چطور با Qwen3 Coder Next 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-next» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Qwen3 Coder Next به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۳۴٬۸۱۵ تومان و هر ۱ میلیون توکن خروجی ۲۳۲٬۱۰۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۳۴۷ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Qwen3 Coder Next 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 Coder Next 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 Coder Next در ایران

qwen/qwen3-coder-next

toolsjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

34,815 تومان

خروجی · هر ۱M توکن

232,100 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

347 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 20,309 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ Qwen3 Coder Next: 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-coder-next",
    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-coder-next",
  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-coder-next",
    "messages": [{"role": "user", "content": "تیکت را دسته‌بندی کن و اولویت ۱ تا ۵ بده."}],
    "response_format": {"type": "json_object"}
  }'

Qwen3 Coder Next برای چه کاری خوب است؟

Qwen3 Coder Next از Qwen (Alibaba) می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «qwen/qwen3-coder-next». Qwen3 Coder Next تا ۲۶۲٬۱۴۴ توکن را در یک درخواست نگه می‌دارد (نزدیک ۱۹۷ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین می‌کند. حداکثر طول پاسخ در هر فراخوانی ۲۳۵٬۹۲۹ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۱۲۰ مدل و گران‌تر از ۲۸۶ 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.

۳۴٬۸۱۵ تومان برای هر ۱M توکن ورودی و ۲۳۲٬۱۰۰ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمه‌ای ≈ ۳۴۷ تومان. cache ورودی دارد: توکن‌های تکراری context با ۲۰٬۳۰۹ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Trinity Large Thinking است: Qwen3 Coder Next 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 ۲۸۸ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 Coder Next جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۲٬۸۸۲ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲۶۶٬۹۱۵ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۹٬۱۲۷ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «qwen/qwen3-235b-a22b-2507» 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 گران‌تر از آن درمی‌آید (۳۴۷ در برابر ۲۴۱ تومان). حداکثر طول پاسخ هم فرق دارد: ۲۳۵٬۹۲۹ در برابر ۱۶٬۳۸۴ توکن. در پارامترها آن یکی min_p را.

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، 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

Qwen3-Coder-Next is an open-weight causal language model optimized for coding agents and local development workflows. It uses a sparse MoE design with 80B total parameters and only 3B activated per...

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	145 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	279 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	8,820 تومان

سؤال‌های پرتکرار

چطور با Qwen3 Coder Next 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-next» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Qwen3 Coder Next به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۳۴٬۸۱۵ تومان و هر ۱ میلیون توکن خروجی ۲۳۲٬۱۰۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۳۴۷ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Qwen3 Coder Next 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 Coder Next 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.