پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

مدل‌های جدید اضافه شدند: GLM-5.1، GLM-5v-Turbo، Nemotron-3-120B، Gemma 4، Qwen3.6-Plus و Qwen-Image-2.0

تاریخ: ۱۴۰۵-۰۱-۲۳ / (2026-04-12)

خلاصه

ما افزودن هشت مدل جدید را اعلام می‌کنیم: GLM-5.1 مدل پرچمدار Z.AI با عملکرد پیشرو در کدنویسی عاملی و GLM-5v-Turbo مدل چندحالتی، NVIDIA Nemotron-3-120B-A12B از طریق Cloudflare AI با پنجره زمینه ۱ میلیون توکن، مدل‌های باز Gemma 4 از گوگل (نسخه‌های 26B و 31B) با کارایی پیشرو در صنعت، Qwen3.6-Plus از علی‌بابا با قابلیت‌های عاملی پیشرفته و زمینه ۱ میلیون توکن، و سری Qwen-Image-2.0 برای تایپوگرافی حرفه‌ای و تولید تصویر فوتورئالیستی.

جزئیات

Z.AI (GLM)

GLM-5.1

glm-5.1 مدل پرچمدار نسل جدید Z.AI برای مهندسی عاملی است، با قابلیت‌های کدنویسی به طور قابل توجهی قوی‌تر از نسخه قبلی. این مدل عملکرد پیشرو را در SWE-Bench Pro (۵۸.۴٪) به دست می‌آورد و با فاصله زیادی از GLM-5 در NL2Repo (تولید ریپو) و Terminal-Bench 2.0 (وظایف ترمینال دنیای واقعی) پیشتاز است.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن
قیمت ورودی	۱.۵۴ دلار / ۱ میلیون توکن
قیمت ورودی کش شده	۰.۲۸۶ دلار / ۱ میلیون توکن (۸۱٪ کاهش هزینه)
قیمت خروجی	۴.۸۴ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

پیشرو در SWE-Bench Pro: عملکرد ۵۸.۴٪، پیشتاز از همه مدل‌ها از جمله GPT-5.4 و Claude Opus 4.6
بهینه‌سازی افق بلند: حفظ بهینه‌سازی مولد در بیش از ۶۰۰ تکرار با بیش از ۶۰۰۰ فراخوانی ابزار
مهندسی عاملی: ساخته شده برای اثربخشی پایدار در وظایف عاملی در جلسات طولانی
حل مسائل پیچیده: تجزیه مسائل پیچیده، اجرای آزمایش‌ها، خواندن نتایج و شناسایی موانع با دقت
بازبینی خود: بازنگری استدلال و تجدیدنظر در استراتژی از طریق تکرار مکرر
فراخوانی تابع: پشتیبانی کامل از استفاده از ابزار و یکپارچه‌سازی‌های خارجی
خروجی‌های ساختاریافته: بازگرداندن پاسخ‌ها در قالب‌های خاص و سازمان‌یافته

عملکرد معیار:

SWE-Bench Pro: ۵۸.۴٪ (SOTA)
NL2Repo: ۴۲.۷٪
Terminal-Bench 2.0: ۶۳.۵٪
AIME 2026: ۹۵.۳٪
GPQA-Diamond: ۸۶.۲٪
HLE (با ابزار): ۵۲.۳٪

GLM-5v-Turbo

glm-5v-turbo مدل بینایی چندحالتی Z.AI است که برای وظایف درک بصری با توان بالا بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن
قیمت ورودی	۱.۲۰ دلار / ۱ میلیون توکن
قیمت ورودی کش شده	۰.۲۴ دلار / ۱ میلیون توکن (۸۰٪ کاهش هزینه)
قیمت خروجی	۴.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

درک بینایی: پردازش و تحلیل تصاویر با دقت بالا
پشتیبانی چند تصویر: مدیریت چندین تصویر در یک درخواست
توان بالا: بهینه‌سازی شده برای پردازش بصری سریع
کش زمینه: ۸۰٪ کاهش هزینه در ورودی‌های کش شده
فراخوانی تابع: پشتیبانی کامل از ابزار با ورودی‌های بصری
جریان‌سازی: پاسخ‌های جریانی بلادرنگ

Cloudflare AI

Nemotron-3-120B-A12B

cf.nemotron-3-120b-a12b جدیدترین مدل Nemotron از NVIDIA است که از طریق Cloudflare AI در دسترس است. این معماری ترکیبی LatentMoE از Mamba-2 + MoE + Attention با ۱۲۰ میلیارد پارامتر کل (۱۲ میلیارد فعال) استفاده می‌کند، طراحی شده برای گردش‌های کاری عاملی، استدلال زمینه بلند و حجم کاری بالا.

