قیمت و API مدل Qwen3 235B A22B Instruct 2507 در ایران
qwen/qwen3-235b-a22b-2507
toolsjsonشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند.قیمتها و شارژ
کد آمادهٔ Qwen3 235B A22B Instruct 2507: خروجی JSON با اسکیمای مشخص
نمونه بر اساس قابلیتهای همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا میشود.
from openai import OpenAI
import json
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
schema = {
"name": "ticket",
"schema": {
"type": "object",
"properties": {
"category": {"type": "string", "enum": ["fani", "mali", "forush"]},
"priority": {"type": "integer", "minimum": 1, "maximum": 5},
"summary": {"type": "string"},
},
"required": ["category", "priority", "summary"],
"additionalProperties": False,
},
"strict": True,
}
resp = client.chat.completions.create(
model="qwen/qwen3-235b-a22b-2507",
messages=[{"role": "user", "content": "تیکت: «دو روزه نمیتونم فاکتور دانلود کنم و پرداختم هم دوباره کسر شد.»"}],
response_format={"type": "json_schema", "json_schema": schema},
)
print(json.loads(resp.choices[0].message.content))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/qwen3-235b-a22b-2507",
messages: [{ role: "user", content: "تیکت: «دو روزه نمیتونم فاکتور دانلود کنم و پرداختم هم دوباره کسر شد.»" }],
response_format: {
type: "json_schema",
json_schema: {
name: "ticket",
strict: true,
schema: {
type: "object",
properties: {
category: { type: "string", enum: ["fani", "mali", "forush"] },
priority: { type: "integer", minimum: 1, maximum: 5 },
summary: { type: "string" },
},
required: ["category", "priority", "summary"],
additionalProperties: false,
},
},
},
});
console.log(JSON.parse(resp.choices[0].message.content));curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3-235b-a22b-2507",
"messages": [{"role": "user", "content": "تیکت را دستهبندی کن و اولویت ۱ تا ۵ بده."}],
"response_format": {"type": "json_object"}
}'Qwen3 235B A22B Instruct 2507 برای چه کاری خوب است؟
Qwen (Alibaba) این مدل را منتشر کرده و ما آن را با نام «qwen/qwen3-235b-a22b-2507» عرضه میکنیم. پنجرهٔ context آن ۲۶۲٬۱۴۴ توکن است — تقریباً ۱۹۷ هزار کلمهٔ فارسی، یا حدود ۶۵۵ صفحهٔ A4 در یک درخواست. حداکثر طول پاسخ در هر فراخوانی ۱۶٬۳۸۴ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزانتر از ۹۲ مدل و گرانتر از ۳۱۴ مدل پولی دیگر کاتالوگ.
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. همهٔ اینها با همان پارامترهای استاندارد SDK رسمی OpenAI کار میکنند و کد اختصاصی لازم ندارند.
قیمت ورودی ۲۶٬۱۱۱ و خروجی ۱۵۹٬۵۶۹ تومان بهازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمهای روی Qwen3 235B A22B Instruct 2507 تقریباً ۲۴۱ تومان درمیآید. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.
نزدیکترین گزینه با همین قابلیتها از تأمینکنندهٔ دیگر Hy3 است: Qwen3 235B A22B Instruct 2507 تقریباً 1 برابر ارزانتر از آن تمام میشود و پنجرهٔ context آن برابر 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 ۴۱۵ درخواست ۱٬۰۰۰ کلمهای روی Qwen3 235B A22B Instruct 2507 جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۴٬۱۴۹ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۸۵٬۶۸۰ تومان میشود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۶٬۸۴۵ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «qwen/qwen3-coder-next» است و انتخاب بین این دو همان جایی است که بیشتر آدمها گیر میکنند. روی یک درخواست ۱٬۰۰۰ کلمهای، این نسخه 1.4 برابر ارزانتر از آن درمیآید (۲۴۱ در برابر ۳۴۷ تومان). حداکثر طول پاسخ هم فرق دارد: ۱۶٬۳۸۴ در برابر ۲۳۵٬۹۲۹ توکن. در پارامترها این مدل min_p را دارد.
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، min_p، repetition_penalty، top_k، top_logprobs را میپذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning 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 Trinity Large Thinking با ۲۶۲٬۱۴۴ توکن است.
کاربردهایی که برای این مدل معنی میدهد: کار پرحجم مثل دستهبندی، برچسبگذاری و خلاصهسازی انبوه، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
Qwen3-235B-A22B-Instruct-2507 is a multilingual, instruction-tuned mixture-of-experts language model based on the Qwen3-235B architecture, with 22B active parameters per forward pass. It is optimized for general-purpose text generation, including instruction following,...
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 | 103 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 200 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 6,325 تومان |
سؤالهای پرتکرار
- چطور با Qwen3 235B A22B Instruct 2507 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/qwen3-235b-a22b-2507» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Qwen3 235B A22B Instruct 2507 به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۲۶٬۱۱۱ تومان و هر ۱ میلیون توکن خروجی ۱۵۹٬۵۶۹ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۲۴۱ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Qwen3 235B A22B Instruct 2507 چند توکن ورودی میگیرد؟
- تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.
- آیا Qwen3 235B A22B Instruct 2507 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.