قیمت و API مدل Qwen3 Next 80B A3B Instruct در ایران
qwen/qwen3-next-80b-a3b-instruct
toolsjsonشارژ 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 Next 80B A3B Instruct: 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-next-80b-a3b-instruct", 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-next-80b-a3b-instruct", 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-next-80b-a3b-instruct", 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-next-80b-a3b-instruct", 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-next-80b-a3b-instruct",
"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 Next 80B A3B Instruct برای چه کاری خوب است؟
شناسهٔ Qwen3 Next 80B A3B Instruct در API ما «qwen/qwen3-next-80b-a3b-instruct» 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 ۲۳۵٬۹۲۹ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزانتر از ۱۴۴ مدل و گرانتر از ۲۶۰ 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.
هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۳۱۹٬۱۳۸ تومان است؛ خروجی 11 برابر ورودی قیمت دارد، پس کوتاهکردن پاسخ بیشتر از کوتاهکردن پرامپت صرفه دارد. 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 MiniMax M2.5 است: Qwen3 Next 80B A3B Instruct تقریباً 1.1 برابر ارزانتر از آن تمام میشود و پنجرهٔ context آن بزرگتر 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 ۲۲۱ درخواست ۱٬۰۰۰ کلمهای روی Qwen3 Next 80B A3B Instruct جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۲٬۲۰۸ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۳۴۸٬۱۵۰ تومان میشود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۷٬۶۰۵ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بیدلیل بلند نگه ندار.
نزدیکترین همخانوادهٔ این مدل «qwen/qwen3-coder» 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 (۴۵۳ و ۴۹۰ تومان). حداکثر طول پاسخ هم فرق دارد: ۲۳۵٬۹۲۹ در برابر ۶۵٬۵۳۶ 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. 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.
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-Next-80B-A3B-Instruct is an instruction-tuned chat model in the Qwen3-Next series optimized for fast, stable responses without “thinking” traces. It targets complex tasks across reasoning, code generation, knowledge QA, and multilingual...
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 | 171 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 308 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 9,864 تومان |
سؤالهای پرتکرار
- چطور با Qwen3 Next 80B A3B Instruct 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-next-80b-a3b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.
- قیمت Qwen3 Next 80B A3B Instruct به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۲۹٬۰۱۳ تومان و هر ۱ میلیون توکن خروجی ۳۱۹٬۱۳۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۴۵۳ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- Qwen3 Next 80B A3B Instruct 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 Next 80B A3B Instruct 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.