رفتن به محتوا

مدل‌های تصمیم‌گیر

به پرسش‌های بله/خیر، انتخابی و امتیازی با احتمال پاسخ بدهید، نه متن: ارزان، حدود یک ثانیه، و خروجی رایگان

مستندات

مدل تصمیم‌گیر چیست

مدل تصمیم‌گیر (Decision model) یک ورودی و چند پرسش می‌گیرد و برای هر پرسش احتمال پاسخ‌ها را برمی‌گرداند؛ هیچ متنی نمی‌نویسد. به‌جای «به‌نظرم این پیام دربارهٔ پرداخت است» می‌گیرید {"choice": "billing", "confidence": 0.91}، یعنی خروجی همیشه ساختارمند است و بدون تجزیهٔ متن در کد استفاده می‌شود.

کاربردها:

  • مسیریابی تیکت و پیام پشتیبانی به بخش درست، و تعیین فوریت آن
  • مدیریت نظرات و محتوا: توهین، اسپم، تبلیغ، نقض قوانین
  • گاردریل ایجنت: «آیا این فراخوانی ابزار را تأیید کنم؟» (تأیید یا رد پیش از اجرا)
  • برچسب‌زنی در مقیاس بالا: دسته‌بندی صدها هزار متن یا تصویر
  • راستی‌آزمایی پاسخ یک مدل ارزان یا بررسی اینکه یک متن با منبعش می‌خواند

فقط توکن ورودی حساب می‌شود (متن، تصویر، صوت و ویدیو همه ورودی‌اند) و خروجی رایگان است. به همین دلیل برای کار دسته‌بندی حدود صد برابر ارزان‌تر از پرسیدن همان سؤال از یک مدل چت است و جواب در حدود یک ثانیه می‌رسد.

این جایگزین مدل چت نیست: توضیح، خلاصه یا متن تولید نمی‌کند و استدلال زنجیره‌ای ندارد. هرجا فقط یک برچسب، یک بله/خیر یا یک عدد لازم است، تصمیم‌گیر مناسب‌تر است؛ هرجا متن لازم است، Chat Completions.

انواع پرسش

انواع پرسش در مدل‌های تصمیم‌گیر
نوع پرسشنام در /v1/decisionsنام در /v1/systemoneچه جوابی می‌گیرید
بله/خیر
مثال: آیا مشتری درخواست بازگشت پول دارد؟
predicatenoulعددی بین ۰ و ۱: احتمال اینکه جواب «بله» باشد (۰٫۹۱ یعنی ۹۱٪ احتمال بله).
انتخاب از چند گزینه
مثال: این پیام به کدام بخش می‌رود؟
choicechoiceگزینهٔ انتخاب‌شده، میزان اطمینان به آن و احتمال هر گزینه. بین ۲ تا ۲۵۵ گزینه؛ مقدار گزینه می‌تواند متن یا true/false باشد.
امتیاز روی یک مقیاس
مثال: این پیام چقدر فوری است؟
scorescoreجایگاه روی ۲ تا ۱۰ سطح مرتب (مثلاً کم، متوسط، زیاد). امتیاز می‌تواند اعشاری باشد: ۱٫۷ یعنی بین متوسط و زیاد، نزدیک به زیاد.
محل چیزی در تصویر
مثال: قسمت آسیب‌دیدهٔ کالا کجای عکس است؟
نداردboxیک مستطیل دور چیزی که توصیف کرده‌اید؛ لبه‌ها به‌صورت کسری از اندازهٔ تصویر. فقط مدل Jev.

همهٔ پرسش‌های یک درخواست دربارهٔ همان ورودی هستند و پاسخ‌ها به همان ترتیب پرسش‌ها برمی‌گردند؛ چند پرسش در یک درخواست از چند درخواست جدا ارزان‌تر است چون ورودی یک بار حساب می‌شود. هر پرسش می‌تواند name داشته باشد تا پاسخش را راحت پیدا کنید. پرسش را با instructions بنویسید؛ فارسی و انگلیسی هر دو خوب کار می‌کنند.

