قیمت و API مدل ricursiveAI/Ripple-65B-Preview در ایران

ricursiveai/ripple-65b-preview

فراخوانی ابزارخروجی JSON
ورودی · هر ۱M توکن
۶۹٬۲۴۴ تومان
خروجی · هر ۱M توکن
۲۰۷٬۷۳۲ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۳۶۰ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۱۷٬۳۱۱ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ

کد آمادهٔ ricursiveAI/Ripple-65B-Preview: 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="ricursiveai/ripple-65b-preview",
    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: "ricursiveai/ripple-65b-preview",
  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": "ricursiveai/ripple-65b-preview",
    "messages": [{"role": "user", "content": "تیکت را دسته‌بندی کن و اولویت ۱ تا ۵ بده"}],
    "response_format": {"type": "json_object"}
  }'

ricursiveAI/Ripple-65B-Preview برای چه کاری خوب است؟

ricursiveAI/Ripple-65B-Preview از Ricursiveai می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «ricursiveai/ripple-65b-preview». ricursiveAI/Ripple-65B-Preview تا ۱٬۰۴۸٬۵۷۶ توکن را در یک درخواست نگه می‌دارد (نزدیک ۷۸۶ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین می‌کند. حداکثر طول پاسخ در هر فراخوانی ۱۳۱٬۰۷۲ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۲۸۲ مدل و گران‌تر از ۱۰۴ 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.

۶۹٬۲۴۴ تومان برای هر ۱M توکن ورودی و ۲۰۷٬۷۳۲ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمه‌ای ≈ ۳۶۰ تومان. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۱۷٬۳۱۱ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. 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 Command R (08-2024) است: ricursiveAI/Ripple-65B-Preview حدود ۱۰٪ گران‌تر 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 ۲۷۸ درخواست ۱٬۰۰۰ کلمه‌ای روی ricursiveAI/Ripple-65B-Preview جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۲٬۷۷۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲۷۶٬۹۷۵ تومان می‌شود. پر کردن کامل پنجرهٔ ۱٬۰۴۸٬۵۷۶ توکنی این مدل فقط از سمت ورودی ۷۲٬۶۰۷ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

از پارامترهای کم‌تکرار، این مدل logprobs، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning، structured_outputs 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 DeepSeek V4 Flash 0423 با ۱٬۰۴۸٬۵۷۶ 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)

Ripple-65B-Preview by ricursiveAI, a 65B model with native tool calling, served in BF16.

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 خروجی۱۸۷ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۴۰۲ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۱۲٬۴۶۴ تومان

سؤال‌های پرتکرار

چطور با ricursiveAI/Ripple-65B-Preview 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 «ricursiveai/ripple-65b-preview» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت ricursiveAI/Ripple-65B-Preview به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۶۹٬۲۴۴ تومان و هر ۱ میلیون توکن خروجی ۲۰۷٬۷۳۲ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۳۶۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
ricursiveAI/Ripple-65B-Preview چند توکن ورودی می‌گیرد؟
تا ۱٬۰۴۸٬۵۷۶ توکن در هر درخواست؛ برای متن فارسی حدود ۷۸۶ هزار کلمه. حداکثر طول پاسخ هم ۱۳۱٬۰۷۲ توکن است.
آیا ricursiveAI/Ripple-65B-Preview 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.