قیمت و API مدل GLM 4.7 Flash در ایران
z-ai/glm-4.7-flash
شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.قیمت‌ها و شارژ
کد آمادهٔ GLM 4.7 Flash: حل مسئلهٔ چندمرحله‌ای با حالت استدلال
نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.
from openai import OpenAI
client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")
resp = client.chat.completions.create(
model="z-ai/glm-4.7-flash",
messages=[{"role": "user", "content": (
"یک فروشگاه ۳ انبار دارد. انبار A روزی ۱۲۰ سفارش، B روزی ۸۵ و C روزی ۴۰ سفارش می‌فرستد. "
"اگر C تعطیل شود و بارش بین A و B نسبت به ظرفیت‌شان تقسیم شود، هر کدام روزی چند سفارش می‌فرستند؟ "
"مرحله‌به‌مرحله حساب کن و در پایان فقط دو عدد بده"
)}],
reasoning_effort="medium", # low | medium | high
)
print(resp.choices[0].message.content)
# reasoning tokens count as output tokens too:
print(resp.usage.completion_tokens_details)curl https://api.uttapen.ir/v1/chat/completions \
-H "Authorization: Bearer sk-up-…" \
-H "Content-Type: application/json" \
-d '{
"model": "z-ai/glm-4.7-flash",
"messages": [{"role": "user", "content": "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم می‌شود؛ مرحله‌به‌مرحله حساب کن"}],
"reasoning": {"effort": "medium"}
}'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: "z-ai/glm-4.7-flash",
messages: [{ role: "user", content: "۱۲۰ و ۸۵ سفارش روزانه بین دو انبار تقسیم می‌شود؛ مرحله‌به‌مرحله حساب کن و در پایان فقط دو عدد بده" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.completion_tokens_details);GLM 4.7 Flash برای چه کاری خوب است؟
شناسهٔ GLM 4.7 Flash در API ما «z-ai/
آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: 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.
هر ۱ میلیون توکن ورودی ۲۰٬۹۴۶ تومان و هر ۱ میلیون توکن خروجی ۱۳۸٬۴۸۸ تومان است؛ خروجی ۶٫۶ 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، و درخواستی که ناموفق باشد هزینهای ندارد.
نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Qwen2.5 72B Instruct است: GLM 4.7 Flash حدود ۴۱٪ ارزان‌تر 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 ۴۸۳ درخواست ۱٬۰۰۰ کلمهای روی GLM 4.7 Flash جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۴٬۸۳۱ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۱۵۹٬۴۳۴ تومان می‌شود. پر کردن کامل پنجرهٔ ۲۰۰٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۴٬۱۸۹ 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 logit_bias، logprobs، min_p، presence_penalty، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Claude Haiku 4.5 با ۲۰۰٬۰۰۰ توکن است.
کاربردهایی که برای این مدل معنی می‌دهد: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، حل مسئلهٔ منطقی و بازبینی کد، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.
As a 30B-class SOTA model, GLM-4.7-Flash offers a new option that balances performance and efficiency. It is further optimized for agentic coding use cases, strengthening coding capabilities, long-horizon task planning,...
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 | ۸۷ تومان |
| خلاصه‌کردن سند ده‌صفحه‌ای | ۴٬۰۰۰ ورودی + ۶۰۰ خروجی | ۱۶۷ تومان |
| دسته‌بندی هزار ردیف کوتاه | ۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی | ۵٬۲۸۳ تومان |
تاریخچهٔ قیمت
| تاریخ | ورودی (تومان/۱M) | خروجی (تومان/۱M) |
|---|---|---|
| ۱۷ شهریور ۱۴۰۵ | ۲۰٬۹۴۶ | ۱۳۸٬۴۸۸ |
| ۱۶ شهریور ۱۴۰۵ | ۲۰٬۷۷۳ | ۱۳۸٬۴۸۸ |
هر تغییر قیمت این مدل ثبت می‌شود؛ ستون تومان با قیمت امروز محاسبه شده است.
سؤال‌های پرتکرار
- چطور با GLM 4.7 Flash 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-4.7-flash» تغییر بده. بقیهٔ کدت دستنخورده میماند. - قیمت GLM 4.7 Flash به تومان چقدر است؟
- هر ۱ میلیون توکن ورودی ۲۰٬۹۴۶ تومان و هر ۱ میلیون توکن خروجی ۱۳۸٬۴۸۸ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۲۰۷ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینهای ندارد.
- GLM 4.7 Flash چند توکن ورودی میگیرد؟
- تا ۲۰۰٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۱۵۰ هزار کلمه. حداکثر طول پاسخ هم ۱۱۷٬۹۶۴ توکن است.
- آیا GLM 4.7 Flash 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.