چطور با Qwen3 235B A22B Thinking 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-thinking-2507» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Qwen3 235B A22B Thinking 2507 به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۶۶٬۷۲۹ تومان و هر ۱ میلیون توکن خروجی ۶۶۷٬۲۸۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۹۵۴ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Qwen3 235B A22B Thinking 2507 چند توکن ورودی میگیرد؟

تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۱۱۷٬۹۶۴ توکن است.

آیا Qwen3 235B A22B Thinking 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.

قیمت و API مدل Qwen3 235B A22B Thinking 2507 در ایران

qwen/qwen3-235b-a22b-thinking-2507

toolsreasoningjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

66,729 تومان

خروجی · هر ۱M توکن

667,288 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

954 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.قیمت‌ها و شارژ

کد آمادهٔ Qwen3 235B A22B Thinking 2507: فراخوانی ابزار (tool calling)

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-…")

tools = [{
    "type": "function",
    "function": {
        "name": "check_stock",
        "description": "موجودی یک محصول را برمی‌گرداند",
        "parameters": {
            "type": "object",
            "properties": {"sku": {"type": "string"}},
            "required": ["sku"],
        },
    },
}]

messages = [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده؟"}]
first = client.chat.completions.create(model="qwen/qwen3-235b-a22b-thinking-2507", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

# تابع را خودت اجرا می‌کنی؛ مدل هیچ دسترسی مستقیمی به دیتابیس ندارد
args = json.loads(call.function.arguments)
result = {"sku": args["sku"], "qty": 7}

messages += [first.choices[0].message, {"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)}]
final = client.chat.completions.create(model="qwen/qwen3-235b-a22b-thinking-2507", messages=messages, tools=tools)
print(final.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });

const tools = [{
  type: "function",
  function: {
    name: "check_stock",
    description: "موجودی یک محصول را برمی‌گرداند",
    parameters: { type: "object", properties: { sku: { type: "string" } }, required: ["sku"] },
  },
}];

const messages = [{ role: "user", content: "از کفش نایک مدل NK-42 چند تا موجوده؟" }];
const first = await client.chat.completions.create({ model: "qwen/qwen3-235b-a22b-thinking-2507", messages, tools });
const call = first.choices[0].message.tool_calls[0];

const args = JSON.parse(call.function.arguments);
const result = { sku: args.sku, qty: 7 };

messages.push(first.choices[0].message, { role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
const final = await client.chat.completions.create({ model: "qwen/qwen3-235b-a22b-thinking-2507", messages, tools });
console.log(final.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-thinking-2507",
    "messages": [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده؟"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "check_stock",
        "parameters": {"type": "object", "properties": {"sku": {"type": "string"}}, "required": ["sku"]}
      }
    }]
  }'

Qwen3 235B A22B Thinking 2507 برای چه کاری خوب است؟

شناسهٔ Qwen3 235B A22B Thinking 2507 در API ما «qwen/qwen3-235b-a22b-thinking-2507» است و تأمین‌کنندهٔ آن Qwen (Alibaba) است. ظرفیت context برابر ۱۳۱٬۰۷۲ توکن است؛ حدود ۹۸ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۱۱۷٬۹۶۴ توکن است. از نظر قیمت در دستهٔ «میان‌رده» است — ارزان‌تر از ۲۲۱ مدل و گران‌تر از ۱۸۵ مدل پولی دیگر کاتالوگ.

قابلیت‌هایی که در همین شناسه فعال است: 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 ۶۶٬۷۲۹ تومان و هر ۱ میلیون توکن خروجی ۶۶۷٬۲۸۸ تومان است؛ خروجی 10 برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Kimi K2 0711 است: Qwen3 235B A22B Thinking 2507 تقریباً 1.1 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 ۱۰۵ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 235B A22B Thinking 2507 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۰۴۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۷۳۴٬۰۱۶ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۳۱٬۰۷۲ توکنی این مدل فقط از سمت ورودی ۸٬۷۴۶ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «qwen/qwen3-235b-a22b» 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 (۹۵۴ و ۸۵۸ تومان). حداکثر طول پاسخ هم فرق دارد: ۱۱۷٬۹۶۴ در برابر ۸٬۱۹۲ توکن. در پارامترها این مدل logprobs، repetition_penalty، top_logprobs 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 logprobs، repetition_penalty، top_k، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض structured_outputs 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 Aion-2.0 با ۱۳۱٬۰۷۲ توکن است.

بهترین جای استفاده‌اش: چت‌بات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، حل مسئلهٔ منطقی و بازبینی کد، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص.

توضیح رسمی تأمین‌کننده (انگلیسی)

Qwen3-235B-A22B-Thinking-2507 is a high-performance, open-weight Mixture-of-Experts (MoE) language model optimized for complex reasoning tasks. It activates 22B of its 235B parameters per forward pass and natively supports up to 262,144...

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	367 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	667 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	21,353 تومان

سؤال‌های پرتکرار

چطور با Qwen3 235B A22B Thinking 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-thinking-2507» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Qwen3 235B A22B Thinking 2507 به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۶۶٬۷۲۹ تومان و هر ۱ میلیون توکن خروجی ۶۶۷٬۲۸۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۹۵۴ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Qwen3 235B A22B Thinking 2507 چند توکن ورودی می‌گیرد؟: تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۱۱۷٬۹۶۴ توکن است.
آیا Qwen3 235B A22B Thinking 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.