قیمت و API مدل Qwen3.5 397B A17B در ایران
qwen/qwen3.5-397b-a17b
visiontoolsreasoningjsonشارژ بر اساس مصرف واقعی همان درخواست. قیمتها با تغییر شرایط بازار بهروز میشوند.قیمتها و شارژ
کد آمادهٔ Qwen3.5 397B A17B: 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/qwen3.5-397b-a17b",
"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/qwen3.5-397b-a17b",
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/qwen3.5-397b-a17b",
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));Qwen3.5 397B A17B برای چه کاری خوب است؟
شناسهٔ Qwen3.5 397B A17B در API ما «qwen/qwen3.5-397b-a17b» است و تأمینکنندهٔ آن Qwen (Alibaba) است. ظرفیت context برابر ۲۶۲٬۱۴۴ توکن است؛ حدود ۱۹۷ هزار کلمهٔ فارسی جا میشود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۶۵٬۵۳۶ توکن است. از نظر قیمت در دستهٔ «میانرده» است — ارزانتر از ۲۲۳ مدل و گرانتر از ۱۸۳ مدل پولی دیگر کاتالوگ.
چه کارهایی از آن برمیآید: عکس و اسکرینشات را مستقیم میخواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی 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 ۱۱۳٬۱۴۹ تومان و هر ۱ میلیون توکن خروجی ۶۷۸٬۸۹۳ تومان است؛ خروجی 6 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 K2.5 است: Qwen3.5 397B A17B تقریباً 1 برابر گرانتر 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 ۹۷ درخواست ۱٬۰۰۰ کلمهای روی Qwen3.5 397B A17B جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۹۷۱ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۷۹۲٬۰۴۱ تومان میشود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۲۹٬۶۶۱ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «qwen/qwen3.5-122b-a10b» 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 (۱٬۰۳۰ و ۱٬۰۱۵ تومان). حداکثر طول پاسخ هم فرق دارد: ۶۵٬۵۳۶ در برابر ۸۱٬۹۲۰ توکن.
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. از نظر اندازهٔ context نزدیکترین گزینه از تأمینکنندهٔ دیگر Trinity Large Thinking با ۲۶۲٬۱۴۴ توکن است.
کجا انتخاب درستی است: چتبات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
The Qwen3.5 series 397B-A17B native vision-language model is built on a hybrid architecture that integrates a linear attention mechanism with a sparse mixture-of-experts model, achieving higher inference efficiency. It delivers...
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 | 441 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 860 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 27,156 تومان |
تاریخچهٔ قیمت
| تاریخ | ورودی (تومان/۱M) | خروجی (تومان/۱M) |
|---|---|---|
| ۱۶ شهریور ۱۴۰۵ | 113,149 | 678,893 |
| ۱۶ شهریور ۱۴۰۵ | 159,569 | 1,015,438 |
هر تغییر قیمت این مدل ثبت میشود؛ ستون تومان با قیمت امروز محاسبه شده است.
سؤالهای پرتکرار
- چطور با Qwen3.5 397B A17B 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/qwen3.5-397b-a17b» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Qwen3.5 397B A17B به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۱۱۳٬۱۴۹ تومان و هر ۱ میلیون توکن خروجی ۶۷۸٬۸۹۳ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱٬۰۳۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Qwen3.5 397B A17B چند توکن ورودی میگیرد؟
- تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۶۵٬۵۳۶ توکن است.
- آیا Qwen3.5 397B A17B 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. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته میشود. خروجی ساختیافته با response_format هم کار میکند.