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

افزودن Gemini 4 Argon و ارتقای DeepSeek Flash

Date: ۱۴۰۵-۰۷-۲۶ / (2026-10-18)

خلاصه

Gemini 4 Argon برای استدلال طولانی‌مدت، کدنویسی و کار چندوجهی در AvalAI در دسترس است. شناسه‌های موجود deepseek-flash و deepseek-v4.1-flash اکنون از مدل پایه DeepSeek-V4.1-Flash-1017 استفاده می‌کنند؛ کد کلاینت و قیمت‌ها تغییری نمی‌کنند.

جزئیات

Google: Gemini 4 Argon

برای استفاده از مدل پرچم‌دار جدید گوگل، شناسه دقیق gemini-4-argon را در AvalAI انتخاب کنید. گوگل Argon را مدلی پیشرفته برای حفظ استدلال عمیق در گردش‌کارهای پیچیده و طولانی‌مدت معرفی می‌کند، از جمله:

مهندسی نرم‌افزار: اشکال‌زدایی در سطح مخزن، مهاجرت کد، طراحی الگوریتم و پیاده‌سازی تکرارشونده همراه با راستی‌آزمایی.
کار دانشی سازمانی: پژوهش مالی چندمرحله‌ای، پژوهش و نگارش حقوقی و تحلیل مجموعه‌های بزرگ اسناد.
درک چندوجهی: تحلیل حرفه‌ای نمودارها و درک جزئیات ویدیوهای طولانی؛ فهرست AvalAI علاوه بر این، ورودی متن، تصویر، صدا و PDF را ثبت کرده است.
امنیت سایبری دفاعی: تحلیل، تأیید و رفع آسیب‌پذیری در محدوده مجاز. پیش از اعمال تغییرات، مجوزهای محدود، محیط ایزوله و بازبینی انسانی را در نظر بگیرید.
نگارش: نوشتن خلاقانه و تهیه متن تخصصی حرفه‌ای.

فیلد در فهرست AvalAI	مقدار فعلی
شناسه مدل	`gemini-4-argon`
حداکثر توکن ورودی	1,048,576
حداکثر توکن خروجی	1,048,576
انواع ورودی	متن، تصویر، صدا، ویدیو، PDF
خروجی	متن؛ نه تولید صدا یا تصویر
سایر قابلیت‌ها	استدلال، فراخوانی تابع، خروجی ساختاریافته، حافظه نهان پرامپت، پخش جریانی

گوگل سقف خروجی تازه را ۱ میلیون توکن توصیف می‌کند؛ سقف پیشین ۶۴ هزار توکن بود. دو سقف ثبت‌شده در فهرست مستقل‌اند: آن‌ها را با هم جمع نکنید و فرض نکنید یک درخواست همیشه می‌تواند هر دو را کامل مصرف کند. نحوه محاسبه زمینه، استدلال، بودجه خروجی، محدودیت نرخ حساب و قالب API انتخاب‌شده همچنان اهمیت دارند. ظرفیت خروجی بزرگ به معنی توصیه به دریافت پاسخ یک‌میلیون‌توکنی نیست.

این انتشار مقصد gemini-flash-latest را تغییر نمی‌دهد؛ این نام مستعار همچنان به gemini-3.8-flash اشاره می‌کند. برای استفاده از Argon، شناسه gemini-4-argon را صریح انتخاب کنید.

DeepSeek: ارتقای خودکار مدل پایه Flash

هر دو شناسه موجود AvalAI اکنون از مدل پایه ارتقایافته استفاده می‌کنند:

شناسه‌ای که در درخواست نگه می‌دارید	مدل پایه پس از ارتقا	اقدام لازم در کلاینت
`deepseek-flash`	`DeepSeek-V4.1-Flash-1017`	هیچ
`deepseek-v4.1-flash`	`DeepSeek-V4.1-Flash-1017`	هیچ

نیازی به تغییر کد کلاینت نیست و قیمت‌ها ثابت مانده‌اند. شناسه مدل، کلید API، نقطه پایانی و قالب درخواست فعلی را نگه دارید. DeepSeek-V4.1-Flash-1017 نام مدل پایه زیرساخت است؛ شناسه جدید مدل در API AvalAI نیست و نباید آن را جایگزین مقدار فیلد model کنید.

