قیمت و API مدل Llama 3.2 3B Instruct در ایران
meta-llama/llama-3.2-3b-instruct
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز میشوند.قیمت‌ها و شارژ
کد آمادهٔ Llama 3.2 3B Instruct: خروجی JSON با اسکیمای مشخص
نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.
from openai import OpenAI
import json
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
schema = {
"name": "ticket",
"schema": {
"type": "object",
"properties": {
"category": {"type": "string", "enum": ["fani", "mali", "forush"]},
"priority": {"type": "integer", "minimum": 1, "maximum": 5},
"summary": {"type": "string"},
},
"required": ["category", "priority", "summary"],
"additionalProperties": False,
},
"strict": True,
}
resp = client.chat.completions.create(
model="meta-llama/llama-3.2-3b-instruct",
messages=[{"role": "user", "content": "تیکت: «دو روزه نمی‌تونم فاکتور دانلود کنم و پرداختم هم دوباره کسر شد.»"}],
response_format={"type": "json_schema", "json_schema": schema},
)
print(json.loads(resp.choices[0].message.content))import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });
const resp = await client.chat.completions.create({
model: "meta-llama/llama-3.2-3b-instruct",
messages: [{ role: "user", content: "تیکت: «دو روزه نمی‌تونم فاکتور دانلود کنم و پرداختم هم دوباره کسر شد.»" }],
response_format: {
type: "json_schema",
json_schema: {
name: "ticket",
strict: true,
schema: {
type: "object",
properties: {
category: { type: "string", enum: ["fani", "mali", "forush"] },
priority: { type: "integer", minimum: 1, maximum: 5 },
summary: { type: "string" },
},
required: ["category", "priority", "summary"],
additionalProperties: false,
},
},
},
});
console.log(JSON.parse(resp.choices[0].message.content));curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "meta-llama/llama-3.2-3b-instruct",
"messages": [{"role": "user", "content": "تیکت را دسته‌بندی کن و اولویت ۱ تا ۵ بده"}],
"response_format": {"type": "json_object"}
}'Llama 3.2 3B Instruct برای چه کاری خوب است؟
Llama 3.2 3B Instruct از Meta Llama می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «meta-llama/
قابلیت‌هایی که در همین شناسه فعال است: با response_format خروجی JSON معتبر می‌دهد و مستقیم به کد وصل می‌شود. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند.
۱۷٬۶۲۳ تومان برای هر ۱M توکن ورودی و ۱۱۵٬۹۸۳ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «بسیار ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمهای ≈ ۱۷۴ تومان. 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 Hy-MT2-30B-A3B است: Llama 3.2 3B Instruct 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 ۵۷۵ درخواست ۱٬۰۰۰ کلمهای روی Llama 3.2 3B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۵٬۷۴۷ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۳۳٬۶۰۶ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۳۱٬۰۷۲ توکنی این مدل فقط از سمت ورودی ۲٬۳۱۰ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.
Meta Llama در کاتالوگ ما ۸ مدل دارد؛ ارزان‌ترین‌شان Llama 3.1 8B Instruct با ۵۹ تومان و گران‌ترین Llama 3.1 70B Instruct با ۶۴۸ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، logprobs، min_p، presence_penalty، 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 طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Aion-2.0 با ۱۳۱٬۰۷۲ توکن است.
بهترین جای استفاده‌اش: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، استخراج داده با اسکیمای مشخص.
Llama 3.2 3B is a 3-billion-parameter multilingual large language model, optimized for advanced natural language processing tasks like dialogue generation, reasoning, and summarization. Designed with the latest transformer architecture, it...
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 | ۱٬۵۰۰ ورودی + ۴۰۰ خروجی | ۷۳ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۱۴۰ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۴٬۴۳۴ تومان |
تاریخچهٔ قیمت
| تاریخ | ورودی (تومان/۱M) | خروجی (تومان/۱M) |
|---|---|---|
| ۱۳ آبان ۱۴۰۵ | ۱۷٬۶۲۳ | ۱۱۵٬۹۸۳ |
| ۳ آبان ۱۴۰۵ | ۱۷٬۳۱۱ | ۱۱۴٬۲۵۲ |
| ۲۷ مهر ۱۴۰۵ | ۱۷٬۶۲۳ | ۱۱۵٬۹۸۳ |
| ۲۳ مهر ۱۴۰۵ | ۱۷٬۳۱۱ | ۱۱۴٬۲۵۲ |
| ۲۳ مهر ۱۴۰۵ | ۱۷٬۶۲۳ | ۱۱۵٬۹۸۳ |
| ۱۶ شهریور ۱۴۰۵ | ۱۷٬۳۱۱ | ۱۱۴٬۲۵۲ |
هر تغییر قیمت این مدل ثبت می‌شود؛ ستون تومان با قیمت امروز محاسبه شده است.
سؤال‌های پرتکرار
- چطور با Llama 3.2 3B 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-3.2-3b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت Llama 3.2 3B Instruct به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۱۷٬۶۲۳ تومان و هر ۱ میلیون توکن خروجی ۱۱۵٬۹۸۳ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۷۴ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- Llama 3.2 3B Instruct چند توکن ورودی میگیرد؟
- تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۷۲٬۰۰۰ توکن است.
- آیا پاسخ Llama 3.2 3B 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.