ساخت کلید API

قیمت و API مدل Qwen3 30B A3B Instruct 2507 در ایران

qwen/qwen3-30b-a3b-instruct-2507

فراخوانی ابزارخروجی JSON
ساخت کلیدامتحان کن
ورودی · هر ۱M توکن
۳۴٬۶۲۲ تومان
خروجی · هر ۱M توکن
۱۰۳٬۸۶۶ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۱۸۰ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۳۴٬۶۲۲ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ

کد آمادهٔ Qwen3 30B A3B Instruct 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/qwen3-30b-a3b-instruct-2507", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

# you run the function yourself — the model never touches the database
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/qwen3-30b-a3b-instruct-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/qwen3-30b-a3b-instruct-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/qwen3-30b-a3b-instruct-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/qwen3-30b-a3b-instruct-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 30B A3B Instruct 2507 برای چه کاری خوب است؟

Qwen3 30B A3B Instruct 2507 یکی از مدل‌های Qwen (Alibaba) است و در یوتاپن با شناسهٔ «qwen/qwen3-30b-a3b-instruct-2507» صدا زده می‌شود. در هر فراخوانی تا ۲۶۲٬۱۴۴ توکن ورودی می‌پذیرد؛ برای متن فارسی این تقریباً ۶۵۵ صفحهٔ A4 است، پس چند فایل یا یک سند بلند را می‌شود یک‌جا داد. حداکثر طول پاسخ در هر فراخوانی ۲۳۵٬۹۲۹ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۳۲۷ مدل و گران‌تر از ۶۲ مدل پولی دیگر کاتالوگ.

چه کارهایی از آن برمی‌آید: 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.

برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفت‌وبرگشت با این مدل حدود ۱۸۰ تومان است (۳۴٬۶۲۲ تومان ورودی و ۱۰۳٬۸۶۶ تومان خروجی به‌ازای ۱M توکن). cache ورودی دارد: توکن‌های تکراری متن ورودی با ۳۴٬۶۲۲ 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 DeepSeek V4 Flash 0731 است: Qwen3 30B A3B Instruct 2507 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 ۵۵۶ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 30B A3B Instruct 2507 جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۵٬۵۵۶ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۳۸٬۴۸۸ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۹٬۰۷۶ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «qwen/qwen3-coder-30b-a3b-instruct» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه حدود ۴۷٪ ارزان‌تر از آن درمی‌آید (۱۸۰ در برابر ۳۳۸ تومان). در پارامترها این مدل logit_bias، logprobs، presence_penalty، repetition_penalty را دارد.

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 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 Aion 3.5 با ۲۶۲٬۱۴۴ توکن است.

کجا انتخاب درستی است: 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

Qwen3-30B-A3B-Instruct-2507 is a 30.5B-parameter mixture-of-experts language model from Qwen, with 3.3B active parameters per inference. It operates in non-thinking mode and is designed for high-quality instruction following, multilingual understanding, and...

سه کار واقعی، با قیمت همین مدل

اعداد از همان قیمت‌های بالا حساب شده‌اند و با تغییر قیمت مدل تغییر می‌کنند.

کارتوکنهزینه
یک نوبت گفتگو با تاریخچهٔ متوسط۱٬۵۰۰ ورودی + ۴۰۰ خروجی۹۳ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۲۰۱ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۶٬۲۳۲ تومان

تاریخچهٔ قیمت

تاریخورودی (تومان/۱M)خروجی (تومان/۱M)
۵ آبان ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶
۴ آبان ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶
۲۶ مهر ۱۴۰۵۳۱٬۱۶۰۱۰۳٬۸۶۶
۱۶ مهر ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶
۱۶ مهر ۱۴۰۵۱۶٬۶۷۰۶۶٬۸۳۸
۱۶ مهر ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶
۱۵ مهر ۱۴۰۵۱۶٬۶۷۰۶۶٬۸۳۸
۱۴ مهر ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶
۱۱ مهر ۱۴۰۵۱۶٬۶۷۰۶۶٬۸۳۸
۱۱ مهر ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶
۱۰ مهر ۱۴۰۵۱۶٬۶۷۰۶۶٬۸۳۸
۱۰ مهر ۱۴۰۵۳۴٬۶۲۲۱۰۳٬۸۶۶

هر تغییر قیمت این مدل ثبت می‌شود؛ ستون تومان با قیمت امروز محاسبه شده است.

سؤال‌های پرتکرار

چطور با Qwen3 30B A3B 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/qwen3-30b-a3b-instruct-2507» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Qwen3 30B A3B Instruct 2507 به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۳۴٬۶۲۲ تومان و هر ۱ میلیون توکن خروجی ۱۰۳٬۸۶۶ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۸۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
Qwen3 30B A3B Instruct 2507 چند توکن ورودی می‌گیرد؟
تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۲۳۵٬۹۲۹ توکن است.
آیا Qwen3 30B A3B 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.