چطور با Llama 4 Scout 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-4-scout» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Llama 4 Scout به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۸۷٬۰۳۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۵۱ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Llama 4 Scout چند توکن ورودی میگیرد؟

تا ۱٬۳۱۰٬۷۲۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸۳ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.

آیا Llama 4 Scout 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 Llama 4 Scout در ایران

meta-llama/llama-4-scout

visiontoolsjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

29,013 تومان

خروجی · هر ۱M توکن

87,038 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

151 تومان

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

کد آمادهٔ Llama 4 Scout: 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": "meta-llama/llama-4-scout",
    "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="meta-llama/llama-4-scout",
    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: "meta-llama/llama-4-scout",
  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));

Llama 4 Scout برای چه کاری خوب است؟

Llama 4 Scout یکی از مدل‌های Meta است و در یوتاپن با شناسهٔ «meta-llama/llama-4-scout» صدا زده می‌شود. در هر فراخوانی تا ۱٬۳۱۰٬۷۲۰ توکن ورودی می‌پذیرد؛ برای متن فارسی این تقریباً ۳٬۲۷۷ 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 ۶۱ مدل و گران‌تر از ۳۴۵ مدل پولی دیگر کاتالوگ.

چه کارهایی از آن برمی‌آید: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی است؛ 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 ۱۵۱ تومان است (۲۹٬۰۱۳ تومان ورودی و ۸۷٬۰۳۸ 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 Seed 1.6 Flash است: Llama 4 Scout 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 ۶۶۲ درخواست ۱٬۰۰۰ کلمه‌ای روی Llama 4 Scout جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۶٬۶۲۳ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۱۶٬۰۵۰ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۳۱۰٬۷۲۰ توکنی این مدل فقط از سمت ورودی ۳۸٬۰۲۷ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «meta-llama/llama-4-maverick» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 2.2 برابر ارزان‌تر از آن درمی‌آید (۱۵۱ در برابر ۳۳۸ تومان). پنجرهٔ context هم یکی نیست: ۱٬۳۱۰٬۷۲۰ در برابر ۱٬۰۴۸٬۵۷۶ توکن. حداکثر طول پاسخ هم فرق دارد: ۱۶٬۳۸۴ در برابر ۱۱۵٬۲۰۰ توکن. در پارامترها آن یکی logprobs، top_logprobs را.

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 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 0731 با ۱٬۳۱۰٬۷۲۰ توکن است.

کجا انتخاب درستی است: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، 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)

Llama 4 Scout 17B Instruct (16E) is a mixture-of-experts (MoE) language model developed by Meta, activating 17 billion parameters out of a total of 109B. It supports native multimodal input...

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	78 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	168 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	5,222 تومان

سؤال‌های پرتکرار

چطور با Llama 4 Scout 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-4-scout» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Llama 4 Scout به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۸۷٬۰۳۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۵۱ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Llama 4 Scout چند توکن ورودی می‌گیرد؟: تا ۱٬۳۱۰٬۷۲۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸۳ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.
آیا Llama 4 Scout 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.