قیمت و API مدل Codestral 2508 در ایران
mistralai/codestral-2508
toolsjsonfilesشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند. cache ورودی: 8,704 تومان / 1M.قیمتها و شارژ
کد آمادهٔ Codestral 2508: 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="mistralai/codestral-2508",
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: "mistralai/codestral-2508",
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": "mistralai/codestral-2508",
"messages": [{"role": "user", "content": "تیکت را دستهبندی کن و اولویت ۱ تا ۵ بده."}],
"response_format": {"type": "json_object"}
}'Codestral 2508 برای چه کاری خوب است؟
Mistral این مدل را منتشر کرده و ما آن را با نام «mistralai/codestral-2508» عرضه میکنیم. پنجرهٔ context آن ۲۵۶٬۰۰۰ توکن است — تقریباً ۱۹۲ هزار کلمهٔ فارسی، یا حدود ۶۴۰ صفحهٔ A4 در یک درخواست. حداکثر طول پاسخ در هر فراخوانی ۲۰۴٬۸۰۰ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزانتر از ۱۲۹ مدل و گرانتر از ۲۷۷ مدل پولی دیگر کاتالوگ.
قابلیتهایی که در همین شناسه فعال است: فایل (مثل PDF) را بهعنوان ورودی میپذیرد؛ 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.
قیمت ورودی ۸۷٬۰۳۸ و خروجی ۲۶۱٬۱۱۳ تومان بهازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمهای روی Codestral 2508 تقریباً ۴۵۳ تومان درمیآید. cache ورودی دارد: توکنهای تکراری context با ۸٬۷۰۴ تومان / ۱M حساب میشوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.
نزدیکترین گزینه با همین قابلیتها از تأمینکنندهٔ دیگر DeepSeek V3 است: Codestral 2508 تقریباً 1 برابر ارزانتر 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 ۲۲۱ درخواست ۱٬۰۰۰ کلمهای روی Codestral 2508 جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۲٬۲۰۸ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۳۴۸٬۱۵۰ تومان میشود. پر کردن کامل پنجرهٔ ۲۵۶٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۲۲٬۲۸۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «mistralai/devstral-2512» است و انتخاب بین این دو همان جایی است که بیشتر آدمها گیر میکنند. روی یک درخواست ۱٬۰۰۰ کلمهای، این نسخه 2 برابر ارزانتر از آن درمیآید (۴۵۳ در برابر ۹۰۵ تومان). پنجرهٔ context هم یکی نیست: ۲۵۶٬۰۰۰ در برابر ۲۶۲٬۱۴۴ توکن. حداکثر طول پاسخ هم فرق دارد: ۲۰۴٬۸۰۰ در برابر ۲۰۹٬۷۱۵ توکن. در پارامترها این مدل prediction را دارد.
Mistral در کاتالوگ ما ۲۰ مدل دارد؛ ارزانترینشان Mistral Nemo با ۱۸ تومان و گرانترین Mistral Medium 3.5 با ۳٬۳۹۴ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کمتکرار، این مدل prediction 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 Command A با ۲۵۶٬۰۰۰ توکن است.
بهترین جای استفادهاش: کار پرحجم مثل دستهبندی، برچسبگذاری و خلاصهسازی انبوه، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
Mistral's cutting-edge language model for coding released end of July 2025. Codestral specializes in low-latency, high-frequency tasks such as fill-in-the-middle (FIM), code correction and test generation. [Blog Post](https://mistral.ai/news/codestral-25-08)
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 | 235 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 505 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 15,667 تومان |
سؤالهای پرتکرار
- چطور با Codestral 2508 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 «mistralai/codestral-2508» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Codestral 2508 به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۸۷٬۰۳۸ تومان و هر ۱ میلیون توکن خروجی ۲۶۱٬۱۱۳ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۴۵۳ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Codestral 2508 چند توکن ورودی میگیرد؟
- تا ۲۵۶٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۲ هزار کلمه. حداکثر طول پاسخ هم ۲۰۴٬۸۰۰ توکن است.
- آیا Codestral 2508 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.