شروع سریع

نمونهٔ زیر یک پیام فارسی پشتیبانی را با سه پرسش می‌سنجد: آیا بازگشت پول می‌خواهد؟ به کدام بخش برود؟ چقدر فوری است؟ نمونه‌های Python و Node.js با SDK رسمی OpenAI نوشته شده‌اند (client.decisions.create، نسخهٔ openai در Python حداقل ۳٫۵۱ و در Node.js حداقل ۷٫۵۷)؛ C# و Java همان JSON را با کلاینت HTTP خود پلتفرم می‌فرستند. هر اجرا کسری از یک ریال هزینه دارد.

curl https://api-ai.hibanacloud.ir/v1/decisions \  -H "Authorization: Bearer YOUR_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "typesafe/jev-1.14",    "input": "سفارش من سه روز است نرسیده و کسی تلفن پشتیبانی را جواب نمی‌دهد. اگر امروز حل نشود پولم را پس می‌خواهم.",    "questions": [      {"type": "predicate", "name": "refund", "instructions": "آیا مشتری درخواست بازگشت پول دارد؟"},      {        "type": "choice",        "name": "department",        "instructions": "این پیام باید به کدام بخش برود؟",        "choices": [          {"value": "shipping", "description": "ارسال و تحویل سفارش"},          {"value": "billing", "description": "پرداخت و بازگشت وجه"},          {"value": "technical", "description": "مشکل فنی"},          {"value": "other"}        ]      },      {        "type": "score",        "name": "urgency",        "instructions": "این پیام چقدر فوری است؟",        "levels": [{"label": "low"}, {"label": "medium"}, {"label": "high"}]      }    ]  }'

خروجی نمونه (اعداد از اجرای واقعی کمی فرق می‌کند):

refund: probability 0.93department: shipping (confidence 0.81)urgency: score 1.62 (confidence 0.70)input tokens: 173

input رشته است یا آرایه‌ای از آیتم‌های OpenAI: پیام‌هایی با نقش user، developer، system یا assistant و بخش‌های input_text، input_image و input_json (یک شیء JSON)، و برای بررسی کار ایجنت‌ها آیتم‌های function_call و function_call_output. آیتم‌های reasoning نادیده گرفته می‌شوند. فیلد ناشناس در بدنه با unknown_parameter رد می‌شود؛ هدر Idempotency-Key پشتیبانی می‌شود.

پاسخ و خواندن احتمال‌ها

پاسخ یک شیء JSON است. answers به ترتیب پرسش‌ها می‌آید و usage شمارش توکن است. هزینهٔ درخواست (ریال) در هدر X-Hibana-Cost-Rial است. اعداد نمونهٔ زیر فقط برای نمایش شکل پاسخ‌اند:

{  "id": "decision_...",  "object": "decision",  "model": "typesafe/jev-1.14",  "answers": [    { "type": "predicate", "name": "refund", "probability": 0.93 },    {      "type": "choice",      "name": "department",      "choice": "shipping",      "confidence": 0.81,      "probabilities": [        { "value": "shipping", "probability": 0.81 },        { "value": "billing", "probability": 0.14 },        { "value": "technical", "probability": 0.03 },        { "value": "other", "probability": 0.02 }      ]    },    {      "type": "score",      "name": "urgency",      "score": 1.62,      "confidence": 0.7,      "probabilities": [        { "value": 0, "label": "low", "probability": 0.05 },        { "value": 1, "label": "medium", "probability": 0.28 },        { "value": 2, "label": "high", "probability": 0.67 }      ]    }  ],  "usage": {    "input_tokens": 173,    "input_tokens_details": { "cached_tokens": 0 },    "output_tokens": 12,    "total_tokens": 185  }}
شکل هر پاسخ
نوعفیلدهاتوضیح
predicatetype، name، probabilityprobability احتمال «بله» است.
choicetype، name، choice، confidence، probabilitieschoice همان مقدار گزینه‌ای است که فرستاده‌اید (با همان نوع، رشته یا بولین). probabilities برای هر گزینه یک {value, probability} دارد.
scoretype، name، score، confidence، probabilitiesscore جایگاه وزنی بین اولین و آخرین سطح است (مثلاً ۱٫۶۲ بین «متوسط» و «زیاد»). probabilities برای هر سطح {value (شمارهٔ سطح از صفر)، label، probability} دارد.
refusaltype، nameمدل یا ارائه‌دهنده از پاسخ به این پرسش خودداری کرده است. پرسش‌های دیگر درخواست جواب می‌گیرند و هزینه مثل هر پاسخ دیگری حساب می‌شود.

