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: Grok 4.20 پایدار، GPT-Image-2، سری Qwen3.6، Kimi K2.6 و Gemini Embedding 2

تاریخ: ۱۴۰۵-۰۲-۰۳ / (2026-04-23)

خلاصه

افزودن ده مدل جدید از پنج ارائه‌دهنده پیشرو را اعلام می‌کنیم: نسخه‌های پایدار grok-4.20-reasoning و grok-4.20-non-reasoning از X.AI، مدل نسل‌بعدی تولید تصویر gpt-image-2 از OpenAI، مدل‌های چندوجهی بینایی‌-زبانی qwen3.6-flash، qwen3.6-27b، qwen3.6-35b-a3b و qwen3.6-max-preview از Alibaba، مدل متن‌باز عامل‌محور کدنویسی kimi-k2.6 از Moonshot AI، و نخستین مدل تعبیه چندوجهی گوگل یعنی gemini-embedding-2.

جزئیات

X.AI (Grok)

نسخهٔ پایدار Grok 4.20 اکنون با هر دو نوع Reasoning و Non-Reasoning در دسترس است و فراتر از نسخه‌های بتای قبلی با حفظ همان پنجره زمینه ۲ میلیون توکنی و سرعت پیشرو در صنعت عرضه می‌شود.

grok-4.20-reasoning

grok-4.20-reasoning نسخهٔ پایدار مدل پرچم‌دار Grok 4.20 Reasoning از X.AI است. این مدل سرعت پیشرو در صنعت، فراخوانی ابزار عامل‌محور، پایین‌ترین نرخ توهم در بازار و پایبندی دقیق به دستورالعمل‌ها برای پاسخ‌هایی پیوسته دقیق ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۲,۰۰۰,۰۰۰ توکن
قیمت ورودی	$2.00 / 1M توکن
قیمت ورودی کش‌شده	$0.20 / 1M توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	$6.00 / 1M توکن
قیمت ورودی (بالای ۲۰۰K)	$4.00 / 1M توکن
ورودی کش‌شده (بالای ۲۰۰K)	$0.40 / 1M توکن
قیمت خروجی (بالای ۲۰۰K)	$12.00 / 1M توکن
روش‌های ورودی	متن، تصویر
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

حالت استدلال: تفکر گسترده پیش از پاسخ‌گویی برای حل مسائل پیچیده
زمینه عظیم: پنجره زمینه ۲ میلیون توکنی برای اسناد و مکالمات گسترده
پایین‌ترین نرخ توهم: دقت و صحت پیشرو در صنعت
پایبندی دقیق به دستورالعمل: پاسخ‌های پیوسته دقیق
فراخوانی توابع و خروجی ساختارمند: پشتیبانی کامل از ابزارها و سیستم‌های خارجی

grok-4.20-non-reasoning

grok-4.20-non-reasoning نسخهٔ پایدار non-reasoning است که برای پاسخ‌های سریع بدون تفکر گسترده بهینه‌سازی شده و برای برنامه‌های پرتوان و حساس به تأخیر ایده‌آل است.

ویژگی	جزئیات
پنجره زمینه	۲,۰۰۰,۰۰۰ توکن
قیمت ورودی	$2.00 / 1M توکن
قیمت ورودی کش‌شده	$0.20 / 1M توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	$6.00 / 1M توکن
قیمت ورودی (بالای ۲۰۰K)	$4.00 / 1M توکن
ورودی کش‌شده (بالای ۲۰۰K)	$0.40 / 1M توکن
قیمت خروجی (بالای ۲۰۰K)	$12.00 / 1M توکن
روش‌های ورودی	متن، تصویر
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

استنتاج سریع: بهینه‌سازی‌شده برای پاسخ‌های سریع بدون سربار استدلال
زمینه عظیم: پنجره زمینه ۲ میلیون توکنی
توان بالا: ایده‌آل برای برنامه‌های حساس به تأخیر
فراخوانی توابع و خروجی ساختارمند: پشتیبانی کامل از ابزارها

OpenAI

gpt-image-2

gpt-image-2 مدل نسل‌بعدی تولید تصویر OpenAI است که دقت و کنترل بیشتر، رندرینگ قدرتمندتر متن چندزبانه، پیچیدگی سبک‌شناختی و واقع‌گرایی، هوشمندی ارتقایافته نسبت به دنیای واقعی، و پشتیبانی از نسبت ابعاد انعطاف‌پذیر را ارائه می‌دهد. این مدل هم روی اندپوینت v1/images/generations و هم v1/images/edits در دسترس است.

