قیمت و API مدل GLM 4.5V در ایران
z-ai/glm-4.5v
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. ورودی کش‌شده: ۳۸٬۰۸۴ تومان به‌ازای هر ۱M توکن.قیمت‌ها و شارژ
کد آمادهٔ GLM 4.5V: 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": "z-ai/glm-4.5v",
"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="z-ai/glm-4.5v",
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: "z-ai/glm-4.5v",
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));GLM 4.5V برای چه کاری خوب است؟
Z.ai (GLM) این مدل را منتشر کرده و ما آن را با نام «z-ai/
چه کارهایی از آن برمی‌آید: 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؛ 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.
قیمت ورودی ۲۰۷٬۷۳۲ و خروجی ۶۲۳٬۱۹۵ تومان به‌ازای هر ۱M توکن است. یک درخواست ۱٬۰۰۰ کلمهای روی GLM 4.5V تقریباً ۱٬۰۸۰ تومان درمی‌آید. cache ورودی دارد: توکن‌های تکراری متن ورودی با ۳۸٬۰۸۴ 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 Qwen3.5 Plus 2026-04-20 است: GLM 4.5V حدود ۱۰٪ گران‌تر از آن تمام میشود و حداکثر طول متنش کمتر 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 ۹۳ درخواست ۱٬۰۰۰ کلمهای روی GLM 4.5V جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۹۲۶ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۸۳۰٬۹۲۶ تومان میشود. پر کردن کامل پنجرهٔ ۶۵٬۵۳۶ توکنی این مدل فقط از سمت ورودی ۱۳٬۶۱۴ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.
نزدیک‌ترین هم‌خانوادهٔ این مدل «z-ai/
Z.ai (GLM) در کاتالوگ ما ۲۱ مدل دارد؛ ارزان‌ترین‌شان GLM Flash (آخرین نسخه) با ۵۴ تومان و گران‌ترین GLM 5.3 Prime با ۵٬۲۲۱ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل presence_penalty، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض 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 Nano Banana Pro (Gemini 3 Pro Image Preview) با ۶۵٬۵۳۶ توکن است.
کجا انتخاب درستی است: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص.
GLM-4.5V is a vision-language foundation model for multimodal agent applications. Built on a Mixture-of-Experts (MoE) architecture with 106B parameters and 12B activated parameters, it achieves state-of-the-art results in video understanding,...
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 | ۱٬۵۰۰ ورودی + ۴۰۰ خروجی | ۵۶۱ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۱٬۲۰۵ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۳۷٬۳۹۲ تومان |
سؤال‌های پرتکرار
- چطور با GLM 4.5V 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 «z-ai/ glm-4.5v» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت GLM 4.5V به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۲۰۷٬۷۳۲ تومان و هر ۱ میلیون توکن خروجی ۶۲۳٬۱۹۵ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۱٬۰۸۰ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- GLM 4.5V چند توکن ورودی میگیرد؟
- تا ۶۵٬۵۳۶ توکن در هر درخواست؛ برای متن فارسی حدود ۴۹ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.
- آیا GLM 4.5V 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.