usage.output_tokens را فقط برای اطلاع بخوانید: خروجی هزینه ندارد و مبلغ فقط از input_tokens می‌آید.

انتخاب آستانه

احتمال خروجی یک «درصد درستی» استاندارد نیست و مدل‌ها با هم فرق می‌کنند: عدد ۰٫۸ در یک مدل ممکن است در مدل دیگر ۰٫۹۵ باشد. پس آستانه را برای هر مدل جدا انتخاب کنید:

  • چند ده نمونهٔ برچسب‌خورده از داده‌های خودتان بردارید، پرسش را اجرا کنید و ببینید در چه آستانه‌ای بیشترین دقت را می‌گیرید.
  • برای کار پرخطر (حذف نظر، رد فراخوانی ابزار) آستانهٔ بالاتر و برای کار کم‌خطر (پیشنهاد برچسب) آستانهٔ پایین‌تر بگذارید.
  • میان دو آستانه یک ناحیهٔ «نامطمئن» تعریف کنید: اگر اطمینان پایین بود، پرونده را به انسان بدهید یا آن را یک بار از یک مدل چت بپرسید.
  • برای پرسش‌های انتخابی از confidence و فاصلهٔ دو گزینهٔ اول استفاده کنید، نه فقط از اینکه کدام برنده شده.

در آزمون ما روی ۱۶ پیام فارسی پشتیبانی، پرسش‌های بله/خیر و انتخابی روی هر پنج مدل تقریباً همه درست بودند، اما پرسش امتیازی (فوریت) ضعیف‌تر بود. پرسش امتیازی را حتماً روی داده‌های خودتان بسنجید. پرسش فارسی هم به خوبی انگلیسی جواب گرفت.

System One و SDK تایپ‌سیف

همین مدل‌ها در قالب System One هم در دسترس‌اند که تایپ‌سیف (TypeSafe) و OpenRouter استفاده می‌کنند: https://api-ai.hibanacloud.ir/v1/systemone. پرسش‌ها یک نگاشت از نام به تعریف‌اند (noul برای بله/خیر) و پاسخ‌ها همان‌طور بر اساس نام برمی‌گردند. SDKهای رسمی تایپ‌سیف بدون تغییر کار می‌کنند؛ فقط نشانی پایه را ریشهٔ میزبان بدهید (SDK خودش /v1/systemone را اضافه می‌کند). شناسه‌های کوتاه jev-1.14 و jev-latest هم پذیرفته می‌شوند.

curl https://api-ai.hibanacloud.ir/v1/systemone \  -H "Authorization: Bearer YOUR_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "jev-1.14",    "state": "سفارش من سه روز است نرسیده و کسی تلفن پشتیبانی را جواب نمی‌دهد. اگر امروز حل نشود پولم را پس می‌خواهم.",    "questions": {      "refund": {"type": "noul", "instructions": "آیا مشتری درخواست بازگشت پول دارد؟"},      "department": {        "type": "choice",        "instructions": "این پیام باید به کدام بخش برود؟",        "criteria": {          "shipping": "ارسال و تحویل سفارش",          "billing": "پرداخت و بازگشت وجه",          "technical": "مشکل فنی",          "other": null        }      },      "urgency": {        "type": "score",        "instructions": "این پیام چقدر فوری است؟",        "criteria": ["low", "medium", "high"]      }    }  }'
شکل پاسخ System One
نوعپاسخ
noulاحتمال بله: {type, noul}
choice{type, choice, probabilities (برچسب → احتمال)، confidence}
score{type, score، probabilities، legend (توضیح هر سطح)، confidence}
box{type, box: {top, bottom, left, right}، confidence}؛ اعداد کسری از ارتفاع و عرض تصویرند.

