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 ۱۱۶٬۰۵۰ تومان و هر ۱ میلیون توکن خروجی ۵۸۰٬۲۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۹۰۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

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.

قیمت و API مدل Devstral 2 2512 در ایران

mistralai/devstral-2512

toolsjsonfiles

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

116,050 تومان

خروجی · هر ۱M توکن

580,250 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

905 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 11,605 تومان / 1M.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]

# 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="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/devstral-2512» است و تأمین‌کنندهٔ آن Mistral است. ظرفیت context برابر ۲۶۲٬۱۴۴ توکن است؛ حدود ۱۹۷ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۲۰۹٬۷۱۵ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۲۰۰ مدل و گران‌تر از ۲۰۶ مدل پولی دیگر کاتالوگ.

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 ۱۱۶٬۰۵۰ تومان و هر ۱ میلیون توکن خروجی ۵۸۰٬۲۵۰ تومان است؛ خروجی 5 برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری context با ۱۱٬۶۰۵ 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 GPT-3.5 Turbo (older v0613) است: Devstral 2 2512 تقریباً 1.2 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 ۱۱۰ درخواست ۱٬۰۰۰ کلمه‌ای روی Devstral 2 2512 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۱۰۵ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۹۶٬۳۰۰ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۳۰٬۴۲۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «mistralai/codestral-2508» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 2 برابر گران‌تر از آن درمی‌آید (۹۰۵ در برابر ۴۵۳ تومان). پنجرهٔ context هم یکی نیست: ۲۶۲٬۱۴۴ در برابر ۲۵۶٬۰۰۰ توکن. حداکثر طول پاسخ هم فرق دارد: ۲۰۹٬۷۱۵ در برابر ۲۰۴٬۸۰۰ توکن. در پارامترها آن یکی prediction را.

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. 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 Trinity Large Thinking با ۲۶۲٬۱۴۴ 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، تحلیل سند یا کدبیس بلند در یک درخواست.

توضیح رسمی تأمین‌کننده (انگلیسی)

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	1,500 ورودی + 400 خروجی	406 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	812 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	25,531 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 ۱۱۶٬۰۵۰ تومان و هر ۱ میلیون توکن خروجی ۵۸۰٬۲۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۹۰۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
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.