ویژگی	جزئیات
قیمت ورودی متنی	$5.00 / 1M توکن
قیمت ورودی تصویری	$8.00 / 1M توکن
ورودی متنی کش‌شده	$1.25 / 1M توکن
ورودی تصویری کش‌شده	$2.00 / 1M توکن
قیمت خروجی متنی	$10.00 / 1M توکن
قیمت خروجی تصویری	$30.00 / 1M توکن
روش‌های ورودی	متن، تصویر
روش‌های خروجی	تصویر، متن
اندپوینت‌های پشتیبانی‌شده	`v1/images/generations`, `v1/images/edits`

ویژگی‌های کلیدی:

دقت و کنترل بیشتر: بهبود چشم‌گیر دقت تولید تصویر و پایبندی به جزئیات دستورالعمل
رندرینگ متن چندزبانه: عملکرد قوی در خطوط جهانی از جمله ژاپنی، عربی، کره‌ای، دوناگری، سیریلیک، بنگالی، یونانی، چینی و لاتین
پیچیدگی سبک‌شناختی و واقع‌گرایی: وفاداری بالاتر در عکاسی، تصویرسازی، مانگا، پیکسل‌آرت و دیگر سبک‌های بصری
نسبت ابعاد انعطاف‌پذیر: فرمت‌های افقی، مربعی و عمودی برای کاربردهایی از بنر تا صفحات موبایل
حالت تفکر: استفاده از استدلال برای تحقیق، تبدیل ورودی‌ها و تولید دارایی‌های بصری منسجم از ابتدا تا انتها
ویرایش تصویر: پشتیبانی از هر دو اندپوینت تولید و ویرایش برای جریان‌های کاری کامل تصویر

نام‌های مستعار: gpt-image-2-2026-04-21

Alibaba (سری Qwen3.6)

چهار مدل جدید از سری Qwen3.6 اکنون در دسترس هستند و بهبودهای قابل‌توجهی در کدنویسی عامل‌محور، استدلال STEM، هوشمندی فضایی و تشخیص اشیا نسبت به نسل Qwen3.5 ارائه می‌دهند.

qwen3.6-flash

qwen3.6-flash مدل Flash بینایی‌-زبانی بومی Qwen3.6 است با پنجره زمینه ۱ میلیون توکنی و بهبود چشم‌گیر در کدنویسی عامل‌محور، استدلال ریاضی و هوشمندی فضایی نسبت به qwen3.5-flash.

ویژگی	جزئیات
پنجره زمینه	۱,۰۰۰,۰۰۰ توکن (قیمت‌گذاری رده‌یک ۲۵۶K)
حداکثر خروجی	۶۴K توکن
قیمت ورودی	$0.25 / 1M توکن
قیمت ورودی (بالای ۲۵۶K)	$1.00 / 1M توکن
ورودی ساخت کش	$0.3125 / 1M توکن
ورودی ساخت کش (بالای ۲۵۶K)	$1.25 / 1M توکن
قیمت ورودی کش‌شده	$0.025 / 1M توکن (۹۰٪ کاهش هزینه)
ورودی کش‌شده (بالای ۲۵۶K)	$0.10 / 1M توکن
قیمت خروجی	$1.50 / 1M توکن
قیمت خروجی (بالای ۱۲۸K)	$4.00 / 1M توکن
روش‌های ورودی	متن، تصویر، ویدیو
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

بینایی‌-زبانی بومی: پردازش بومی متن، تصویر و ویدیو
پنجره زمینه ۱M: زمینه گسترده برای اسناد و مکالمات طولانی
کدنویسی عامل‌محور: به‌طور قابل‌توجه از Qwen3.5-Flash در معیارهای code-agent بهتر عمل می‌کند
هوشمندی فضایی: بهبود چشم‌گیر در مکان‌یابی و تشخیص اشیا
تفکر عمیق: حالت استدلال اختیاری از طریق enable_thinking
پشتیبانی ابزار: فراخوانی توابع، خروجی ساختارمند و جستجوی وب

qwen3.6-27b

qwen3.6-27b مدل متراکم بینایی‌-زبانی بومی ۲۷ میلیارد پارامتری Qwen3.6 است که بر پایه معماری 3.5-27B ساخته شده و بهبودهای کلیدی در کدنویسی عامل‌محور، استدلال STEM و قابلیت‌های عامل بصری ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۲۵۶,۰۰۰ توکن
حداکثر خروجی	۶۴K توکن
قیمت ورودی	$0.60 / 1M توکن
قیمت ورودی کش‌شده	$0.06 / 1M توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	$3.60 / 1M توکن
روش‌های ورودی	متن، تصویر، ویدیو
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

