قیمت و API مدل Qwen3 Coder Flash در ایران
qwen/qwen3-coder-flash
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱۳٬۵۰۳ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ
کد آمادهٔ Qwen3 Coder Flash: 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-coder-flash", 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-coder-flash", 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-coder-flash", 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-coder-flash", 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-coder-flash",
"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 Coder Flash برای چه کاری خوب است؟
شناسهٔ Qwen3 Coder Flash در API ما «qwen/
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.
هر ۱ میلیون توکن ورودی ۶۷٬۵۱۳ تومان و هر ۱ میلیون توکن خروجی ۳۳۷٬۵۶۴ تومان است؛ خروجی ۵ برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱۳٬۵۰۳ 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 V3.1 است: Qwen3 Coder Flash تقریباً هم‌قیمت آن تمام می‌شود و حداکثر طول متنش بیشتر 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 ۱۹۰ درخواست ۱٬۰۰۰ کلمهای روی Qwen3 Coder Flash جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۸۹۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۴۰۵٬۰۷۷ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۰۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۶۷٬۵۱۳ 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 logprobs، presence_penalty، top_k، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning، structured_outputs 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 Nova 2 Lite با ۱٬۰۰۰٬۰۰۰ 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.
Qwen3 Coder Flash is Alibaba's fast and cost efficient version of their proprietary Qwen3 Coder Plus. It is a powerful coding agent model specializing in autonomous programming via tool calling...
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 | ۲۳۶ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۴۷۳ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۱۴٬۸۵۳ تومان |
سؤال‌های پرتکرار
- چطور با Qwen3 Coder Flash 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-coder-flash» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت Qwen3 Coder Flash به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۶۷٬۵۱۳ تومان و هر ۱ میلیون توکن خروجی ۳۳۷٬۵۶۴ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۵۲۷ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- Qwen3 Coder Flash چند توکن ورودی میگیرد؟
- تا ۱٬۰۰۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۷۵۰ هزار کلمه. حداکثر طول پاسخ هم ۶۵٬۵۳۶ توکن است.
- آیا Qwen3 Coder Flash 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.