ویژگی	جزئیات
کل پارامترها	۱۲۰B (۱۲B فعال)
معماری	LatentMoE - ترکیب Mamba-2 + MoE + Attention با پیش‌بینی چند توکن
پنجره زمینه	۱٬۰۰۰٬۰۰۰ توکن
قیمت ورودی	۰.۵۰ دلار / ۱ میلیون توکن
قیمت ورودی کش شده	۰.۰۵ دلار / ۱ میلیون توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	۱.۵۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن
خروجی‌های پشتیبانی‌شده	متن
زبان‌های پشتیبانی‌شده	انگلیسی، فرانسوی، آلمانی، ایتالیایی، ژاپنی، اسپانیایی، چینی
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

پنجره زمینه ۱M: طول زمینه پیشرو در صنعت برای اسناد و مکالمات گسترده
گردش‌های کاری عاملی: بهینه‌سازی شده برای عامل‌های همکار و حجم کاری بالا مانند اتوماسیون تیکت IT
استدلال قابل تنظیم: فعال یا غیرفعال کردن حالت استدلال از طریق الگوی چت
پیش‌بینی چند توکن: لایه‌های MTP برای تولید متن سریع‌تر و کیفیت بهتر
استفاده از ابزار و RAG: عالی برای فراخوانی ابزار و تولید مبتنی بر بازیابی
مقرون‌به‌صرفه: فقط ۱۲B پارامتر فعال برای کارایی استثنایی

نکات برجسته معیار:

SWE-Bench (OpenHands): ۶۰.۴۷٪
AIME 2025: ۹۰.۲۱٪
HMMT Feb 2025 (با ابزار): ۹۴.۷۳٪
LiveCodeBench: ۸۱.۱۹٪

گوگل

Gemma 4-26B-A4B-IT

gemma-4-26b-a4b-it مدل باز گوگل است که از تحقیقات Gemini 3 ساخته شده، با ارائه هوش بی‌سابقه به ازای هر پارامتر با معماری Mixture-of-Experts (۲۶B کل، ۴B فعال).

ویژگی	جزئیات
کل پارامترها	۲۶B (۴B فعال)
معماری	Mixture-of-Experts (MoE)
پنجره زمینه	۱۲۸٬۰۰۰ توکن
قیمت ورودی	۰.۱۳ دلار / ۱ میلیون توکن
قیمت ورودی کش شده	۰.۰۱۳ دلار / ۱ میلیون توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	۰.۴۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر، صدا
خروجی‌های پشتیبانی‌شده	متن
زبان‌های پشتیبانی‌شده	۱۴۰ زبان
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`

ویژگی‌های کلیدی:

هوش پیشرو: ساخته شده از تحقیقات Gemini 3 برای حداکثر هوش به ازای هر پارامتر
معماری MoE: ۲۶B پارامتر کل با فقط ۴B فعال برای کارایی
چندحالتی: درک قوی صدا و تصویر
گردش‌های کاری عاملی: پشتیبانی بومی از فراخوانی تابع و عامل‌های خودمختار
۱۴۰ زبان: پشتیبانی چندزبانه فراتر از ترجمه
حالت تفکر: استدلال گسترده برای مسائل پیچیده
GPU مصرفی: بهینه‌سازی شده برای اجرا روی کامپیوترهای شخصی

عملکرد معیار:

Arena AI (متن): ۱۴۴۱
MMMLU: ۸۲.۶٪
MMMU Pro: ۷۳.۸٪
AIME 2026: ۸۸.۳٪
LiveCodeBench v6: ۷۷.۱٪
GPQA Diamond: ۸۲.۳٪

Gemma 4-31B-IT

gemma-4-31b-it نسخه متراکم Gemma 4 است که حداکثر قابلیت را برای کاربرانی که استفاده کامل از پارامتر را ترجیح می‌دهند ارائه می‌دهد.

