 Flash (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 3.8 Flash (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 3.8 Flash (batch) در ایران

google/gemini-3.8-flash:batch

visiontoolsreasoningjsonfilesaudio

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

108,797 تومان

خروجی · هر ۱M توکن

543,984 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

849 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 10,880 تومان / 1M. توکن استدلال: 543,984 تومان / 1M. هر تصویر ورودی: 0.11 تومان. جستجوی وب: 4,061.75 تومان / درخواست.قیمت‌ها و شارژ

کد آمادهٔ Gemini 3.8 Flash (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-3.8-flash: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-3.8-flash: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-3.8-flash: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 3.8 Flash (batch) برای چه کاری خوب است؟

Google این مدل را منتشر کرده و ما آن را با نام «google/gemini-3.8-flash:batch» عرضه می‌کنیم. پنجرهٔ 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 ۶۵٬۵۳۶ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۱۹۲ مدل و گران‌تر از ۲۱۴ مدل پولی دیگر کاتالوگ.

قابلیت‌هایی که در همین شناسه فعال است: 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.

قیمت ورودی ۱۰۸٬۷۹۷ و خروجی ۵۴۳٬۹۸۴ تومان به‌ازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمه‌ای روی Gemini 3.8 Flash (batch) تقریباً ۸۴۹ تومان درمی‌آید. cache ورودی دارد: توکن‌های تکراری context با ۱۰٬۸۸۰ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. هر تصویر ورودی ۰٫۱۱ 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 Qwen3 VL 235B A22B Instruct است: Gemini 3.8 Flash (batch) 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 ۱۱۸ درخواست ۱٬۰۰۰ کلمه‌ای روی Gemini 3.8 Flash (batch) جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۱۷۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۵۲٬۷۸۱ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۱۱۴٬۰۸۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «google/gemini-3.8-flash» 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 (۸۴۹ در برابر ۱٬۶۹۷ تومان). در پارامترها آن یکی temperature، top_p را.

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. در عوض temperature، top_p را که بیشتر مدل‌ها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر اندازهٔ context نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر DeepSeek V4 Flash 0423 با ۱٬۰۴۸٬۵۷۶ توکن است.

بهترین جای استفاده‌اش: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، 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 3.8 Flash is Google's most intelligent Flash model with significant gains from 3.7 Flash across software engineering, agentic tasks, and multi-step reasoning.

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	381 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	762 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	23,935 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-3.8-flash	1,087,969	1,048,576

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

سؤال‌های پرتکرار

چطور با Gemini 3.8 Flash (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-3.8-flash:batch» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Gemini 3.8 Flash (batch) به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۱۰۸٬۷۹۷ تومان و هر ۱ میلیون توکن خروجی ۵۴۳٬۹۸۴ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۸۴۹ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Gemini 3.8 Flash (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 3.8 Flash (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.