criteria هر پرسش توضیح پیامدهاست: برای noul یک شیء {true?, false?}، برای choice نگاشت گزینه به توضیح، و برای score فهرست مرتب توضیح سطح‌ها. state رشته، شیء یا آرایه‌ای از رشته، شیء و بخش‌های image_url است.

پیدا کردن چیزی در تصویر (box)

پرسش box محل چیزی را در تصویر پیدا می‌کند و فقط روی typesafe/jev-1.14 هست. تصویر را با assets بفرستید و در متن با کلیدش به آن اشاره کنید؛ با SDK فقط کافی است Image(...) را بدهید و تصویر خودکار multipart فرستاده می‌شود:

curl https://api-ai.hibanacloud.ir/v1/systemone \  -H "Authorization: Bearer YOUR_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "jev-1.14",    "state": "A customer returned <photo>.",    "questions": {      "damage": { "type": "box", "instructions": "The damaged area of the product" }    },    "assets": {      "<photo>": { "format": "jpeg", "data_base64": "/9j/4AAQSkZJRg..." }    }  }'
# pip install typesafe-sdkfrom pathlib import Path from typesafe_sdk import Box, Image, TypeSafeClient client = TypeSafeClient(    api_key="YOUR_API_KEY",    base_url="https://api-ai.hibanacloud.ir",    # The SDK still marks image support as experimental and asks for this opt-in header.    headers={"TypeSafe-Danger-Zone-Images": "true"},) result = client.system_one(    model="jev-1.14",    state=Image(Path("photo.jpg")),  # a file path; Image(bytes) works too    questions={"damage": Box(instructions="The damaged area of the product")},) box = result.boxes["damage"].boxprint(box.top, box.bottom, box.left, box.right)

پاسخ لبه‌های قاب را به‌صورت کسری از ارتفاع (top، bottom) و عرض (left، right) تصویر می‌دهد؛ برای رسم روی تصویر در عرض و ارتفاع پیکسلی ضرب کنید:

{  "id": "systemone_...",  "model": "typesafe/jev-1.14",  "answers": {    "damage": {      "type": "box",      "box": { "top": 0.31, "bottom": 0.62, "left": 0.18, "right": 0.47 },      "confidence": 0.88    }  },  "usage": { "input_tokens": 612, "output_tokens": 9 }}

تصویر، صوت و ویدیو

تصویر را به‌صورت نشانی (URL) یا data URL (base64) بدهید. نشانی را خود هیبانا دانلود می‌کند، پس باید بدون ورود و از اینترنت عمومی در دسترس باشد. تنها قالب‌های PNG و JPEG روی Jev پذیرفته می‌شوند و ابعاد هر ضلع باید ۲۵۶ تا ۱۵۶۸ پیکسل باشد. تصویر هم مثل متن ورودی است و به توکن تبدیل می‌شود.

curl https://api-ai.hibanacloud.ir/v1/decisions \  -H "Authorization: Bearer YOUR_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "typesafe/jev-1.14",    "input": [      {        "role": "user",        "content": [          {"type": "input_text", "text": "عکس محصول در آگهی"},          {"type": "input_image", "image_url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}        ]      }    ],    "questions": [      {"type": "predicate", "name": "has_dice", "instructions": "آیا در این تصویر تاس دیده می‌شود؟"},      {        "type": "choice",        "name": "kind",        "instructions": "این تصویر از چه نوعی است؟",        "choices": [          {"value": "photo", "description": "عکس"},          {"value": "drawing", "description": "نقاشی یا طراحی"},          {"value": "screenshot", "description": "تصویر صفحه"},          {"value": "document", "description": "سند یا متن"}        ]      }    ]  }'

صوت (input_audio با {data (base64), format}؛ قالب‌های wav، mp3، m4a، aac، aiff، flac و ogg) و ویدیو (input_video با video_url به‌صورت data URL از یک mp4) افزونه‌های هیبانا هستند و فقط روی Gemini Decision 1 کار می‌کنند. مدل دیگر با audio_input_not_supported یا video_input_not_supported رد می‌کند.

