چطور با Qwen3 VL 32B 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-32b-instruct» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Qwen3 VL 32B Instruct به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۳۰٬۱۷۳ تومان و هر ۱ میلیون توکن خروجی ۱۲۰٬۶۹۲ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱۹۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Qwen3 VL 32B Instruct چند توکن ورودی میگیرد؟

تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۳۲٬۷۶۸ توکن است.

آیا Qwen3 VL 32B 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 32B Instruct در ایران

qwen/qwen3-vl-32b-instruct

visiontoolsjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

30,173 تومان

خروجی · هر ۱M توکن

120,692 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

196 تومان

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

کد آمادهٔ Qwen3 VL 32B 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-32b-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-32b-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-32b-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 32B Instruct برای چه کاری خوب است؟

Qwen (Alibaba) این مدل را منتشر کرده و ما آن را با نام «qwen/qwen3-vl-32b-instruct» عرضه می‌کنیم. پنجرهٔ context آن ۱۳۱٬۰۷۲ توکن است — تقریباً ۹۸ هزار کلمهٔ فارسی، یا حدود ۳۲۸ صفحهٔ A4 در یک درخواست. حداکثر طول پاسخ در هر فراخوانی ۳۲٬۷۶۸ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۸۳ مدل و گران‌تر از ۳۲۳ 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.

قیمت ورودی ۳۰٬۱۷۳ و خروجی ۱۲۰٬۶۹۲ تومان به‌ازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 VL 32B Instruct تقریباً ۱۹۶ تومان درمی‌آید. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Seed-2.0-Mini است: Qwen3 VL 32B Instruct تقریباً 1 برابر گران‌تر 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 ۵۱۰ درخواست ۱٬۰۰۰ کلمه‌ای روی Qwen3 VL 32B Instruct جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۵٬۱۰۲ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۵۰٬۸۶۵ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۳۱٬۰۷۲ توکنی این مدل فقط از سمت ورودی ۳٬۹۵۵ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «qwen/qwen3-vl-8b-instruct» 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 (۱۹۶ و ۲۱۶ تومان). پنجرهٔ context هم یکی نیست: ۱۳۱٬۰۷۲ در برابر ۲۶۲٬۱۴۴ توکن. در پارامترها آن یکی logit_bias، repetition_penalty 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 logprobs، 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 Aion-2.0 با ۱۳۱٬۰۷۲ 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.

توضیح رسمی تأمین‌کننده (انگلیسی)

Qwen3-VL-32B-Instruct is a large-scale multimodal vision-language model designed for high-precision understanding and reasoning across text, images, and video. With 32 billion parameters, it combines deep visual perception with advanced text...

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	94 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	193 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	6,035 تومان

سؤال‌های پرتکرار

چطور با Qwen3 VL 32B 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-32b-instruct» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Qwen3 VL 32B Instruct به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۳۰٬۱۷۳ تومان و هر ۱ میلیون توکن خروجی ۱۲۰٬۶۹۲ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱۹۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Qwen3 VL 32B Instruct چند توکن ورودی می‌گیرد؟: تا ۱۳۱٬۰۷۲ توکن در هر درخواست؛ برای متن فارسی حدود ۹۸ هزار کلمه. حداکثر طول پاسخ هم ۳۲٬۷۶۸ توکن است.
آیا Qwen3 VL 32B 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.