قیمت و API مدل Qwen3 14B در ایران
qwen/qwen3-14b
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.قیمت‌ها و شارژ
کد آمادهٔ Qwen3 14B: حل مسئلهٔ چندمرحله‌ای با حالت استدلال
نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.
from openai import OpenAI
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
resp = client.chat.completions.create(
model="qwen/qwen3-14b",
messages=[{"role": "user", "content": (
"یک فروشگاه ۳ انبار دارد. انبار A روزی ۱۲۰ سفارش، B روزی ۸۵ و C روزی ۴۰ سفارش می‌فرستد. "
"اگر C تعطیل شود و بارش بین A و B نسبت به ظرفیت‌شان تقسیم شود، هر کدام روزی چند سفارش می‌فرستند؟ "
"مرحله‌به‌مرحله حساب کن و در پایان فقط دو عدد بده"
)}],
reasoning_effort="medium", # low | medium | high
)
print(resp.choices[0].message.content)
# reasoning tokens count as output tokens too:
print(resp.usage.completion_tokens_details)curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3-14b",
"messages": [{"role": "user", "content": "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم می‌شود؛ مرحله‌به‌مرحله حساب کن"}],
"reasoning": {"effort": "medium"}
}'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: "qwen/qwen3-14b",
messages: [{ role: "user", content: "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم می‌شود؛ مرحله‌به‌مرحله حساب کن و در پایان فقط دو عدد بده" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.completion_tokens_details);Qwen3 14B برای چه کاری خوب است؟
Qwen3 14B از Qwen (Alibaba) می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «qwen/
آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: 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.
۴۱٬۵۴۶ تومان برای هر ۱M توکن ورودی و ۸۳٬۰۹۳ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «بسیار ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمهای ≈ ۱۶۲ تومان. 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 Nemotron 3 Nano 30B A3B است: Qwen3 14B حدود ۲۰٪ گران‌تر از آن تمام می‌شود و حداکثر طول متنش کمتر 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 ۶۱۷ درخواست ۱٬۰۰۰ کلمهای روی Qwen3 14B جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۶٬۱۷۳ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۲۴٬۶۳۹ تومان می‌شود. پر کردن کامل پنجرهٔ ۴۰٬۹۶۰ توکنی این مدل فقط از سمت ورودی ۱٬۷۰۲ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.
نزدیک‌ترین هم‌خانوادهٔ این مدل «qwen/
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، min_p، presence_penalty، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Perceptron Mk1.5 با ۳۶٬۸۶۴ توکن است.
کاربردهایی که برای این مدل معنی می‌دهد: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، حل مسئلهٔ منطقی و بازبینی کد، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص.
Qwen3-14B is a dense 14.8B parameter causal language model from the Qwen3 series, designed for both complex reasoning and efficient dialogue. It supports seamless switching between a "thinking" mode for...
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 | ۹۶ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۲۱۶ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۶٬۶۴۷ تومان |
تاریخچهٔ قیمت
| تاریخ | ورودی (تومان/۱M) | خروجی (تومان/۱M) |
|---|---|---|
| ۱۹ مهر ۱۴۰۵ | ۴۱٬۵۴۶ | ۸۳٬۰۹۳ |
| ۱۹ مهر ۱۴۰۵ | ۳۴٬۶۲۲ | ۷۶٬۱۶۸ |
| ۱۸ مهر ۱۴۰۵ | ۴۱٬۵۴۶ | ۸۳٬۰۹۳ |
| ۱۸ مهر ۱۴۰۵ | ۳۴٬۶۲۲ | ۷۶٬۱۶۸ |
| ۶ مهر ۱۴۰۵ | ۴۱٬۵۴۶ | ۸۳٬۰۹۳ |
| ۶ مهر ۱۴۰۵ | ۷۸٬۷۶۵ | ۳۱۵٬۰۶۰ |
| ۲۳ شهریور ۱۴۰۵ | ۴۱٬۵۴۶ | ۸۳٬۰۹۳ |
| ۱۷ شهریور ۱۴۰۵ | ۷۸٬۷۶۵ | ۳۱۵٬۰۶۰ |
| ۱۶ شهریور ۱۴۰۵ | ۴۱٬۵۴۶ | ۸۳٬۰۹۳ |
هر تغییر قیمت این مدل ثبت می‌شود؛ ستون تومان با قیمت امروز محاسبه شده است.
سؤال‌های پرتکرار
- چطور با Qwen3 14B 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/ qwen3-14b» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت Qwen3 14B به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۴۱٬۵۴۶ تومان و هر ۱ میلیون توکن خروجی ۸۳٬۰۹۳ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۶۲ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- Qwen3 14B چند توکن ورودی میگیرد؟
- تا ۴۰٬۹۶۰ توکن در هر درخواست؛ برای متن فارسی حدود ۳۱ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.
- آیا Qwen3 14B 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.