این اعلامیه فقط deepseek-flash و deepseek-v4.1-flash را پوشش می‌دهد. تغییر مسیر تازه‌ای برای deepseek-v4-flash یا سایر نام‌های مستعار سازگار DeepSeek، پشتیبانی از نقطه پایانی جدید یا مقدار تازه‌ای برای تلاش استدلالی اعلام نمی‌شود. پرامپت‌ها و گردش‌کارهای ابزارمحور مهم را دوباره آزمایش کنید؛ ارتقای مدل پایه می‌تواند پاسخ‌ها را تغییر دهد، حتی اگر کد یکپارچه‌سازی و نرخ توکن ثابت بمانند.

نتایج منتخب ارزیابی به گزارش گوگل

این نتایج به گزارش گوگل هستند؛ AvalAI آن‌ها را مستقل اندازه‌گیری نکرده است و برای همه برنامه‌ها تضمین نتیجه محسوب نمی‌شوند:

ارزیابی	نتیجه Argon به گزارش گوگل	وظیفه ارزیابی‌شده
DeepSWE v1.1	77.9%	مهندسی نرم‌افزار طولانی‌مدت
AutomationBench	51.3%	اجرای سرتاسری گردش‌کار تجاری
LVBench	91.7%	درک ویدیوهای طولانی
CWE-bench v1	68%، رتبه اول مشترک	رفع آسیب‌پذیری امنیتی

گوگل همچنین نتایج پیشتاز در Vals Index، Vals Finance Agent v2 و Harvey's Legal Agent Benchmark را گزارش کرده است. امتیازها به شرایط ارزیابی و ساختار عامل پیرامون مدل وابسته‌اند؛ پیش از تصمیم‌گیری برای محیط تولید، بار کاری خود را ارزیابی کنید.

گوگل عرضه مستقیم مرحله‌ای، از جمله دسترسی مدافعان مورد اعتماد در برنامه Fairwind، را توصیف کرده است. این برنامه دسترسی ارائه‌دهنده با مسیرهای AvalAI در این خبر متفاوت است. چنین برنامه‌ای به معنی دسترسی ویژه مدافعان یا غیرفعال بودن محافظت‌های امنیت سایبری برای کاربران AvalAI نیست.

نقاط پایانی Argon

هر چهار قالب زیر در AvalAI از gemini-4-argon پشتیبانی می‌کنند:

قالب API	مسیر	ساختار درخواست
Gemini بومی	`https://api.avalai.ir/v1beta/models`	`contents` و `parts`؛ فراخوانی `gemini-4-argon:generateContent`
Chat Completions سازگار با OpenAI	`https://api.avalai.ir/v1/chat/completions`	`model` و `messages`
Messages سازگار با Anthropic	`https://api.avalai.ir/v1/messages`	`model`، `messages` و `max_tokens`
Responses سازگار با OpenAI	`https://api.avalai.ir/v1/responses`	`model` و `input`

در دسترس بودن یک نقطه پایانی به معنی پشتیبانی از تمام ابزارهای میزبانی‌شده ارائه‌دهنده، قابلیت‌های آزمایشی یا رفتارهای دارای وضعیت ذخیره‌شده نیست. پیش از تغییر قالب API، چرخه ابزار، ساختار پاسخ، رفتار پخش جریانی و نیازهای ادامه مکالمه خود را بررسی کنید.

قیمت‌گذاری AvalAI

تمام نرخ‌های زیر به دلار آمریکا برای هر ۱ میلیون توکن هستند.

نرخ تشویقی و استاندارد Gemini 4 Argon

دوره قیمت‌گذاری	ورودی	ورودی از حافظه نهان	خروجی
تشویقی تا پایان ۹ آذر ۱۴۰۵ — ۱۴۰۵-۰۹-۰۹ / (2026-11-30)	$2.00	$0.10	$10.00
استاندارد از ۱۰ آذر ۱۴۰۵ — ۱۴۰۵-۰۹-۱۰ / (2026-12-01)	$4.00	$0.20	$20.00

قیمت ورودی از حافظه نهان فقط برای توکن‌هایی اعمال می‌شود که واقعاً از آن بازیابی می‌شوند؛ سایر ورودی‌ها نرخ معمول ورودی را دارند. در دوره تشویقی، نرخ توکن نصف نرخ استاندارد است. استدلال پنهان جزو خروجی محاسبه می‌شود و هزینه جداگانه ابزارها در این قیمت‌های توکن نیست. برای بارهای کاری که پس از دوره تشویقی ادامه دارند، نرخ استاندارد را در بودجه لحاظ کنید.