مدل‌ها و محدودیت‌ها

پنج مدل تصمیم‌گیر داریم. جدول زیر محدودیت‌های اندازه‌گیری‌شدهٔ هنگام عرضه است؛ مقدار روز و قیمت هر مدل در صفحهٔ آن و در فهرست API است. سقف همهٔ مدل‌ها: ۱۰ سطح در پرسش امتیازی و ۲۵۵ گزینه در پرسش انتخابی.

مدل‌های تصمیم‌گیر و محدودیت‌هایشان
مدلحداکثر پرسشورودینکته
typesafe/jev-1.14۴۰۰متن، تصویر (فقط PNG و JPEG، هر ضلع ۲۵۶ تا ۱۵۶۸ پیکسل)تنها مدلی که box (پیدا کردن محل چیزی در تصویر) دارد.
cloudflare/clef-flash۶۴متن (حدود ۲۴ هزار توکن)، تا ۴ تصویر حداکثر ۴ مگابایتیارزان‌ترین قیمت برای هر پاسخ.
openai/gpt-6-luna-decisions۲۰۰متن، تا ۱۲۸ تصویر؛ پنجرهٔ حدود ۱٫۰۵ میلیون توکنمدل OpenAI؛ نام gpt-6-luna در این API به آن اشاره می‌کند.
perplexity/pplx-decider-v1.2۴۰۰متن، تصویرارزان‌ترین قیمت هر میلیون توکن ورودی.
google/gemini-decision-1۴۰۰متن، تصویر، صوت (wav، mp3، m4a، aac، aiff، flac، ogg)، ویدیو (mp4 به‌صورت base64)تنها مدلی که صوت و ویدیو می‌گیرد.

قیمت هر مدل و مقایسهٔ آن‌ها در مدل‌های تصمیم‌گیر است. چون احتمال خروجی هر مدل مقیاس خودش را دارد، با عوض کردن مدل آستانه‌ها را دوباره بسنجید.

فهرست مدل‌ها با API

همین اطلاعات، همراه با قیمت ریالی، با کلید API هم خوانده می‌شود:

GET https://api-ai.hibanacloud.ir/v1/decisions/models
{  "object": "list",  "data": [    {      "id": "typesafe/jev-1.14",      "name": "Jev 1.14",      "owned_by": "typesafe",      "question_types": ["noul", "choice", "score", "box"],      "inputs": ["text", "image"],      "max_questions": 400,      "max_choices": 255,      "max_score_levels": 10,      "max_input_characters": 381300,      "max_images": 16,      "image_formats": ["png", "jpeg"],      "max_audio_clips": 0,      "max_videos": 0,      "context_length": 262144,      "pricing": {        "currency": "IRR",        "unit": "token",        "input_per_million_tokens": 130000,        "input_per_million_tokens_usd": 0.042,        "output_per_million_tokens": 0      }    }  ]}

مقادیر مثال فقط شکل پاسخ را نشان می‌دهد. قیمت برحسب ریال به‌ازای هر میلیون توکن ورودی است وoutput_per_million_tokens همیشه صفر است.