ویژگی	جزئیات
پارامترها	۳۱B
معماری	ترنسفورمر متراکم
پنجره زمینه	۱۲۸٬۰۰۰ توکن
قیمت ورودی	۰.۱۴ دلار / ۱ میلیون توکن
قیمت ورودی کش شده	۰.۰۱۴ دلار / ۱ میلیون توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	۰.۴۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر، صدا
خروجی‌های پشتیبانی‌شده	متن
زبان‌های پشتیبانی‌شده	۱۴۰ زبان
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

کارایی پیشرو در صنعت: بالاترین امتیاز Arena AI ELO (۱۴۵۲) برای کلاس اندازه خود
معماری متراکم: ۳۱B پارامتر کامل فعال برای حداکثر قابلیت
استدلال چندحالتی: درک قوی صدا و تصویر
گردش‌های کاری عاملی: فراخوانی تابع بومی و پشتیبانی از عامل
تنظیم دقیق: بهبود عملکرد برای وظایف خاص با استفاده از فریم‌ورک‌های مورد نظر شما
حالت تفکر: قابلیت‌های استدلال گسترده

عملکرد معیار:

Arena AI (متن): ۱۴۵۲
MMMLU: ۸۵.۲٪
MMMU Pro: ۷۶.۹٪
AIME 2026: ۸۹.۲٪
LiveCodeBench v6: ۸۰.۰٪
GPQA Diamond: ۸۴.۳٪
τ2-bench Retail: ۸۶.۴٪

علی‌بابا (Qwen)

Qwen3.6-Plus

qwen3.6-plus جدیدترین مدل پرچمدار علی‌بابا با ارتقاء قابلیت‌های عظیم است، با پنجره زمینه ۱ میلیون توکن به صورت پیش‌فرض، قابلیت‌های کدنویسی عاملی بهبود یافته قابل توجه، و درک و استدلال چندحالتی بهتر.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۰۰٬۰۰۰ توکن (پیش‌فرض)
قیمت ورودی	۰.۵۰ دلار / ۱ میلیون توکن
قیمت ورودی (بالای ۲۵۶K)	۲.۰۰ دلار / ۱ میلیون توکن
ایجاد کش	۰.۶۲۵ دلار / ۱ میلیون توکن
ایجاد کش (بالای ۲۵۶K)	۲.۵۰ دلار / ۱ میلیون توکن
قیمت ورودی کش شده	۰.۰۵ دلار / ۱ میلیون توکن (۹۰٪ کاهش هزینه)
ورودی کش شده (بالای ۲۵۶K)	۰.۲۰ دلار / ۱ میلیون توکن
قیمت خروجی	۳.۰۰ دلار / ۱ میلیون توکن
قیمت خروجی (بالای ۲۵۶K)	۶.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

پنجره زمینه ۱M: زمینه پیش‌فرض یک میلیون توکن برای اسناد و مکالمات گسترده
کدنویسی عاملی SOTA: از توسعه فرانت‌اند وب تا حل مسائل سطح ریپو پیچیده
چندحالتی پیشرفته: دقت بیشتر و استدلال چندحالتی تیزتر
برتری عامل کدنویسی: ۷۸.۸٪ در SWE-bench Verified، ۶۱.۶٪ در Terminal-Bench 2.0
برنامه‌ریزی عمیق: ۴۱.۵٪ در معیار DeepPlanning (عملکرد پیشرو)
پشتیبانی MCP: ۴۸.۲٪ در MCPMark برای یکپارچه‌سازی Model Context Protocol
دکاتلون ابزار: عملکرد قوی در سناریوهای متنوع استفاده از ابزار

عملکرد معیار:

SWE-bench Verified: ۷۸.۸٪
SWE-bench Multilingual: ۷۳.۸٪
SWE-bench Pro: ۵۶.۶٪
Terminal-Bench 2.0: ۶۱.۶٪
TAU3-Bench: ۷۰.۷٪
DeepPlanning: ۴۱.۵٪
MCPMark: ۴۸.۲٪
MMLU-Pro: ۸۸.۵٪
SuperGPQA: ۷۱.۶٪

Qwen-Image-2.0-Pro

qwen-image-2.0-pro مدل تولید تصویر حرفه‌ای نسل جدید علی‌بابا با رندر تایپوگرافی پیشرفته است که از دستورات ۱K توکن برای تولید مستقیم اینفوگرافیک‌های حرفه‌ای شامل PPT، پوستر و کمیک پشتیبانی می‌کند.