نرخ DeepSeek Flash ثابت مانده است

شناسه مدل در AvalAI	ورودی	ورودی از حافظه نهان	خروجی
`deepseek-flash`	$0.15	$0.003	$0.60
`deepseek-v4.1-flash`	$0.15	$0.003	$0.60

نرخ ثابت DeepSeek در AvalAI در تمام ساعات اعمال می‌شود. نیازی به زمان‌بندی نیست؛ دو برابر شدن قیمت در ساعات اوج یا نصف کردن دوباره تعرفه مطرح نیست. این ارتقا مدل پایه را تغییر می‌دهد، نه قیمت‌ها را.

درخواست Chat Completions و نمونه‌های SDK برای Argon

AVALAI_API_KEY را در محیط سرور قرار دهید. نشانی پایه SDK OpenAI برابر https://api.avalai.ir/v1 است. ابتدا بدون تنظیم اختیاری تلاش استدلالی، بودجه تفکر یا نمونه‌گیری شروع کنید؛ این انتشار ساختار تازه‌ای برای کنترل‌ها یا تلاش پیش‌فرض تعیین نمی‌کند.

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemini-4-argon",
    "messages": [
      {"role": "user", "content": "Review a database migration plan: identify failure modes and give a concise verification checklist."}
    ]
  }'

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.chat.completions.create(
    model="gemini-4-argon",
    messages=[
        {
            "role": "user",
            "content": "Review a database migration plan: identify failure modes and give a concise verification checklist.",
        }
    ],
)
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",
});

const response = await client.chat.completions.create({
  model: "gemini-4-argon",
  messages: [
    { role: "user", content: "Review a database migration plan: identify failure modes and give a concise verification checklist." },
  ],
});
console.log(response.choices[0].message.content);

نمونه آموزشی پاسخ Argon

این نمونه آموزشی است، نه پاسخ ثبت‌شده از فراخوانی زنده API. تعداد توکن‌ها و نرخ ارز نمونه‌اند؛ نه نتیجه اندازه‌گیری توکن‌ساز یا نرخ فعلی ارز.

json

{
  "id": "example-gemini-4-argon",
  "created": 1792281600,
  "model": "gemini-4-argon",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "Check backward compatibility, rehearse rollback, validate migrated records, and monitor error rates before expanding the rollout.",
        "role": "assistant",
        "thinking_blocks": [],
        "annotations": []
      }
    }
  ],
  "usage": {
    "prompt_tokens": 100,
    "completion_tokens": 50,
    "total_tokens": 150,
    "completion_tokens_details": null,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 100,
      "audio_tokens": null,
      "image_tokens": null
    }
  },
  "estimated_cost": {
    "unit": "0.0007000000",
    "irt": 70,
    "exchange_rate": 100000
  }
}

با نرخ تشویقی، ۱۰۰ توکن ورودی بدون حافظه نهان و ۵۰ توکن خروجی ۰٫۰۰۰۷ دلار هزینه دارند. با نرخ نمونه ۱۰۰٬۰۰۰ تومان (IRT) برای هر دلار، هزینه ۷۰ تومان است. مصرف واقعی، جزئیات استدلال، نرخ ارز و هزینه تخمینی ممکن است متفاوت باشند. برای حسابداری از سوابق دقیق صورتحساب AvalAI استفاده کنید و estimated_cost را مبلغ نهایی تضمین‌شده ندانید.

نمونه Responses برای Argon

در Responses به‌جای messages در Chat Completions از input استفاده می‌کنید. در SDK OpenAI متن نهایی را از response.output_text بخوانید، نه choices[0].message.content.

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemini-4-argon",
    "input": "Review a database migration plan: identify failure modes and give a concise verification checklist."
  }'

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)
response = client.responses.create(
    model="gemini-4-argon",
    input="Review a database migration plan: identify failure modes and give a concise verification checklist.",
)
print(response.output_text)

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.responses.create({
  model: "gemini-4-argon",
  input: "Review a database migration plan: identify failure modes and give a concise verification checklist.",
});
console.log(response.output_text);

نمونه Messages برای Argon

Messages از ساختار سازگار با Anthropic استفاده می‌کند. در SDK Anthropic، نشانی پایه را فقط https://api.avalai.ir قرار دهید و /v1 یا /messages را به آن اضافه نکنید؛ SDK مسیر را اضافه می‌کند. متن را از بلوک‌های content پاسخ بخوانید، نه choices در قالب OpenAI.

bash

curl https://api.avalai.ir/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: $AVALAI_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "gemini-4-argon",
    "max_tokens": 2048,
    "messages": [
      {"role": "user", "content": "Review a database migration plan: identify failure modes and give a concise verification checklist."}
    ]
  }'

نمونه Gemini بومی برای Argon

از ساختار بومی contents/parts و عمل :generateContent در مسیر اختصاصی مدل استفاده کنید. SDK Google GenAI نشانی پایه بدون مسیر و نسخه API برابر v1beta را دریافت می‌کند.

