قیمت و API مدل Qwen2.5 VL 72B Instruct در ایران
qwen/qwen2.5-vl-72b-instruct
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱۳۸٬۴۸۸ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ
کد آمادهٔ Qwen2.5 VL 72B Instruct: 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": "qwen/qwen2.5-vl-72b-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="qwen/qwen2.5-vl-72b-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: "qwen/qwen2.5-vl-72b-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));Qwen2.5 VL 72B Instruct برای چه کاری خوب است؟
Qwen2.5 VL 72B Instruct از Qwen (Alibaba) می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «qwen/
قابلیت‌هایی که در همین شناسه فعال است: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی است؛ 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.
۲۷۶٬۹۷۵ تومان برای هر ۱M توکن ورودی و ۳۴۶٬۲۱۹ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمهای ≈ ۸۱۰ تومان. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱۳۸٬۴۸۸ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد، و درخواستی که ناموفق باشد هزینهای ندارد.
نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Sonar است: Qwen2.5 VL 72B Instruct حدود ۹٪ ارزان‌تر از آن تمام میشود و حداکثر طول متنش بیشتر 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 ۱۲۳ درخواست ۱٬۰۰۰ کلمهای روی Qwen2.5 VL 72B Instruct جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۲۳۵ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۲۳٬۱۹۵ تومان میشود. پر کردن کامل پنجرهٔ ۱۲۸٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۳۵٬۴۵۳ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.
Qwen (Alibaba) در کاتالوگ ما ۴۲ مدل دارد؛ ارزان‌ترین‌شان Qwen3.7 Flash با ۷۲ تومان و گران‌ترین Qwen3.8 Max Prime با ۷٬۲۰۱ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، logprobs، presence_penalty، repetition_penalty، top_k، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning، tool_choice، tools را که بیشتر مدلها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Nova Micro 1.0 با ۱۲۸٬۰۰۰ توکن است.
بهترین جای استفاده‌اش: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، استخراج متن و داده از تصویر، استخراج داده با اسکیمای مشخص.
Qwen2.5-VL is proficient in recognizing common objects such as flowers, birds, fish, and insects. It is also highly capable of analyzing texts, charts, icons, graphics, and layouts within images.
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 | ۱٬۵۰۰ ورودی + ۴۰۰ خروجی | ۵۵۴ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۱٬۳۱۶ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۴۰٬۱۶۱ تومان |
سؤال‌های پرتکرار
- چطور با Qwen2.5 VL 72B 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 «qwen/ qwen2.5-vl-72b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت Qwen2.5 VL 72B Instruct به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۲۷۶٬۹۷۵ تومان و هر ۱ میلیون توکن خروجی ۳۴۶٬۲۱۹ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۸۱۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- Qwen2.5 VL 72B Instruct چند توکن ورودی میگیرد؟
- تا ۱۲۸٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۶ هزار کلمه. حداکثر طول پاسخ هم ۱۱۵٬۲۰۰ توکن است.
- آیا Qwen2.5 VL 72B Instruct استریم و ورودی تصویر را پشتیبانی میکند؟
- استریم (stream=true) روی همهٔ مدلها فعال است. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته میشود. خروجی ساختیافته با response_format هم کار میکند.