چطور با Llama 3.2 1B Instruct 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 «meta-llama/llama-3.2-1b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Llama 3.2 1B Instruct به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۷٬۸۳۳ تومان و هر ۱ میلیون توکن خروجی ۵۸٬۳۱۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۸۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Llama 3.2 1B Instruct چند توکن ورودی میگیرد؟

تا ۶۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۴۵ هزار کلمه. حداکثر طول پاسخ هم ۵۴٬۰۰۰ توکن است.

آیا پاسخ Llama 3.2 1B Instruct را میتوانم استریم کنم؟

بله، با stream=true رویدادهای SSE را همانطور که تولید میشوند میگیری. این مدل tool calling و ورودی تصویر ندارد، پس اگر به آنها نیاز داری مدل دیگری انتخاب کن.

قیمت و API مدل Llama 3.2 1B Instruct در ایران

meta-llama/llama-3.2-1b-instruct

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

7,833 تومان

خروجی · هر ۱M توکن

58,315 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

86 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.قیمت‌ها و شارژ

کد آمادهٔ Llama 3.2 1B Instruct: تولید توضیح محصول

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

from openai import OpenAI

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

stream = client.chat.completions.create(
    model="meta-llama/llama-3.2-1b-instruct",
    messages=[{"role": "user", "content": "برای این محصول یک توضیح فروشگاهی ۴۰ کلمه‌ای بنویس: کتری برقی ۱٫۷ لیتری با بدنهٔ استیل."}],
    stream=True,
)
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

import OpenAI from "openai";

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

const stream = await client.chat.completions.create({
  model: "meta-llama/llama-3.2-1b-instruct",
  messages: [{ role: "user", content: "برای این محصول یک توضیح فروشگاهی ۴۰ کلمه‌ای بنویس: کتری برقی ۱٫۷ لیتری با بدنهٔ استیل." }],
  stream: true,
});
for await (const chunk of stream) process.stdout.write(chunk.choices[0]?.delta?.content ?? "");

curl https://api.uttapen.ir/v1/chat/completions \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta-llama/llama-3.2-1b-instruct",
    "messages": [{"role": "user", "content": "برای این محصول یک توضیح فروشگاهی ۴۰ کلمه‌ای بنویس: کتری برقی ۱٫۷ لیتری با بدنهٔ استیل."}],
    "stream": true
  }'

Llama 3.2 1B Instruct برای چه کاری خوب است؟

Meta این مدل را منتشر کرده و ما آن را با نام «meta-llama/llama-3.2-1b-instruct» عرضه می‌کنیم. پنجرهٔ context آن ۶۰٬۰۰۰ توکن است — تقریباً ۴۵ هزار کلمهٔ فارسی، یا حدود ۱۵۰ صفحهٔ A4 در یک درخواست. حداکثر طول پاسخ در هر فراخوانی ۵۴٬۰۰۰ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۴۷ مدل و گران‌تر از ۳۵۹ مدل پولی دیگر کاتالوگ.

این مدل ورودی و خروجی متنی محض دارد؛ اگر به فراخوانی ابزار یا خواندن تصویر نیاز داری، مدل دیگری از همین کاتالوگ را انتخاب کن.

قیمت ورودی ۷٬۸۳۳ و خروجی ۵۸٬۳۱۵ تومان به‌ازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمه‌ای روی Llama 3.2 1B Instruct تقریباً ۸۶ تومان درمی‌آید. 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-oss-20b (batch) است: Llama 3.2 1B Instruct تقریباً 1.1 برابر ارزان‌تر 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 ۱٬۱۶۳ درخواست ۱٬۰۰۰ کلمه‌ای روی Llama 3.2 1B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۱٬۶۲۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۶٬۱۴۹ تومان می‌شود. پر کردن کامل پنجرهٔ ۶۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۴۷۰ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

Meta در کاتالوگ ما ۸ مدل دارد؛ ارزان‌ترین‌شان Llama 3.1 8B Instruct با ۴۹ تومان و گران‌ترین Llama 4 Maverick با ۳۳۸ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، min_p، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning، response_format، tool_choice 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 R1 با ۶۴٬۰۰۰ توکن است.

بهترین جای استفاده‌اش: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه.

توضیح رسمی تأمین‌کننده (انگلیسی)

Llama 3.2 1B is a 1-billion-parameter language model focused on efficiently performing natural language tasks, such as summarization, dialogue, and multilingual text analysis. Its smaller size allows it to operate...

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	35 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	66 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	2,106 تومان

سؤال‌های پرتکرار

چطور با Llama 3.2 1B Instruct 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 «meta-llama/llama-3.2-1b-instruct» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Llama 3.2 1B Instruct به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۷٬۸۳۳ تومان و هر ۱ میلیون توکن خروجی ۵۸٬۳۱۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۸۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Llama 3.2 1B Instruct چند توکن ورودی می‌گیرد؟: تا ۶۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۴۵ هزار کلمه. حداکثر طول پاسخ هم ۵۴٬۰۰۰ توکن است.
آیا پاسخ Llama 3.2 1B Instruct را می‌توانم استریم کنم؟: بله، با stream=true رویدادهای SSE را همان‌طور که تولید می‌شوند می‌گیری. این مدل tool calling و ورودی تصویر ندارد، پس اگر به آن‌ها نیاز داری مدل دیگری انتخاب کن.