چطور با Qwen3 VL 235B A22B 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-vl-235b-a22b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Qwen3 VL 235B A22B Instruct به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۶۰٬۹۲۶ تومان و هر ۱ میلیون توکن خروجی ۵۵۱٬۲۳۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۷۹۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Qwen3 VL 235B A22B Instruct چند توکن ورودی میگیرد؟

تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۳۲٬۷۶۸ توکن است.

آیا Qwen3 VL 235B A22B 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. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته میشود. خروجی ساختیافته با response_format هم کار میکند.

قیمت و API مدل Qwen3 VL 235B A22B Instruct در ایران

qwen/qwen3-vl-235b-a22b-instruct

visiontoolsjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

60,926 تومان

خروجی · هر ۱M توکن

551,238 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

796 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 29,013 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ Qwen3 VL 235B A22B Instruct: 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-vl-235b-a22b-instruct",
    "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-vl-235b-a22b-instruct",
    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-vl-235b-a22b-instruct",
  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 VL 235B A22B Instruct برای چه کاری خوب است؟

Qwen3 VL 235B A22B Instruct یکی از مدل‌های Qwen (Alibaba) است و در یوتاپن با شناسهٔ «qwen/qwen3-vl-235b-a22b-instruct» صدا زده می‌شود. در هر فراخوانی تا ۲۶۲٬۱۴۴ توکن ورودی می‌پذیرد؛ برای متن فارسی این تقریباً ۶۵۵ صفحهٔ A4 است، پس چند فایل یا یک سند بلند را می‌شود یک‌جا داد. حداکثر طول پاسخ در هر فراخوانی ۳۲٬۷۶۸ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۱۹۵ مدل و گران‌تر از ۲۱۱ مدل پولی دیگر کاتالوگ.

آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: 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. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند.

برای برآورد سرانگشتی: هر ۱٬۰۰۰ کلمه رفت‌وبرگشت با این مدل حدود ۷۹۶ تومان است (۶۰٬۹۲۶ تومان ورودی و ۵۵۱٬۲۳۸ تومان خروجی به‌ازای ۱M توکن). cache ورودی دارد: توکن‌های تکراری context با ۲۹٬۰۱۳ 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 Gemini 3.6 Flash (batch) است: Qwen3 VL 235B A22B Instruct تقریباً 1.1 برابر ارزان‌تر از آن تمام می‌شود و پنجرهٔ context آن کوچک‌تر 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 ۱۲۶ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 VL 235B A22B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۲۵۶ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۶۱۲٬۱۶۴ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۶۲٬۱۴۴ توکنی این مدل فقط از سمت ورودی ۱۵٬۹۷۱ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «qwen/qwen3-vl-30b-a3b-instruct» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 2.8 برابر گران‌تر از آن درمی‌آید (۷۹۶ در برابر ۲۸۳ تومان). حداکثر طول پاسخ هم فرق دارد: ۳۲٬۷۶۸ در برابر ۱۶٬۳۸۴ 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.

کاربردهایی که برای این مدل معنی می‌دهد: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

Qwen3-VL-235B-A22B Instruct is an open-weight multimodal model that unifies strong text generation with visual understanding across images and video. The Instruct model targets general vision-language use (VQA, document parsing, chart/table...

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	312 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	574 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	18,336 تومان

سؤال‌های پرتکرار

چطور با Qwen3 VL 235B A22B 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-vl-235b-a22b-instruct» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Qwen3 VL 235B A22B Instruct به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۶۰٬۹۲۶ تومان و هر ۱ میلیون توکن خروجی ۵۵۱٬۲۳۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۷۹۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Qwen3 VL 235B A22B Instruct چند توکن ورودی می‌گیرد؟: تا ۲۶۲٬۱۴۴ توکن در هر درخواست؛ برای متن فارسی حدود ۱۹۷ هزار کلمه. حداکثر طول پاسخ هم ۳۲٬۷۶۸ توکن است.
آیا Qwen3 VL 235B A22B 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. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته می‌شود. خروجی ساخت‌یافته با response_format هم کار می‌کند.