بینایی‌-زبانی بومی: پردازش بومی متن، تصویر و ویدیو
پنجره زمینه ۲۵۶K: زمینه گسترده برای وظایف پیچیده
استدلال STEM ارتقایافته: مهارت‌های بهبودیافته استدلال ریاضی و کدنویسی
عوامل بصری: پیشرفت در درک ویدیو، OCR اسناد و قابلیت‌های عامل بصری
تفکر عمیق: حالت استدلال اختیاری از طریق enable_thinking

qwen3.6-35b-a3b

qwen3.6-35b-a3b مدل بینایی‌-زبانی بومی ۳۵B-A3B از Qwen3.6 است که بر پایه معماری ترکیبی متشکل از توجه خطی با چارچوب ترکیب پراکنده متخصصان (sparse MoE) برای راندمان استنتاج بالاتر ساخته شده است.

ویژگی	جزئیات
پنجره زمینه	۲۵۶,۰۰۰ توکن
حداکثر خروجی	۶۴K توکن
قیمت ورودی	$0.248 / 1M توکن
قیمت ورودی کش‌شده	$0.025 / 1M توکن (۹۰٪ کاهش هزینه)
قیمت خروجی	$1.485 / 1M توکن
روش‌های ورودی	متن، تصویر، ویدیو
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

معماری ترکیبی: توجه خطی همراه با MoE پراکنده برای راندمان بالاتر
کدنویسی عامل‌محور بهبودیافته: عملکرد به‌مراتب بهتر code-agent
هوشمندی فضایی: پیشرفت در مکان‌یابی و تشخیص اشیا
مقرون‌به‌صرفه: قیمت‌گذاری بسیار پایین به لطف فعال‌سازی پراکنده کارآمد
تفکر عمیق: حالت استدلال اختیاری از طریق enable_thinking

qwen3.6-max-preview

qwen3.6-max-preview بزرگ‌ترین و توانمندترین نوع سری Qwen3.6 است که در حالت پیش‌نمایش با قابلیت‌های صرفا متنی ارائه می‌شود. این مدل شامل vibe coding پیشرفته، اجرای کارآمد عامل کدنویسی و بازیابی دانش long-tail ارتقایافته است.

ویژگی	جزئیات
پنجره زمینه	۲۵۶,۰۰۰ توکن (قیمت‌گذاری رده‌یک ۱۲۸K)
حداکثر خروجی	۶۴K توکن
قیمت ورودی	$1.30 / 1M توکن
قیمت ورودی (بالای ۱۲۸K)	$2.00 / 1M توکن
ورودی ساخت کش	$1.625 / 1M توکن
ورودی ساخت کش (بالای ۱۲۸K)	$2.50 / 1M توکن
قیمت ورودی کش‌شده	$0.13 / 1M توکن (۹۰٪ کاهش هزینه)
ورودی کش‌شده (بالای ۱۲۸K)	$0.20 / 1M توکن
قیمت خروجی	$7.80 / 1M توکن
قیمت خروجی (بالای ۱۲۸K)	$12.00 / 1M توکن
روش‌های ورودی	متن
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

بزرگ‌ترین مدل Qwen3.6: توانمندترین نوع در سری Qwen3.6
Vibe Coding ارتقایافته: توسعه فرانت‌اند قوی‌تر و اجرای عامل کدنویسی
دانش Long-Tail: بازیابی دانش ارتقایافته برای موضوعات تخصصی
پنجره زمینه ۲۵۶K: زمینه گسترده برای وظایف پیچیده
تفکر عمیق: حالت استدلال اختیاری از طریق enable_thinking

Moonshot AI

kimi-k2.6

kimi-k2.6 جدیدترین مدل متن‌باز Moonshot AI است که با کدنویسی state-of-the-art، اجرای long-horizon و قابلیت‌های Agent Swarm ارائه می‌شود. این مدل بر پایه K2.5 ساخته شده و قابلیت اطمینان چندمرحله‌ای قوی‌تر، قابلیت full-stack، و Document-to-Skills قابل استفاده مجدد را دارد.

