قیمت و API مدل Kimi K2.5 در ایران
moonshotai/kimi-k2.5
visiontoolsreasoningjsonشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند. cache ورودی: 20,309 تومان / 1M.قیمتها و شارژ
کد آمادهٔ Kimi K2.5: 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": "moonshotai/kimi-k2.5",
"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="moonshotai/kimi-k2.5",
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: "moonshotai/kimi-k2.5",
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));Kimi K2.5 برای چه کاری خوب است؟
Kimi K2.5 یکی از مدلهای Moonshot (Kimi) است و در یوتاپن با شناسهٔ «moonshotai/kimi-k2.5» صدا زده میشود. در هر فراخوانی تا ۲۶۲٬۱۴۴ توکن ورودی میپذیرد؛ برای متن فارسی این تقریباً ۶۵۵ صفحهٔ A4 است، پس چند فایل یا یک سند بلند را میشود یکجا داد. حداکثر طول پاسخ در هر فراخوانی ۲۳۵٬۹۲۹ توکن است. از نظر قیمت در دستهٔ «میانرده» است — ارزانتر از ۲۱۹ مدل و گرانتر از ۱۸۷ مدل پولی دیگر کاتالوگ.
آنچه این مدل بیش از یک مدل متنی ساده انجام میدهد: 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؛ حالت استدلال دارد و روی مسئلهٔ چندمرحلهای، ریاضی و دیباگ بهتر جواب میدهد. همهٔ اینها با همان پارامترهای استاندارد SDK رسمی OpenAI کار میکنند و کد اختصاصی لازم ندارند. توجه کن که توکنهای استدلال هم توکن خروجی محسوب میشوند و در صورتحساب میآیند.
برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفتوبرگشت با این مدل حدود ۱٬۰۱۸ تومان است (۱۳۰٬۵۵۶ تومان ورودی و ۶۵۲٬۷۸۱ تومان خروجی بهازای ۱M توکن). cache ورودی دارد: توکنهای تکراری context با ۲۰٬۳۰۹ 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-5.4 Mini (batch) است: Kimi K2.5 تقریباً 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 ۹۸ درخواست ۱٬۰۰۰ کلمهای روی Kimi K2.5 جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۹۸۲ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۷۸۳٬۳۳۸ تومان میشود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۳۴٬۲۲۵ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «moonshotai/kimi-k2.7-code» است و انتخاب بین این دو همان جایی است که بیشتر آدمها گیر میکنند. روی یک درخواست ۱٬۰۰۰ کلمهای، این نسخه 1.5 برابر ارزانتر از آن درمیآید (۱٬۰۱۸ در برابر ۱٬۵۳۱ تومان). در پارامترها آن یکی parallel_tool_calls را.
Moonshot (Kimi) در کاتالوگ ما ۹ مدل دارد؛ ارزانترینشان Kimi K2.5 با ۱٬۰۱۸ تومان و گرانترین Kimi K3 (batch) با ۶٬۷۸۹ 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. از نظر اندازهٔ context نزدیکترین گزینه از تأمینکنندهٔ دیگر Trinity Large Thinking با ۲۶۲٬۱۴۴ توکن است.
کاربردهایی که برای این مدل معنی میدهد: چتبات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
Kimi K2.5 is Moonshot AI's native multimodal model, delivering state-of-the-art visual coding capability and a self-directed agent swarm paradigm. Built on Kimi K2 with continued pretraining over approximately 15T mixed...
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 | 457 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 914 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 28,722 تومان |
سؤالهای پرتکرار
- چطور با Kimi K2.5 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 «moonshotai/kimi-k2.5» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Kimi K2.5 به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۱۳۰٬۵۵۶ تومان و هر ۱ میلیون توکن خروجی ۶۵۲٬۷۸۱ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱٬۰۱۸ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Kimi K2.5 چند توکن ورودی میگیرد؟
- تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۲۳۵٬۹۲۹ توکن است.
- آیا Kimi K2.5 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.