قیمت و API مدل Devstral 2 2512 در ایران
mistralai/devstral-2512
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱۳٬۸۴۹ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ
کد آمادهٔ Devstral 2 2512: 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="mistralai/devstral-2512", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]
# you run the function yourself — the model never touches the database
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="mistralai/devstral-2512", 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: "mistralai/devstral-2512", 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: "mistralai/devstral-2512", 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": "mistralai/devstral-2512",
"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"]}
}
}]
}'Devstral 2 2512 برای چه کاری خوب است؟
شناسهٔ Devstral 2 2512 در API ما «mistralai/
چه کارهایی از آن برمی‌آید: 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.
هر ۱ میلیون توکن ورودی ۱۳۸٬۴۸۸ تومان و هر ۱ میلیون توکن خروجی ۶۹۲٬۴۳۹ تومان است؛ خروجی ۵ برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱۳٬۸۴۹ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. 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 GPT-3.5 Turbo (نسخهٔ قدیمی v0613) است: Devstral 2 2512 حدود ۲۳٪ ارزان‌تر از 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 ۹۳ درخواست ۱٬۰۰۰ کلمهای روی Devstral 2 2512 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۹۲۶ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۸۳۰٬۹۲۶ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۳۶٬۳۰۴ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.
نزدیک‌ترین هم‌خانوادهٔ این مدل «mistralai/
Mistral در کاتالوگ ما ۲۱ مدل دارد؛ ارزان‌ترین‌شان Mistral Nemo با ۲۷ تومان و گران‌ترین Mistral Medium 3.5 با ۴٬۰۵۱ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل presence_penalty 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 طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Aion 3.5 با ۲۶۲٬۱۴۴ توکن است.
کجا انتخاب درستی است: چت‌بات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
Devstral 2 is a state-of-the-art open-source model by Mistral AI specializing in agentic coding. It is a 123B-parameter dense transformer model supporting a 256K context window. Devstral 2 supports exploring...
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 | ۴۸۵ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۹۶۹ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۳۰٬۴۶۷ تومان |
سؤال‌های پرتکرار
- چطور با Devstral 2 2512 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/ devstral-2512» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت Devstral 2 2512 به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۱۳۸٬۴۸۸ تومان و هر ۱ میلیون توکن خروجی ۶۹۲٬۴۳۹ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱٬۰۸۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- Devstral 2 2512 چند توکن ورودی میگیرد؟
- تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۲۰۹٬۷۱۵ توکن است.
- آیا Devstral 2 2512 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.