ویژگی	جزئیات
قیمت ورودی	$0.95 / 1M توکن
قیمت ورودی کش‌شده	$0.16 / 1M توکن
قیمت خروجی	$4.00 / 1M توکن
روش‌های ورودی	متن، تصویر
روش‌های خروجی	متن
اندپوینت‌های پشتیبانی‌شده	`v1/chat/completions`

ویژگی‌های کلیدی:

کدنویسی SOTA: دستورالعمل‌ها را به رابط‌های فرانت‌اند در سطح Awwwards با خطوط تمیز، انیمیشن‌ها و تعاملات تبدیل می‌کند
تولید Full-Stack: وب‌سایت‌های کامل کارآمد با احراز هویت، تعاملات و عملیات پایگاه داده را از یک دستورالعمل می‌سازد
اجرای Long-Horizon: وظایف پیچیده و چندمرحله‌ای را با قابلیت اطمینان بالاتر و تغییرات غیرضروری کمتر مدیریت می‌کند
Agent Swarm: هماهنگی چندین عامل به‌صورت موازی برای جستجو، تحقیق، تحلیل، نگارش بلند و تولید محتوای چندفرمتی
Document to Skills: تبدیل اسناد باکیفیت به مهارت‌های قابل استفاده مجدد که در وظایف آینده به‌کار می‌آیند
Claw Groups (پیش‌نمایش): جریان کاری جدید چندعاملی با یک هماهنگ‌کننده که وظایف و پیش‌نیاز‌ها را مدیریت می‌کند
Kimi Slides: تولید ارائه‌های آماده تولید از دستورالعمل‌ها یا ورودی‌های چندفرمتی

Google

gemini-embedding-2

gemini-embedding-2 نخستین مدل تعبیه چندوجهی گوگل در Gemini API است. این مدل متن، تصویر، ویدیو، صوت و اسناد را در یک فضای تعبیه یکپارچه نگاشت می‌کند و جستجو، طبقه‌بندی و خوشه‌بندی میان‌وجهی در بیش از ۱۰۰ زبان را امکان‌پذیر می‌سازد.

ویژگی	جزئیات
قیمت ورودی متنی	$0.20 / 1M توکن
ورودی متنی کش‌شده	$0.02 / 1M توکن (۹۰٪ کاهش هزینه)
قیمت ورودی تصویری	$0.45 / 1M توکن
قیمت ورودی صوتی	$6.50 / 1M توکن
قیمت ورودی ویدیویی	$12.00 / 1M توکن
قیمت خروجی	$0.15 / 1M توکن
محدودیت توکن ورودی	۸,۱۹۲ توکن
ابعاد خروجی	انعطاف‌پذیر (۱۲۸ تا ۳۰۷۲، پیش‌فرض ۳۰۷۲، پیشنهادی ۷۶۸/۱۵۳۶/۳۰۷۲)
روش‌های ورودی	متن، تصویر، صوت، ویدیو، PDF
روش‌های خروجی	Embeddings
اندپوینت‌های پشتیبانی‌شده	`v1/embeddings`, `v1beta/models/{model}:embedContent` (Gemini بومی)

ویژگی‌های کلیدی:

نخستین تعبیه چندوجهی: فضای تعبیه یکپارچه در سراسر متن، تصویر، ویدیو، صوت و PDF
جستجوی میان‌وجهی: مقایسه و بازیابی محتوا در وجه‌های مختلف در همان فضای برداری
بیش از ۱۰۰ زبان: پشتیبانی گسترده چندزبانه برای برنامه‌های بین‌المللی
یادگیری بازنمایی Matryoshka (MRL): ابعاد خروجی انعطاف‌پذیر (۱۲۸–۳۰۷۲) بدون افت کیفیت
نرمال‌سازی مجدد خودکار: ابعاد برش‌داده‌شده (مانند ۷۶۸، ۱۵۳۶) برای شباهت دقیق به‌طور خودکار نرمال می‌شوند
تجمیع تعبیه: یک تعبیه تجمیع‌شده واحد برای ورودی‌های چندبخشی (متن + تصویر و غیره)
دستورالعمل وظیفه: درج انواع وظیفه مستقیما در دستورالعمل‌ها (مثلا task: search result | query: ...) برای عملکرد بهینه
روش‌های پشتیبانی‌شده: متن (۸,۱۹۲ توکن)، تصاویر (PNG/JPEG، حداکثر ۶)، صوت (MP3/WAV، حداکثر ۱۸۰ ثانیه)، ویدیو (MP4/MOV، حداکثر ۱۲۰ ثانیه، ۳۲ فریم)، PDF (حداکثر ۶ صفحه)
پشتیبانی دوگانه API: در دسترس در هم اندپوینت سازگار با OpenAI یعنی v1/embeddings و هم اندپوینت بومی Gemini یعنی v1beta/models/{model}:embedContent

