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 ۲۳۲٬۱۰۰ تومان و هر ۱ میلیون توکن خروجی ۲۹۰٬۱۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۶۷۹ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

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.

قیمت و API مدل Qwen2.5 VL 72B Instruct در ایران

qwen/qwen2.5-vl-72b-instruct

visionjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

232,100 تومان

خروجی · هر ۱M توکن

290,125 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

679 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 116,050 تومان / 1M.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/qwen2.5-vl-72b-instruct». Qwen2.5 VL 72B Instruct تا ۱۲۸٬۰۰۰ توکن را در یک درخواست نگه می‌دارد (نزدیک ۹۶ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین می‌کند. حداکثر طول پاسخ در هر فراخوانی ۱۱۵٬۲۰۰ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۱۳۵ مدل و گران‌تر از ۲۷۱ 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؛ 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.

۲۳۲٬۱۰۰ تومان برای هر ۱M توکن ورودی و ۲۹۰٬۱۲۵ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمه‌ای ≈ ۶۷۹ تومان. cache ورودی دارد: توکن‌های تکراری context با ۱۱۶٬۰۵۰ 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 Sonar است: Qwen2.5 VL 72B Instruct تقریباً 1.1 برابر ارزان‌تر از آن تمام می‌شود و پنجرهٔ context آن بزرگ‌تر 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 ۱۴۷ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen2.5 VL 72B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۴۷۳ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۵۲۲٬۲۲۵ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۲۸٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۲۹٬۷۰۹ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

Qwen (Alibaba) در کاتالوگ ما ۵۳ مدل دارد؛ ارزان‌ترین‌شان Qwen3.7 Flash با ۶۰ تومان و گران‌ترین Qwen3.8 Max (0902) با ۳٬۰۱۷ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، logprobs، 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 اندازهٔ context 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

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	1,500 ورودی + 400 خروجی	464 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	1,102 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	33,655 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 ۲۳۲٬۱۰۰ تومان و هر ۱ میلیون توکن خروجی ۲۹۰٬۱۲۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۶۷۹ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
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.