هزینه

  • فقط ورودی: هزینه = توکن‌های ورودی ÷ ۱٬۰۰۰٬۰۰۰ × قیمت هر میلیون توکن ورودی. متن، تصویر، صوت و ویدیو همه به توکن ورودی تبدیل می‌شوند. خروجی (احتمال‌ها) هزینه ندارد.
  • مبلغ همان توکن گزارش‌شده است: کم‌شدن از کیف پول بر اساس usage.input_tokens پاسخ است و در هدر X-Hibana-Cost-Rial می‌آید.
  • خطای 402 با «حداکثر N ریال»: پیش از فرستادن درخواست، تعداد توکن ورودی دقیقاً معلوم نیست (مثلاً تصویر پس از دانلود به توکن تبدیل می‌شود). پس موجودی با یک سقف بالا سنجیده می‌شود؛ اگر موجودی از آن سقف کمتر باشد پیام «حداکثر N ریال هزینه دارد» را می‌گیرید، حتی اگر هزینهٔ واقعی خیلی کمتر می‌شد. موجودی را کمی بیشتر نگه دارید.
  • پاسخ ناموفق هزینه ندارد: خطاهای 502، 503 و 504 و رد شدن درخواست توسط ارائه‌دهنده (decision_request_rejected) کم نمی‌شوند. پاسخ refusal ولی مثل هر پاسخ دیگر حساب می‌شود.
  • تلاش مجدد بدون پرداخت دوباره: هدر Idempotency-Key بفرستید؛ تکرار همان درخواست همان پاسخ را بدون هزینهٔ دوم برمی‌گرداند.

مثال با یک قیمت نمونه (قیمت واقعی هر مدل در صفحهٔ خودش است): هزار درخواست ۴۰۰ توکنی، یعنی هزار پیام کوتاه با چند پرسش، حدود پنج هزار تومان خرج دارد.

قیمت مدل (نمونه): 13,000 تومان برای هر 1,000,000 توکن ورودیهر درخواست: حدود 400 توکن ورودی (یک پیام کوتاه و چند پرسش)1,000 درخواست: 1,000 × 400 = 400,000 توکنهزینه: 400,000 ÷ 1,000,000 × 13,000 = 5,200 تومانخروجی (احتمال‌ها): رایگان

توضیح کلی و مقایسهٔ با بقیهٔ مدل‌ها در قیمت‌گذاری آمده است.

خطاها

خطاها با شکل خطای OpenAI برمی‌گردند: {"error": {"message", "type", "code", "param"}}. مگر جایی که نوشته شده، وضعیت 400 است.

خطاهای API مدل‌های تصمیم‌گیر
HTTPکدمعنی
400unknown_parameterفیلدی فرستاده‌اید که API نمی‌شناسد. برخلاف چت، فیلد ناشناس نادیده گرفته نمی‌شود و رد می‌شود.
400invalid_questionsساختار پرسش‌ها درست نیست: نوع ناشناس، فیلد لازم، یا گزینهٔ تکراری. فیلد param مشخص می‌کند کدام پرسش.
400too_many_questionsتعداد پرسش‌ها از سقف مدل بیشتر است (۶۴ تا ۴۰۰ بسته به مدل).
400too_many_choicesگزینه‌های یک پرسش از سقف مدل بیشتر است (حداکثر ۲۵۵).
400too_many_levelsسطح‌های یک پرسش امتیازی بیشتر از ۱۰ است.
400unsupported_question_typeنوع پرسش را مدل نمی‌پذیرد؛ مثلاً box روی مدلی جز Jev.
400image_input_not_supportedمدل ورودی تصویر نمی‌پذیرد.
400too_many_imagesتعداد تصویرها از سقف مدل بیشتر است.
400audio_input_not_supportedصوت فقط روی Gemini Decision 1 پذیرفته می‌شود.
400video_input_not_supportedویدیو فقط روی Gemini Decision 1 پذیرفته می‌شود.
400unsupported_attachmentپیوست قابل خواندن نیست یا نوعش پذیرفته نمی‌شود.
400attachment_too_largeحجم پیوست از سقف مدل بیشتر است.
400input_too_longمتن ورودی از ظرفیت مدل بلندتر است؛ کوتاهش کنید یا مدلی با ظرفیت بیشتر بگیرید.
400model_not_found / model_not_supportedکد مدل وجود ندارد یا مدل تصمیم‌گیر نیست.
400decision_request_rejectedارائه‌دهنده درخواست را نپذیرفته است. این خطا هزینه ندارد.
402insufficient_funds / budget_exceededموجودی یا سقف هزینهٔ کلید کافی نیست. پیام می‌گوید «حداکثر N ریال هزینه دارد»؛ توضیح در بخش هزینه.
429rate limit / concurrency_limitسقف نرخ یا هم‌زمانی. هدرهای X-RateLimit-* را ببینید.
502upstream_invalid_responseپاسخ ارائه‌دهنده معتبر نبود. هزینه ندارد.
503provider_unavailable / model_temporarily_unavailableارائه‌دهنده یا مدل موقتاً در دسترس نیست. هزینه ندارد.
504upstream_timeoutارائه‌دهنده به‌موقع جواب نداد. هزینه ندارد.

