قیمت و API مدل Mixtral 8x22B Instruct در ایران
mistralai/mixtral-8x22b-instruct
toolsjsonfilesشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند. cache ورودی: 58,025 تومان / 1M.قیمتها و شارژ
کد آمادهٔ Mixtral 8x22B Instruct: 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/mixtral-8x22b-instruct",
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/mixtral-8x22b-instruct",
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/mixtral-8x22b-instruct",
"messages": [{"role": "user", "content": "تیکت را دستهبندی کن و اولویت ۱ تا ۵ بده."}],
"response_format": {"type": "json_object"}
}'Mixtral 8x22B Instruct برای چه کاری خوب است؟
Mixtral 8x22B Instruct از Mistral میآید؛ در کد فقط همین رشته را در فیلد model بگذار: «mistralai/mixtral-8x22b-instruct». Mixtral 8x22B Instruct تا ۶۵٬۵۳۶ توکن را در یک درخواست نگه میدارد (نزدیک ۴۹ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین میکند. حداکثر طول پاسخ در هر فراخوانی ۵۲٬۴۲۸ توکن است. از نظر قیمت در دستهٔ «میانرده» است — ارزانتر از ۲۹۷ مدل و گرانتر از ۱۰۹ 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.
۵۸۰٬۲۵۰ تومان برای هر ۱M توکن ورودی و ۱٬۷۴۰٬۷۵۰ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «میانرده» کاتالوگ مینشیند و یک درخواست ۱٬۰۰۰ کلمهای ≈ ۳٬۰۱۷ تومان. cache ورودی دارد: توکنهای تکراری context با ۵۸٬۰۲۵ 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 Aion-3.0 است: Mixtral 8x22B Instruct تقریباً 1.1 برابر ارزانتر 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 ۳۳ درخواست ۱٬۰۰۰ کلمهای روی Mixtral 8x22B Instruct جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۳۳۱ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲٬۳۲۱٬۰۰۰ تومان میشود. پر کردن کامل پنجرهٔ ۶۵٬۵۳۶ توکنی این مدل فقط از سمت ورودی ۳۸٬۰۲۷ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «mistralai/mistral-large» است و انتخاب بین این دو همان جایی است که بیشتر آدمها گیر میکنند. قیمت هر دو روی یک درخواست ۱٬۰۰۰ کلمهای تقریباً برابر است (۳٬۰۱۷ و ۳٬۰۱۷ تومان). پنجرهٔ context هم یکی نیست: ۶۵٬۵۳۶ در برابر ۱۲۸٬۰۰۰ توکن. حداکثر طول پاسخ هم فرق دارد: ۵۲٬۴۲۸ در برابر ۱۰۲٬۴۰۰ توکن.
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 Nano Banana Pro (Gemini 3 Pro Image Preview) با ۶۵٬۵۳۶ 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.
Mistral's official instruct fine-tuned version of [Mixtral 8x22B](/models/mistralai/mixtral-8x22b). It uses 39B active parameters out of 141B, offering unparalleled cost efficiency for its size. Its strengths include: - strong math, coding,...
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 | 1,567 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 3,365 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 104,445 تومان |
سؤالهای پرتکرار
- چطور با Mixtral 8x22B Instruct 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/mixtral-8x22b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Mixtral 8x22B Instruct به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۵۸۰٬۲۵۰ تومان و هر ۱ میلیون توکن خروجی ۱٬۷۴۰٬۷۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۳٬۰۱۷ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Mixtral 8x22B Instruct چند توکن ورودی میگیرد؟
- تا ۶۵٬۵۳۶ توکن در هر درخواست؛ برای متن فارسی حدود ۴۹ هزار کلمه. حداکثر طول پاسخ هم ۵۲٬۴۲۸ توکن است.
- آیا Mixtral 8x22B Instruct 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.