چطور با Llama 3 8B Lunaris 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 «sao10k/l3-lunaris-8b» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Llama 3 8B Lunaris به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۱۱٬۶۰۵ تومان و هر ۱ میلیون توکن خروجی ۱۴٬۵۰۶ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۳۴ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Llama 3 8B Lunaris چند توکن ورودی میگیرد؟

تا ۸٬۱۹۲ توکن در هر درخواست؛ برای متن فارسی حدود ۶ هزار کلمه. حداکثر طول پاسخ هم ۷٬۳۷۲ توکن است.

آیا پاسخ Llama 3 8B Lunaris را میتوانم استریم کنم؟

بله، با stream=true رویدادهای SSE را همانطور که تولید میشوند میگیری. این مدل tool calling و ورودی تصویر ندارد، پس اگر به آنها نیاز داری مدل دیگری انتخاب کن.

قیمت و API مدل Llama 3 8B Lunaris در ایران

sao10k/l3-lunaris-8b

json

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

11,605 تومان

خروجی · هر ۱M توکن

14,506 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

34 تومان

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

کد آمادهٔ Llama 3 8B Lunaris: 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="sao10k/l3-lunaris-8b",
    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: "sao10k/l3-lunaris-8b",
  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": "sao10k/l3-lunaris-8b",
    "messages": [{"role": "user", "content": "تیکت را دسته‌بندی کن و اولویت ۱ تا ۵ بده."}],
    "response_format": {"type": "json_object"}
  }'

Llama 3 8B Lunaris برای چه کاری خوب است؟

شناسهٔ Llama 3 8B Lunaris در API ما «sao10k/l3-lunaris-8b» است و تأمین‌کنندهٔ آن Sao10k است. ظرفیت context برابر ۸٬۱۹۲ توکن است؛ حدود ۶ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۷٬۳۷۲ توکن است. از نظر قیمت در دستهٔ «بسیار ارزان» است — ارزان‌تر از ۳ مدل و گران‌تر از ۴۰۳ مدل پولی دیگر کاتالوگ.

آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: 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 ۱۱٬۶۰۵ تومان و هر ۱ میلیون توکن خروجی ۱۴٬۵۰۶ تومان است؛ خروجی 1.3 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؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر MythoMax 13B است: Llama 3 8B Lunaris تقریباً 1.3 برابر ارزان‌تر از آن تمام می‌شود و پنجرهٔ context آن برابر 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 ۲٬۹۴۱ درخواست ۱٬۰۰۰ کلمه‌ای روی Llama 3 8B Lunaris جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۲۹٬۴۱۲ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۲۶٬۱۱۱ تومان می‌شود. پر کردن کامل پنجرهٔ ۸٬۱۹۲ توکنی این مدل فقط از سمت ورودی ۹۵ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «sao10k/l3.3-euryale-70b» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه 15.5 برابر ارزان‌تر از آن درمی‌آید (۳۴ در برابر ۵۲۸ تومان). پنجرهٔ context هم یکی نیست: ۸٬۱۹۲ در برابر ۱۳۱٬۰۷۲ توکن. حداکثر طول پاسخ هم فرق دارد: ۷٬۳۷۲ در برابر ۱۶٬۳۸۴ توکن. در پارامترها این مدل logit_bias، min_p، top_k را دارد.

Sao10k در کاتالوگ ما ۳ مدل دارد؛ ارزان‌ترین‌شان Llama 3 8B Lunaris با ۳۴ تومان و گران‌ترین Llama 3.1 Euryale 70B v2.2 با ۶۴۱ 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، tool_choice، tools 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 R1 Distill Llama 70B با ۸٬۱۹۲ توکن است.

کاربردهایی که برای این مدل معنی می‌دهد: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، استخراج داده با اسکیمای مشخص، درخواست‌های کوتاه و تک‌مرحله‌ای (context کوچک است).

توضیح رسمی تأمین‌کننده (انگلیسی)

Lunaris 8B is a versatile generalist and roleplaying model based on Llama 3. It's a strategic merge of multiple models, designed to balance creativity with improved logic and general knowledge....

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	23 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	55 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	1,683 تومان

سؤال‌های پرتکرار

چطور با Llama 3 8B Lunaris 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 «sao10k/l3-lunaris-8b» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Llama 3 8B Lunaris به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۱۱٬۶۰۵ تومان و هر ۱ میلیون توکن خروجی ۱۴٬۵۰۶ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۳۴ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Llama 3 8B Lunaris چند توکن ورودی می‌گیرد؟: تا ۸٬۱۹۲ توکن در هر درخواست؛ برای متن فارسی حدود ۶ هزار کلمه. حداکثر طول پاسخ هم ۷٬۳۷۲ توکن است.
آیا پاسخ Llama 3 8B Lunaris را می‌توانم استریم کنم؟: بله، با stream=true رویدادهای SSE را همان‌طور که تولید می‌شوند می‌گیری. این مدل tool calling و ورودی تصویر ندارد، پس اگر به آن‌ها نیاز داری مدل دیگری انتخاب کن.