ویژگی	جزئیات
رزولوشن	۲K بومی (۲۰۴۸×۲۰۴۸)
قیمت ورودی	۰.۰۰ دلار / درخواست
قیمت خروجی	۷۵.۰۰ دلار / ۱ میلیون توکن (۰.۰۷۵ دلار / تصویر)
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	تصویر
نقاط پایانی پشتیبانی‌شده	`/v1/images/generations`، `/v1/images/edits`

ویژگی‌های کلیدی:

تایپوگرافی حرفه‌ای: پشتیبانی از دستورات ۱K توکن برای PPT، پوستر و اینفوگرافیک
چیدمان پیچیده: چیدمان چند اسکریپت پیکسل-پرفکت با ترکیب متن-تصویر پیچیده
رزولوشن ۲K بومی: ۲۰۴۸×۲۰۴۸ برای صحنه‌های واقعی با جزئیات دقیق
مدل یکپارچه: تولید و ویرایش در یک مدل واحد
فوتورئالیسم: جزئیات میکروسکوپی روی منافذ پوست، بافت پارچه، تکسچرهای معماری
سبک‌های خوشنویسی متعدد: پشتیبانی از سبک‌های مختلف اسکریپت و فونت
ویرایش تصویر: پشتیبانی کامل از وظایف ویرایش تصویر به تصویر

Qwen-Image-2.0

qwen-image-2.0 نسخه استاندارد Qwen-Image-2.0 است که همان قابلیت‌های پیشرفته را با قیمت قابل دسترس‌تر ارائه می‌دهد.

ویژگی	جزئیات
رزولوشن	۲K بومی (۲۰۴۸×۲۰۴۸)
قیمت ورودی	۰.۰۰ دلار / درخواست
قیمت خروجی	۳۵.۰۰ دلار / ۱ میلیون توکن (۰.۰۳۵ دلار / تصویر)
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	تصویر
نقاط پایانی پشتیبانی‌شده	`/v1/images/generations`، `/v1/images/edits`

ویژگی‌های کلیدی:

رندر تایپوگرافی: پشتیبانی از تولید متن در تصویر حرفه‌ای
رزولوشن ۲K بومی: خروجی تصویر با کیفیت بالا
مدل یکپارچه: قابلیت‌های تولید و ویرایش ترکیب شده
پایبندی معنایی قوی: پیروی دقیق از پرامپت
معماری سبک‌تر: اندازه مدل کوچک‌تر با استنتاج سریع‌تر
مقرون‌به‌صرفه: قیمت‌گذاری قابل دسترس برای استفاده با حجم بالا

نمونه‌های درخواست/پاسخ API

نمونه GLM-5.1

درخواست

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "glm-5.1",
    "messages": [
      {
        "role": "user",
        "content": "یک تابع پایتون بنویسید که طولانی‌ترین زیردنباله مشترک دو رشته را با استفاده از برنامه‌نویسی پویا پیدا کند."
      }
    ]
  }'