نام‌های مستعار: gemini-embedding-2-preview

خلاصه قیمت‌گذاری

مدل	ورودی ($/1M توکن)	ورودی کش‌شده ($/1M توکن)	خروجی ($/1M توکن)
`grok-4.20-reasoning`	$2.00	$0.20	$6.00
`grok-4.20-non-reasoning`	$2.00	$0.20	$6.00
`gpt-image-2` (متن)	$5.00	$1.25	$10.00
`gpt-image-2` (تصویر)	$8.00	$2.00	$30.00
`qwen3.6-flash`	$0.25	$0.025	$1.50
`qwen3.6-27b`	$0.60	$0.06	$3.60
`qwen3.6-35b-a3b`	$0.248	$0.025	$1.485
`qwen3.6-max-preview`	$1.30	$0.13	$7.80
`kimi-k2.6`	$0.95	$0.16	$4.00
`gemini-embedding-2` (متن)	$0.20	$0.02	$0.15

نمونه‌های درخواست/پاسخ API

نمونه Grok 4.20 Reasoning

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "grok-4.20-reasoning",
    "messages": [
      {
        "role": "user",
        "content": "Design a fault-tolerant distributed system architecture for a global payment platform."
      }
    ],
    "max_tokens": 4096
  }'

نمونه پاسخ:

json

{
  "id": "chatcmpl-grok420-abc123",
  "created": 1776321600,
  "model": "grok-4.20-reasoning",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "A fault-tolerant global payment platform should adopt a multi-region active-active architecture...",
        "role": "assistant",
        "thinking_blocks": [
          {
            "type": "thinking",
            "thinking": "Let me break down the requirements: global reach, fault tolerance, payment-grade reliability..."
          }
        ],
        "annotations": []
      }
    }
  ],
  "usage": {
    "completion_tokens": 1420,
    "prompt_tokens": 25,
    "total_tokens": 1445,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 25
    }
  },
  "estimated_cost": {
    "unit": "0.0085700000",
    "irt": 982.13,
    "exchange_rate": 114600
  }
}

نمونه تولید GPT-Image-2

bash

curl https://api.avalai.ir/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "A modernist editorial poster titled \"Typography\" that celebrates global scripts including Japanese, Arabic, Korean, and Latin letterforms, in red, blue, and black tones.",
    "size": "1024x1024",
    "n": 1
  }'

نمونه پاسخ:

json

{
  "created": 1776321700,
  "data": [
    {
      "b64_json": "iVBORw0KGgoAAAANSUhEUgAABAAAAAQACAIAAADwf7zU...[TRUNCATED]",
      "revised_prompt": "A modernist editorial poster..."
    }
  ],
  "usage": {
    "input_tokens": 32,
    "input_tokens_details": {
      "text_tokens": 32,
      "image_tokens": 0
    },
    "output_tokens": 4160,
    "total_tokens": 4192
  },
  "estimated_cost": {
    "unit": "0.1249600000",
    "irt": 14320.22,
    "exchange_rate": 114600
  }
}

نمونه ویرایش GPT-Image-2

bash

curl https://api.avalai.ir/v1/images/edits \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -F "model=gpt-image-2" \
  -F "image=@input.png" \
  -F "prompt=Add a gold Art Deco frame and soft sunrise lighting" \
  -F "size=1024x1024"

نمونه Qwen3.6-Flash با حالت تفکر

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen3.6-flash",
    "messages": [
      {
        "role": "user",
        "content": "Implement a binary search tree in Python with insert, delete, and in-order traversal methods."
      }
    ],
    "extra_body": {
      "enable_thinking": true
    },
    "stream": true
  }'

