قیمت و API مدل Mistral Small 3.2 24B در ایران
mistralai/mistral-small-3.2-24b-instruct
visiontoolsjsonشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند.قیمتها و شارژ
کد آمادهٔ Mistral Small 3.2 24B: 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": "mistralai/mistral-small-3.2-24b-instruct",
"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="mistralai/mistral-small-3.2-24b-instruct",
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: "mistralai/mistral-small-3.2-24b-instruct",
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));Mistral Small 3.2 24B برای چه کاری خوب است؟
شناسهٔ Mistral Small 3.2 24B در API ما «mistralai/mistral-small-3.2-24b-instruct» است و تأمینکنندهٔ آن Mistral است. ظرفیت context برابر ۱۳۱٬۰۷۲ توکن است؛ حدود ۹۸ هزار کلمهٔ فارسی جا میشود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۱۶٬۳۸۴ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزانتر از ۳۳ مدل و گرانتر از ۳۷۳ مدل پولی دیگر کاتالوگ.
قابلیتهایی که در همین شناسه فعال است: 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.
هر ۱ میلیون توکن ورودی ۲۱٬۷۵۹ تومان و هر ۱ میلیون توکن خروجی ۵۸٬۰۲۵ تومان است؛ خروجی 2.7 برابر ورودی قیمت دارد، پس کوتاهکردن پاسخ بیشتر از کوتاهکردن پرامپت صرفه دارد. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.
نزدیکترین گزینه با همین قابلیتها از تأمینکنندهٔ دیگر Gemini 2.5 Flash Lite (batch) است: Mistral Small 3.2 24B تقریباً 1.1 برابر گرانتر از آن تمام میشود و پنجرهٔ context آن کوچکتر 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 ۹۶۲ درخواست ۱٬۰۰۰ کلمهای روی Mistral Small 3.2 24B جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۹٬۶۱۵ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۷۹٬۷۸۴ تومان میشود. پر کردن کامل پنجرهٔ ۱۳۱٬۰۷۲ توکنی این مدل فقط از سمت ورودی ۲٬۸۵۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «mistralai/ministral-3b-2512» است و انتخاب بین این دو همان جایی است که بیشتر آدمها گیر میکنند. روی یک درخواست ۱٬۰۰۰ کلمهای، این نسخه 1.4 برابر گرانتر از آن درمیآید (۱۰۴ در برابر ۷۵ تومان). حداکثر طول پاسخ هم فرق دارد: ۱۶٬۳۸۴ در برابر ۱۰۴٬۸۵۷ توکن. در پارامترها این مدل logit_bias، logprobs، min_p، repetition_penalty 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 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.
بهترین جای استفادهاش: 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.
Mistral-Small-3.2-24B-Instruct-2506 is an updated 24B parameter model from Mistral optimized for instruction following, repetition reduction, and improved function calling. Compared to the 3.1 release, version 3.2 significantly improves accuracy on...
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 | 56 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 122 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 3,772 تومان |
سؤالهای پرتکرار
- چطور با Mistral Small 3.2 24B 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/mistral-small-3.2-24b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Mistral Small 3.2 24B به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۲۱٬۷۵۹ تومان و هر ۱ میلیون توکن خروجی ۵۸٬۰۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۰۴ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Mistral Small 3.2 24B 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 Mistral Small 3.2 24B 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.