ساخت کلید API

قیمت و API مدل Qwen3 Next 80B A3B Instruct در ایران

qwen/qwen3-next-80b-a3b-instruct

فراخوانی ابزارخروجی JSON
ساخت کلیدامتحان کن
ورودی · هر ۱M توکن
۳۱٬۱۶۰ تومان
خروجی · هر ۱M توکن
۳۸۰٬۸۴۱ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۵۳۶ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.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]

# 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-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. حداکثر طول متن (context) 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 ۱۶٬۳۸۴ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۲۴۵ مدل و گران‌تر از ۱۵۲ 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 ۳۱٬۱۶۰ تومان و هر ۱ میلیون توکن خروجی ۳۸۰٬۸۴۱ تومان است؛ خروجی ۱۲٫۲ 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، و درخواستی که ناموفق باشد هزینه‌ای ندارد.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر DeepSeek V3 0324 است: Qwen3 Next 80B A3B Instruct حدود ۱۷٪ ارزان‌تر از 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 ۱۸۷ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 Next 80B A3B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۸۶۶ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۴۱۲٬۰۰۱ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۸٬۱۶۸ 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 (۵۳۶ و ۵۸۵ تومان). حداکثر طول پاسخ هم فرق دارد: ۱۶٬۳۸۴ در برابر ۶۵٬۵۳۶ توکن. در پارامترها این مدل logprobs، top_logprobs 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، min_p، presence_penalty، repetition_penalty، top_k 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-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.

کارتوکنهزینه
یک نوبت گفتگو با تاریخچهٔ متوسط۱٬۵۰۰ ورودی + ۴۰۰ خروجی۱۹۹ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۳۵۳ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۱۱٬۳۵۶ تومان

تاریخچهٔ قیمت

تاریخورودی (تومان/۱M)خروجی (تومان/۱M)
۱۴ آبان ۱۴۰۵۳۱٬۱۶۰۳۸۰٬۸۴۱
۱۳ آبان ۱۴۰۵۳۴٬۶۲۲۳۸۰٬۸۴۱
۲۹ مهر ۱۴۰۵۳۱٬۱۶۰۳۸۰٬۸۴۱
۲۸ مهر ۱۴۰۵۳۴٬۶۲۲۳۸۰٬۸۴۱
۲۴ مهر ۱۴۰۵۳۱٬۱۶۰۳۸۰٬۸۴۱
۱۷ مهر ۱۴۰۵۳۴٬۶۲۲۳۸۰٬۸۴۱
۱۶ مهر ۱۴۰۵۳۱٬۱۶۰۳۸۰٬۸۴۱
۱۶ مهر ۱۴۰۵۵۱٬۹۳۳۵۱۹٬۳۲۹
۲ مهر ۱۴۰۵۳۴٬۶۲۲۳۸۰٬۸۴۱
۱۸ شهریور ۱۴۰۵۳۱٬۱۶۰۳۸۰٬۸۴۱
۱۶ شهریور ۱۴۰۵۳۴٬۶۲۲۳۸۰٬۸۴۱

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

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 ۳۱٬۱۶۰ تومان و هر ۱ میلیون توکن خروجی ۳۸۰٬۸۴۱ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۵۳۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
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 ۱۶٬۳۸۴ 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.