نمونه Qwen3.6-Max-Preview

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "qwen3.6-max-preview",
    "messages": [
      {
        "role": "user",
        "content": "Build a polished Next.js landing page for a SaaS product with hero, features, testimonials, and pricing sections."
      }
    ],
    "max_tokens": 8192
  }'

نمونه Agent Swarm در Kimi K2.6

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "kimi-k2.6",
    "messages": [
      {
        "role": "user",
        "content": "Build a full-stack task management web application with user authentication, real-time updates, and a clean modern UI."
      }
    ],
    "max_tokens": 8192
  }'

نمونه Gemini Embedding 2 (متن)

bash

curl https://api.avalai.ir/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemini-embedding-2",
    "input": "task: search result | query: What is the meaning of life?",
    "dimensions": 768
  }'

نمونه پاسخ:

json

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        0.0123,
        -0.0456,
        0.0789,
        "...[TRUNCATED 768 values]"
      ]
    }
  ],
  "model": "gemini-embedding-2",
  "usage": {
    "prompt_tokens": 14,
    "total_tokens": 14
  },
  "estimated_cost": {
    "unit": "0.0000028000",
    "irt": 0.32,
    "exchange_rate": 114600
  }
}

Gemini Embedding 2 چندوجهی از طریق اندپوینت سازگار با OpenAI

اندپوینت v1/embeddings ورودی‌های چندوجهی (تصاویر، صوت، ویدیو) را به‌صورت URI‌های data: در آرایه input می‌پذیرد:

bash

# متن + تصویر (base64 data URI) از طریق اندپوینت سازگار با OpenAI
curl -i "https://api.avalai.ir/v1/embeddings" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": [
      "The food was delicious and the waiter...",
      "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAgAAAAIAQMAAAD+wSzIAAAABlBMVEX///+/v7+jQ3Y5AAAADklEQVQI12P4AIX8EAgALgAD/aNpbtEAAAAASUVORK5CYII"
    ],
    "model": "gemini-embedding-2"
  }'

bash

# متن + صوت (base64 data URI) از طریق اندپوینت سازگار با OpenAI
AUDIO_PATH="./speech.mp3"
AUDIO_BASE64="$(base64 -i "$AUDIO_PATH" | tr -d '\n')"

cat >/tmp/embeddings-audio.json <<EOF
{
  "input": [
    "The food was delicious and the waiter...",
    "data:audio/mpeg;base64,${AUDIO_BASE64}"
  ],
  "model": "gemini-embedding-2"
}
EOF

curl -i "https://api.avalai.ir/v1/embeddings" \
  -H "Authorization: Bearer ${AVALAI_API_KEY}" \
  -H "Content-Type: application/json" \
  --data-binary @/tmp/embeddings-audio.json

bash

# متن + ویدیو (base64 data URI) از طریق اندپوینت سازگار با OpenAI
VIDEO_PATH="./sample_video.mp4"
VIDEO_BASE64="$(base64 -i "$VIDEO_PATH" | tr -d '\n')"

cat >/tmp/embeddings-video.json <<EOF
{
  "input": [
    "The food was delicious and the waiter...",
    "data:video/mp4;base64,${VIDEO_BASE64}"
  ],
  "model": "gemini-embedding-2"
}
EOF

curl -i "https://api.avalai.ir/v1/embeddings" \
  -H "Authorization: Bearer ${AVALAI_API_KEY}" \
  -H "Content-Type: application/json" \
  --data-binary @/tmp/embeddings-video.json

Gemini Embedding 2 از طریق API بومی Gemini (`v1beta`)

gemini-embedding-2 همچنین از طریق اندپوینت بومی Gemini یعنی v1beta/models/{model}:embedContent در دسترس است که بخش‌های inline_data را برای تصاویر، صوت، ویدیو و PDF می‌پذیرد.

