چطور با GPT-5.3-Codex 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 «openai/gpt-5.3-codex» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت GPT-5.3-Codex به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۵۰۷٬۷۱۹ تومان و هر ۱ میلیون توکن خروجی ۴٬۰۶۱٬۷۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۵٬۹۴۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

GPT-5.3-Codex چند توکن ورودی میگیرد؟

تا ۴۰۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۳۰۰ هزار کلمه. حداکثر طول پاسخ هم ۱۲۸٬۰۰۰ توکن است.

آیا GPT-5.3-Codex 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.

قیمت و API مدل GPT-5.3-Codex در ایران

openai/gpt-5.3-codex

visiontoolsreasoningjsonfiles

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

507,719 تومان

خروجی · هر ۱M توکن

4,061,750 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

5,940 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 50,772 تومان / 1M. جستجوی وب: 2,901.25 تومان / درخواست.قیمت‌ها و شارژ

کد آمادهٔ GPT-5.3-Codex: 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": "openai/gpt-5.3-codex",
    "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="openai/gpt-5.3-codex",
    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: "openai/gpt-5.3-codex",
  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));

GPT-5.3-Codex برای چه کاری خوب است؟

شناسهٔ GPT-5.3-Codex در API ما «openai/gpt-5.3-codex» است و تأمین‌کنندهٔ آن OpenAI است. ظرفیت context برابر ۴۰۰٬۰۰۰ توکن است؛ حدود ۳۰۰ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۱۲۸٬۰۰۰ توکن است. از نظر قیمت در دستهٔ «گران» است — ارزان‌تر از ۳۵۵ مدل و گران‌تر از ۵۱ 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؛ 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؛ 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.

هر ۱ میلیون توکن ورودی ۵۰۷٬۷۱۹ تومان و هر ۱ میلیون توکن خروجی ۴٬۰۶۱٬۷۵۰ تومان است؛ خروجی 8 برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری context با ۵۰٬۷۷۲ 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 Claude Sonnet 4 است: GPT-5.3-Codex 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 ۱۷ درخواست ۱٬۰۰۰ کلمه‌ای روی GPT-5.3-Codex جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۶۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۴٬۵۶۹٬۴۶۹ تومان می‌شود. پر کردن کامل پنجرهٔ ۴۰۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۲۰۳٬۰۸۸ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «openai/gpt-5.2» 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 (۵٬۹۴۰ و ۵٬۹۴۰ تومان).

OpenAI در کاتالوگ ما ۹۵ مدل دارد؛ ارزان‌ترین‌شان gpt-oss-20b با ۶۰ تومان و گران‌ترین o1-pro با ۲۸۲٬۸۷۲ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل max_completion_tokens، reasoning_effort را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض temperature، top_p 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 Nova Lite 1.0 با ۳۰۰٬۰۰۰ توکن است.

کاربردهایی که برای این مدل معنی می‌دهد: کارهایی که کیفیت پاسخ در آن‌ها از هزینه مهم‌تر 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

GPT-5.3-Codex is OpenAI’s most advanced agentic coding model, combining the frontier software engineering performance of GPT-5.2-Codex with the broader reasoning and professional knowledge capabilities of GPT-5.2. It achieves state-of-the-art results...

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	2,386 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	4,468 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	142,161 تومان

سؤال‌های پرتکرار

چطور با GPT-5.3-Codex 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 «openai/gpt-5.3-codex» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت GPT-5.3-Codex به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۵۰۷٬۷۱۹ تومان و هر ۱ میلیون توکن خروجی ۴٬۰۶۱٬۷۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۵٬۹۴۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
GPT-5.3-Codex چند توکن ورودی می‌گیرد؟: تا ۴۰۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۳۰۰ هزار کلمه. حداکثر طول پاسخ هم ۱۲۸٬۰۰۰ توکن است.
آیا GPT-5.3-Codex 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.