پاسخ

json

{
  "id": "chatcmpl-1234567890",
  "created": 1744483200,
  "model": "glm-5.1",
  "object": "chat.completion",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "این یک تابع پایتون است که طولانی‌ترین زیردنباله مشترک را با استفاده از برنامه‌نویسی پویا پیدا می‌کند:\n\n
```python\ndef longest_common_subsequence(s1: str, s2: str) -> str:\n    m, n = len(s1), len(s2)\n    dp = [[0] * (n + 1) for _ in range(m + 1)]\n    \n    for i in range(1, m + 1):\n        for j in range(1, n + 1):\n            if s1[i-1] == s2[j-1]:\n                dp[i][j] = dp[i-1][j-1] + 1\n            else:\n                dp[i][j] = max(dp[i-1][j], dp[i][j-1])\n    \n    # بازگشت برای یافتن LCS\n    lcs = []\n    i, j = m, n\n    while i > 0 and j > 0:\n        if s1[i-1] == s2[j-1]:\n            lcs.append(s1[i-1])\n            i -= 1\n            j -= 1\n        elif dp[i-1][j] > dp[i][j-1]:\n            i -= 1\n        else:\n            j -= 1\n    \n    return ''.join(reversed(lcs))\n```",
        "role": "assistant"
      }
    }
  ],
  "usage": {
    "completion_tokens": 285,
    "prompt_tokens": 28,
    "total_tokens": 313
  },
  "estimated_cost": {
    "unit": "0.001423",
    "irt": 142.30,
    "exchange_rate": 100000
  }
}

نمونه Gemma 4

درخواست

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemma-4-31b-it",
    "messages": [
      {
        "role": "user",
        "content": "مفهوم معماری mixture-of-experts در شبکه‌های عصبی را توضیح دهید."
      }
    ]
  }'

پاسخ

json

{
  "id": "chatcmpl-gemma4-9876543210",
  "created": 1744483200,
  "model": "gemma-4-31b-it",
  "object": "chat.completion",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "Mixture-of-Experts (MoE) یک معماری شبکه عصبی است که از چندین زیرشبکه تخصصی (متخصصان) با مکانیزم دروازه‌بانی برای هدایت ورودی‌ها به متخصصان مرتبط‌ترین استفاده می‌کند...",
        "role": "assistant"
      }
    }
  ],
  "usage": {
    "completion_tokens": 250,
    "prompt_tokens": 18,
    "total_tokens": 268
  },
  "estimated_cost": {
    "unit": "0.000103",
    "irt": 10.3,
    "exchange_rate": 100000
  }
}

نمونه Qwen-Image-2.0

درخواست

bash

curl https://api.avalai.ir/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "یک پوستر اینفوگرافیک حرفه‌ای که مقایسه مدل‌های هوش مصنوعی را با تایپوگرافی تمیز و طراحی مدرن نشان می‌دهد",
    "n": 1,
    "size": "1024x1024"
  }'

پاسخ

json

{
  "created": 1744483200,
  "data": [
    {
      "url": "https://api.avalai.ir/files/generated/img-abc123...",

      "revised_prompt": "یک پوستر اینفوگرافیک حرفه‌ای که مقایسه مدل‌های هوش مصنوعی را با تایپوگرافی تمیز و طراحی مدرن نشان می‌دهد"
    }
  ],
  "estimated_cost": {
    "unit": "0.035",
    "irt": 3500.00,
    "exchange_rate": 100000
  }
}

خلاصه قیمت‌گذاری

مدل	ورودی	ورودی کش شده	خروجی	ویژه
glm-5.1	$۱.۵۴/۱M	$۰.۲۸۶/۱M	$۴.۸۴/۱M	-
glm-5v-turbo	$۱.۲۰/۱M	$۰.۲۴/۱M	$۴.۰۰/۱M	-
cf.nemotron-3-120b-a12b	$۰.۵۰/۱M	$۰.۰۵/۱M	$۱.۵۰/۱M	زمینه ۱M
gemma-4-26b-a4b-it	$۰.۱۳/۱M	$۰.۰۱۳/۱M	$۰.۴۰/۱M	-
gemma-4-31b-it	$۰.۱۴/۱M	$۰.۰۱۴/۱M	$۰.۴۰/۱M	-
qwen3.6-plus	$۰.۵۰/۱M	$۰.۰۵/۱M	$۳.۰۰/۱M	$۲.۰۰/$۶.۰۰ بالای ۲۵۶K
qwen-image-2.0-pro	رایگان	رایگان	$۰.۰۷۵/تصویر	-
qwen-image-2.0	رایگان	رایگان	$۰.۰۳۵/تصویر	-

مدل‌های جدید اضافه شدند: GLM-5.1، GLM-5v-Turbo، Nemotron-3-120B، Gemma 4، Qwen3.6-Plus و Qwen-Image-2.0 ​

خلاصه ​

جزئیات ​

Z.AI (GLM) ​

GLM-5.1 ​

GLM-5v-Turbo ​

Cloudflare AI ​

Nemotron-3-120B-A12B ​

گوگل ​

Gemma 4-26B-A4B-IT ​

Gemma 4-31B-IT ​

علی‌بابا (Qwen) ​

Qwen3.6-Plus ​

Qwen-Image-2.0-Pro ​

Qwen-Image-2.0 ​

نمونه‌های درخواست/پاسخ API ​

نمونه GLM-5.1 ​

درخواست ​

پاسخ ​

نمونه Gemma 4 ​

درخواست ​

پاسخ ​

نمونه Qwen-Image-2.0 ​

درخواست ​

پاسخ ​

خلاصه قیمت‌گذاری ​

لینک‌های مستندات ​

مدل‌های جدید اضافه شدند: GLM-5.1، GLM-5v-Turbo، Nemotron-3-120B، Gemma 4، Qwen3.6-Plus و Qwen-Image-2.0

خلاصه

جزئیات

Z.AI (GLM)

GLM-5.1

GLM-5v-Turbo

Cloudflare AI

Nemotron-3-120B-A12B

گوگل

Gemma 4-26B-A4B-IT

Gemma 4-31B-IT

علی‌بابا (Qwen)

Qwen3.6-Plus

Qwen-Image-2.0-Pro

Qwen-Image-2.0

نمونه‌های درخواست/پاسخ API

نمونه GLM-5.1

درخواست

پاسخ

نمونه Gemma 4

درخواست

پاسخ

نمونه Qwen-Image-2.0

درخواست

پاسخ

خلاصه قیمت‌گذاری

لینک‌های مستندات