تعبیه متن (API بومی):

bash

curl "https://api.avalai.ir/v1beta/models/gemini-embedding-2:embedContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: ${AVALAI_API_KEY}" \
  -d '{
    "model": "gemini-embedding-2",
    "content": {
      "parts": [{
        "text": "What is the meaning of life?"
      }]
    }
  }'

تعبیه تصویر (API بومی):

bash

IMG_PATH="./sample_image.jpg"
# macOS: IMG_BASE64="$(base64 -i "$IMG_PATH" | tr -d '\n')"
IMG_BASE64=$(base64 -w0 "${IMG_PATH}")

cat >/tmp/payload.json <<EOF
{
  "content": {
    "parts": [
      {
        "inline_data": {
          "mime_type": "image/png",
          "data": "${IMG_BASE64}"
        }
      }
    ]
  }
}
EOF

curl -sS "https://api.avalai.ir/v1beta/models/gemini-embedding-2:embedContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: ${AVALAI_API_KEY}" \
  --data-binary @/tmp/payload.json

تعبیه صوت (API بومی):

bash

AUDIO_PATH="./speech.mp3"
AUDIO_BASE64="$(base64 -i "$AUDIO_PATH" | tr -d '\n')"

curl -sS "https://api.avalai.ir/v1beta/models/gemini-embedding-2:embedContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: ${AVALAI_API_KEY}" \
  -d '{
    "content": {
      "parts": [{
        "inline_data": {
          "mime_type": "audio/mpeg",
          "data": "'"${AUDIO_BASE64}"'"
        }
      }]
    }
  }'

تعبیه ویدیو (API بومی):

bash

VIDEO_PATH="./sample_video.mp4"
VIDEO_BASE64="$(base64 -i "$VIDEO_PATH" | tr -d '\n')"

curl -sS "https://api.avalai.ir/v1beta/models/gemini-embedding-2:embedContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: ${AVALAI_API_KEY}" \
  --data-binary @- <<EOF
{
  "content": {
    "parts": [
      {
        "inline_data": {
          "mime_type": "video/mp4",
          "data": "${VIDEO_BASE64}"
        }
      }
    ]
  }
}
EOF

تجمیع متن + تصویر (API بومی):

bash

curl "https://api.avalai.ir/v1beta/models/gemini-embedding-2:embedContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $AVALAI_API_KEY" \
  -d '{
    "content": {
      "parts": [
        {"text": "An image of a dog"},
        {
          "inline_data": {
            "mime_type": "image/png",
            "data": "iVBORw0KGgo...[TRUNCATED]"
          }
        }
      ]
    }
  }'

یادداشت

زمانی که چندین بخش در یک درخواست واحد ارائه می‌شوند، gemini-embedding-2 یک تعبیه تجمیع‌شده واحد برمی‌گرداند. اگر به تعبیه‌های جداگانه برای هر ورودی نیاز دارید، از Batch API یا درخواست‌های متعدد استفاده کنید.

نمونه‌های استفاده از SDK

Chat Completions (Grok، Qwen، Kimi)

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "kimi-k2.6",
    "messages": [
      {
        "role": "user",
        "content": "Build a minimalist personal portfolio website with a hero section, projects grid, and contact form."
      }
    ]
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# Using Kimi K2.6 for full-stack coding
response = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {
            "role": "user",
            "content": "Build a minimalist personal portfolio website with a hero section, projects grid, and contact form.",
        }
    ],
)

print(response.choices[0].message.content)

# Using Grok 4.20 Reasoning
response = client.chat.completions.create(
    model="grok-4.20-reasoning",
    messages=[
        {
            "role": "user",
            "content": "Design a fault-tolerant distributed system architecture.",
        }
    ],
    max_tokens=4096,
)

print(response.choices[0].message.content)

# Using Qwen3.6-Flash with thinking mode
response = client.chat.completions.create(
    model="qwen3.6-flash",
    messages=[
        {
            "role": "user",
            "content": "Explain quantum entanglement with practical implications.",
        }
    ],
    extra_body={"enable_thinking": True},
)

print(response.choices[0].message.content)

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

// Using Kimi K2.6
const kimiResponse = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages: [
    {
      role: "user",
      content: "Build a minimalist personal portfolio website with a hero section, projects grid, and contact form.",
    },
  ],
});

console.log(kimiResponse.choices[0].message.content);

// Using Qwen3.6-Max-Preview
const qwenResponse = await client.chat.completions.create({
  model: "qwen3.6-max-preview",
  messages: [
    {
      role: "user",
      content: "Build a polished Next.js landing page for a SaaS product.",
    },
  ],
  max_tokens: 8192,
});

console.log(qwenResponse.choices[0].message.content);

تولید تصویر (GPT-Image-2)

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "A Bauhaus-inspired poster with bold typography and geometric shapes in red, blue, and black.",
    "size": "1024x1024",
    "n": 1
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.images.generate(
    model="gpt-image-2",
    prompt="A Bauhaus-inspired poster with bold typography and geometric shapes in red, blue, and black.",
    size="1024x1024",
    n=1,
)

print(response.data[0].b64_json[:100] + "...")

