چطور با Inkling (batch) 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 «thinkingmachines/inkling:batch» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت Inkling (batch) به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۲۹۰٬۱۲۵ تومان و هر ۱ میلیون توکن خروجی ۱٬۱۷۵٬۰۰۶ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱٬۹۰۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

Inkling (batch) چند توکن ورودی میگیرد؟

تا ۵۲۴٬۲۸۸ توکن در هر درخواست؛ برای متن فارسی حدود ۳۹۳ هزار کلمه. حداکثر طول پاسخ هم ۴۷۱٬۸۵۹ توکن است.

آیا Inkling (batch) 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.

قیمت و API مدل Inkling (batch) در ایران

thinkingmachines/inkling:batch

visiontoolsreasoningaudio

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

290,125 تومان

خروجی · هر ۱M توکن

1,175,006 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

1,905 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 49,321 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ Inkling (batch): 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": "thinkingmachines/inkling:batch",
    "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="thinkingmachines/inkling:batch",
    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: "thinkingmachines/inkling:batch",
  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));

Inkling (batch) برای چه کاری خوب است؟

شناسهٔ Inkling (batch) در API ما «thinkingmachines/inkling:batch» است و تأمین‌کنندهٔ آن Thinking Machines است. ظرفیت context برابر ۵۲۴٬۲۸۸ توکن است؛ حدود ۳۹۳ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۴۷۱٬۸۵۹ توکن است. از نظر قیمت در دستهٔ «میان‌رده» است — ارزان‌تر از ۲۷۳ مدل و گران‌تر از ۱۳۳ مدل پولی دیگر کاتالوگ.

چه کارهایی از آن برمی‌آید: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی است؛ ورودی صوتی دارد؛ tool calling دارد، یعنی می‌تواند تابع‌های خودت را با آرگومان درست صدا بزند؛ حالت استدلال دارد و روی مسئلهٔ چندمرحله‌ای، ریاضی و دیباگ بهتر جواب می‌دهد. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند. توجه کن که توکن‌های استدلال هم توکن خروجی محسوب می‌شوند و در صورتحساب می‌آیند.

هر ۱ میلیون توکن ورودی ۲۹۰٬۱۲۵ تومان و هر ۱ میلیون توکن خروجی ۱٬۱۷۵٬۰۰۶ تومان است؛ خروجی 4.1 برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. cache ورودی دارد: توکن‌های تکراری context با ۴۹٬۳۲۱ 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 Kimi K2.6 است: Inkling (batch) تقریباً 1 برابر گران‌تر از آن تمام می‌شود و پنجرهٔ context آن بزرگ‌تر 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 ۵۲ درخواست ۱٬۰۰۰ کلمه‌ای روی Inkling (batch) جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۵۲۵ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱٬۴۶۵٬۱۳۱ تومان می‌شود. پر کردن کامل پنجرهٔ ۵۲۴٬۲۸۸ توکنی این مدل فقط از سمت ورودی ۱۵۲٬۱۰۹ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «thinkingmachines/inkling» اشتباه گرفته می‌شود، چون هستهٔ مدل یکی است. تفاوت در پسوند است: «batch» در برابر نسخهٔ استاندارد. قیمت هر دو روی یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً برابر است (۱٬۹۰۵ و ۱٬۹۰۵ تومان). پنجرهٔ context هم یکی نیست: ۵۲۴٬۲۸۸ در برابر ۱٬۰۴۸٬۵۷۶ توکن. در پارامترها آن یکی response_format، seed را.

Thinking Machines در کاتالوگ ما ۶ مدل دارد؛ ارزان‌ترین‌شان Inkling Small با ۶۲۲ تومان و گران‌ترین Inkling (batch) با ۱٬۹۰۵ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، min_p، reasoning_effort، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض response_format، seed، structured_outputs 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 MiniMax M3 (batch) با ۵۲۴٬۲۸۸ توکن است.

کجا انتخاب درستی است: چت‌بات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، تحلیل سند یا کدبیس بلند در یک درخواست.

توضیح رسمی تأمین‌کننده (انگلیسی)

Inkling is an open-weight multimodal mixture-of-experts model from Thinking Machines Lab, with 41B active parameters out of 975B total. It is designed for general-purpose reasoning, coding, agentic and tool-use systems,...

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	905 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	1,866 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	58,315 تومان

نسخه‌های دیگر همین مدل

هستهٔ مدل یکی است؛ هر نسخه شرایط اجرا و قیمت خودش را دارد. نسخهٔ فعلی: batch (ارزان‌تر، کندتر).

نسخه	شناسه	خروجی / ۱M	context
استاندارد	thinkingmachines/inkling	1,175,006	1,048,576
رایگان	thinkingmachines/inkling:free	0	1,048,576

شناسهٔ هر نسخه را عیناً در فیلد model بگذار؛ نیازی به تغییر کد دیگری نیست.

سؤال‌های پرتکرار

چطور با Inkling (batch) 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 «thinkingmachines/inkling:batch» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت Inkling (batch) به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۲۹۰٬۱۲۵ تومان و هر ۱ میلیون توکن خروجی ۱٬۱۷۵٬۰۰۶ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۱٬۹۰۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
Inkling (batch) چند توکن ورودی می‌گیرد؟: تا ۵۲۴٬۲۸۸ توکن در هر درخواست؛ برای متن فارسی حدود ۳۹۳ هزار کلمه. حداکثر طول پاسخ هم ۴۷۱٬۸۵۹ توکن است.
آیا Inkling (batch) 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.