شکل کلی پاسخ خطا و سیاست تلاش مجدد در مدیریت خطاها آمده است.

چرا نه Chat Completions

مدل تصمیم‌گیر را به chat/completions یا responses نفرستید. این درخواست با خطای 400 decision_model_requires_decisions_endpoint رد می‌شود. همیشه از /v1/decisions (یا /v1/systemone) استفاده کنید.

اگر متن می‌خواهید، از مدل‌های چت استفاده کنید؛ اگر بردار برای جست‌وجو می‌خواهید، Embeddings.

پرسش‌های متداول

این یک مدل زبانی (LLM) است؟

از نظر معماری بله، اما در عمل نه مثل چت: فقط به پرسش‌های ساختارمند جواب می‌دهد و احتمال برمی‌گرداند، نه متن. به همین دلیل ارزان و سریع است.

فارسی را می‌فهمد؟

بله. در آزمون ما روی ۱۶ پیام فارسی، پرسش‌های بله/خیر و انتخابی روی هر پنج مدل تقریباً بدون خطا بود و پرسش فارسی به خوبی انگلیسی جواب گرفت. پرسش امتیازی ضعیف‌تر است؛ روی داده‌های خودتان بسنجید.

کدام مدل را انتخاب کنم؟

برای شروع Jev (تا ۴۰۰ پرسش در درخواست، تصویر، و تنها مدلی که box دارد). اگر صوت یا ویدیو دارید Gemini Decision 1. اگر متن‌ها کوتاه‌اند و قیمت هر پاسخ مهم‌تر است Clef Flash؛ اگر قیمت هر میلیون توکن ورودی مهم‌تر است Perplexity Decider. اگر ورودی خیلی بلند یا تعداد تصویر زیاد است GPT-6 Luna. احتمال هر مدل مقیاس خودش را دارد، پس پیش از انتخاب نهایی چند نمونهٔ خودتان را روی دو یا سه مدل بسنجید.

چند پرسش را در یک درخواست بپرسم یا جدا؟

در یک درخواست؛ ورودی فقط یک بار حساب می‌شود. سقف تعداد پرسش هر مدل در جدول بالاست.

اگر درخواست را دو بار بفرستم دو بار پول می‌دهم؟

اگر هدر Idempotency-Key بفرستید، نه: تکرار همان درخواست همان پاسخ را بدون هزینهٔ دوم می‌دهد. توضیح در کلید یکتایی.

چرا در 402 نوشته «حداکثر N ریال هزینه دارد»؟

چون پیش از اجرا تعداد دقیق توکن ورودی معلوم نیست و موجودی با یک سقف بالا سنجیده می‌شود. چیزی که واقعاً کم می‌شود توکن گزارش‌شده است و معمولاً خیلی کمتر از آن سقف.

با SDK رسمی OpenAI کار می‌کند؟

بله. client.decisions.create در Python (حداقل ۳٫۵۱) و Node.js (حداقل ۷٫۵۷) با همان کد کار می‌کند؛ فقط نشانی پایه و کلید هیبانا. در .NET، Java و Go هم SDK رسمی OpenAI کلاینت Decisions دارد، اما نمونه‌های این صفحه برای C# و Java فعلاً درخواست HTTP ساده‌اند.