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.images.generate({
  model: "gpt-image-2",
  prompt: "A Bauhaus-inspired poster with bold typography and geometric shapes in red, blue, and black.",
  size: "1024x1024",
  n: 1,
});

console.log(response.data[0].b64_json.slice(0, 100) + "...");

Embeddings (Gemini Embedding 2)

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemini-embedding-2",
    "input": "task: search result | query: What is the meaning of life?",
    "dimensions": 768
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.embeddings.create(
    model="gemini-embedding-2",
    input="task: search result | query: What is the meaning of life?",
    dimensions=768,
)

print(f"Embedding length: {len(response.data[0].embedding)}")
print(f"First 5 values: {response.data[0].embedding[:5]}")

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.embeddings.create({
  model: "gemini-embedding-2",
  input: "task: search result | query: What is the meaning of life?",
  dimensions: 768,
});

console.log(`Embedding length: ${response.data[0].embedding.length}`);
console.log(`First 5 values:`, response.data[0].embedding.slice(0, 5));

مدل‌های جدید اضافه شدند: Grok 4.20 پایدار، GPT-Image-2، سری Qwen3.6، Kimi K2.6 و Gemini Embedding 2 ​

خلاصه ​

جزئیات ​

X.AI (Grok) ​

grok-4.20-reasoning ​

grok-4.20-non-reasoning ​

OpenAI ​

gpt-image-2 ​

Alibaba (سری Qwen3.6) ​

qwen3.6-flash ​

qwen3.6-27b ​

qwen3.6-35b-a3b ​

qwen3.6-max-preview ​

Moonshot AI ​

kimi-k2.6 ​

Google ​

gemini-embedding-2 ​

خلاصه قیمت‌گذاری ​

نمونه‌های درخواست/پاسخ API ​

نمونه Grok 4.20 Reasoning ​

نمونه تولید GPT-Image-2 ​

نمونه ویرایش GPT-Image-2 ​

نمونه Qwen3.6-Flash با حالت تفکر ​

نمونه Qwen3.6-Max-Preview ​

نمونه Agent Swarm در Kimi K2.6 ​

نمونه Gemini Embedding 2 (متن) ​

Gemini Embedding 2 چندوجهی از طریق اندپوینت سازگار با OpenAI ​

Gemini Embedding 2 از طریق API بومی Gemini (v1beta) ​

نمونه‌های استفاده از SDK ​

Chat Completions (Grok، Qwen، Kimi) ​

تولید تصویر (GPT-Image-2) ​

Embeddings (Gemini Embedding 2) ​

لینک‌های مستندات ​

مدل‌های جدید اضافه شدند: Grok 4.20 پایدار، GPT-Image-2، سری Qwen3.6، Kimi K2.6 و Gemini Embedding 2

خلاصه

جزئیات

X.AI (Grok)

grok-4.20-reasoning

grok-4.20-non-reasoning

OpenAI

gpt-image-2

Alibaba (سری Qwen3.6)

qwen3.6-flash

qwen3.6-27b

qwen3.6-35b-a3b

qwen3.6-max-preview

Moonshot AI

kimi-k2.6

Google

gemini-embedding-2

خلاصه قیمت‌گذاری

نمونه‌های درخواست/پاسخ API

نمونه Grok 4.20 Reasoning

نمونه تولید GPT-Image-2

نمونه ویرایش GPT-Image-2

نمونه Qwen3.6-Flash با حالت تفکر

نمونه Qwen3.6-Max-Preview

نمونه Agent Swarm در Kimi K2.6

نمونه Gemini Embedding 2 (متن)

Gemini Embedding 2 چندوجهی از طریق اندپوینت سازگار با OpenAI

Gemini Embedding 2 از طریق API بومی Gemini (`v1beta`)

نمونه‌های استفاده از SDK

Chat Completions (Grok، Qwen، Kimi)

تولید تصویر (GPT-Image-2)

Embeddings (Gemini Embedding 2)

لینک‌های مستندات