چطور با Llama 3.3 70B 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-3.3-70b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Llama 3.3 70B Instruct به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۹۲٬۸۴۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۵۸ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Llama 3.3 70B Instruct چند توکن ورودی میگیرد؟

تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.

آیا Llama 3.3 70B Instruct 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. خروجی ساختیافته با response_format هم کار میکند.

قیمت و API مدل Llama 3.3 70B Instruct در ایران

meta-llama/llama-3.3-70b-instruct

toolsjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

29,013 تومان

خروجی · هر ۱M توکن

92,840 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

158 تومان

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

کد آمادهٔ Llama 3.3 70B Instruct: فراخوانی ابزار (tool calling)

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-…")

tools = [{
    "type": "function",
    "function": {
        "name": "check_stock",
        "description": "موجودی یک محصول را برمی‌گرداند",
        "parameters": {
            "type": "object",
            "properties": {"sku": {"type": "string"}},
            "required": ["sku"],
        },
    },
}]

messages = [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده؟"}]
first = client.chat.completions.create(model="meta-llama/llama-3.3-70b-instruct", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

# تابع را خودت اجرا می‌کنی؛ مدل هیچ دسترسی مستقیمی به دیتابیس ندارد
args = json.loads(call.function.arguments)
result = {"sku": args["sku"], "qty": 7}

messages += [first.choices[0].message, {"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)}]
final = client.chat.completions.create(model="meta-llama/llama-3.3-70b-instruct", messages=messages, tools=tools)
print(final.choices[0].message.content)

import OpenAI from "openai";

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

const tools = [{
  type: "function",
  function: {
    name: "check_stock",
    description: "موجودی یک محصول را برمی‌گرداند",
    parameters: { type: "object", properties: { sku: { type: "string" } }, required: ["sku"] },
  },
}];

const messages = [{ role: "user", content: "از کفش نایک مدل NK-42 چند تا موجوده؟" }];
const first = await client.chat.completions.create({ model: "meta-llama/llama-3.3-70b-instruct", messages, tools });
const call = first.choices[0].message.tool_calls[0];

const args = JSON.parse(call.function.arguments);
const result = { sku: args.sku, qty: 7 };

messages.push(first.choices[0].message, { role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
const final = await client.chat.completions.create({ model: "meta-llama/llama-3.3-70b-instruct", messages, tools });
console.log(final.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-3.3-70b-instruct",
    "messages": [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده؟"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "check_stock",
        "parameters": {"type": "object", "properties": {"sku": {"type": "string"}}, "required": ["sku"]}
      }
    }]
  }'

Llama 3.3 70B Instruct برای چه کاری خوب است؟

Llama 3.3 70B Instruct یکی از مدل‌های Meta است و در یوتاپن با شناسهٔ «meta-llama/llama-3.3-70b-instruct» صدا زده می‌شود. در هر فراخوانی تا ۱۳۱٬۰۷۲ توکن ورودی می‌پذیرد؛ برای متن فارسی این تقریباً ۳۲۸ صفحهٔ A4 است، پس چند فایل یا یک سند بلند را می‌شود یک‌جا داد. حداکثر طول پاسخ در هر فراخوانی ۱۶٬۳۸۴ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۶۷ مدل و گران‌تر از ۳۳۹ مدل پولی دیگر کاتالوگ.

چه کارهایی از آن برمی‌آید: 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. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند.

برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفت‌وبرگشت با این مدل حدود ۱۵۸ تومان است (۲۹٬۰۱۳ تومان ورودی و ۹۲٬۸۴۰ تومان خروجی به‌ازای ۱M توکن). شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Voxtral Small 24B 2507 است: Llama 3.3 70B Instruct تقریباً 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 ۶۳۳ درخواست ۱٬۰۰۰ کلمه‌ای روی Llama 3.3 70B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۶٬۳۲۹ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۲۱٬۸۵۳ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۳۱٬۰۷۲ توکنی این مدل فقط از سمت ورودی ۳٬۸۰۳ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «meta-llama/llama-3.1-8b-instruct» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 3.2 برابر گران‌تر از آن درمی‌آید (۱۵۸ در برابر ۴۹ تومان). حداکثر طول پاسخ هم فرق دارد: ۱۶٬۳۸۴ در برابر ۱۱۷٬۹۶۴ توکن.

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، logprobs، min_p، repetition_penalty، top_k، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning 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 Aion-2.0 با ۱۳۱٬۰۷۲ توکن است.

کجا انتخاب درستی است: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص.

توضیح رسمی تأمین‌کننده (انگلیسی)

The Meta Llama 3.3 multilingual large language model (LLM) is a pretrained and instruction tuned generative model in 70B (text in/text out). The Llama 3.3 instruction tuned text only model...

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	81 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	172 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	5,338 تومان

سؤال‌های پرتکرار

چطور با Llama 3.3 70B 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-3.3-70b-instruct» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Llama 3.3 70B Instruct به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۹۲٬۸۴۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۵۸ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Llama 3.3 70B Instruct چند توکن ورودی می‌گیرد؟: تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.
آیا Llama 3.3 70B Instruct 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. خروجی ساخت‌یافته با response_format هم کار می‌کند.