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1beta/models/gemini-4-argon:generateContent \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $AVALAI_API_KEY" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "Review a database migration plan: identify failure modes and give a concise verification checklist."}]}
    ]
  }'

python

import os
from google import genai

client = genai.Client(
    api_key=os.environ["AVALAI_API_KEY"],
    http_options={
        "api_version": "v1beta",
        "base_url": "https://api.avalai.ir",
    },
)
response = client.models.generate_content(
    model="gemini-4-argon",
    contents="Review a database migration plan: identify failure modes and give a concise verification checklist.",
)
print(response.text)

javascript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({
  apiKey: process.env.AVALAI_API_KEY,
  httpOptions: {
    apiVersion: "v1beta",
    baseUrl: "https://api.avalai.ir",
  },
});
const response = await client.models.generateContent({
  model: "gemini-4-argon",
  contents: "Review a database migration plan: identify failure modes and give a concise verification checklist.",
});
console.log(response.text);

درخواست DeepSeek پس از ارتقای خودکار

کد موجود همچنان کار می‌کند. این درخواست Chat Completions عمداً deepseek-flash را نگه می‌دارد؛ درخواست‌های فعلی با deepseek-v4.1-flash نیز می‌توانند همان شناسه را حفظ کنند. در نمونه‌های SDK OpenAI بالا، شناسه فعلی DeepSeek را در آرگومان model نگه دارید و نام مدل پایه را جایگزین آن نکنید.

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "deepseek-flash",
    "messages": [
      {"role": "user", "content": "Review a database migration plan: identify failure modes and give a concise verification checklist."}
    ]
  }'

نمونه آموزشی پاسخ DeepSeek

این نیز نمونه آموزشی است، نه پاسخ ثبت‌شده از فراخوانی زنده API. شناسه درخواستی AvalAI در نمونه آمده است؛ نام مدل پایه نه شناسه جدید لازم در کلاینت است و نه فیلدی که حضور آن در پاسخ تضمین شده باشد.

json

{
  "id": "example-deepseek-flash",
  "created": 1792281600,
  "model": "deepseek-flash",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "Check backward compatibility, rehearse rollback, validate migrated records, and monitor error rates before expanding the rollout.",
        "role": "assistant",
        "thinking_blocks": [],
        "annotations": []
      }
    }
  ],
  "usage": {
    "prompt_tokens": 100,
    "completion_tokens": 50,
    "total_tokens": 150,
    "completion_tokens_details": null,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 100,
      "audio_tokens": null,
      "image_tokens": null
    }
  },
  "estimated_cost": {
    "unit": "0.0000450000",
    "irt": 4.5,
    "exchange_rate": 100000
  }
}

با نرخ ثابت DeepSeek، ۱۰۰ توکن ورودی بدون حافظه نهان و ۵۰ توکن خروجی در این نمونه ۰٫۰۰۰۰۴۵ دلار، یا با همان نرخ ارز نمونه ۴٫۵ تومان هزینه دارند. نرخ هر دو شناسه ارتقایافته یکسان است.

چک‌لیست یکپارچه‌سازی

برای Argon: شناسه gemini-4-argon را صریح انتخاب کنید، یکی از چهار قالب پشتیبانی‌شده را به کار ببرید و ساختار درخواست و پاسخ همان قالب را رعایت کنید.
برای هر دو شناسه DeepSeek: مهاجرت لازم نیست. شناسه و کد کلاینت فعلی را نگه دارید؛ آزمایش‌های نماینده را دوباره اجرا کنید و ثابت ماندن متن پاسخ را فرض نکنید.
برای استدلال: نتیجه، دلیل کوتاه، استناد و بررسی‌های راستی‌آزمایی بخواهید، نه زنجیره استدلال پنهان. فهرست مقدارهای تلاش یا بودجه تفکر نسخه قدیمی Gemini یا DeepSeek را به این انتشار تعمیم ندهید.
برای محیط تولید: بودجه خروجی و مهلت پاسخ واقع‌بینانه تعیین کنید، مجوز ابزار و ادامه مکالمه را آزمایش کنید، مصرف و هزینه را پایش کنید و از ۱۰ آذر نرخ استاندارد Argon را در بودجه لحاظ کنید.

افزودن Gemini 4 Argon و ارتقای DeepSeek Flash ​

خلاصه ​

جزئیات ​

Google: Gemini 4 Argon ​

DeepSeek: ارتقای خودکار مدل پایه Flash ​

نتایج منتخب ارزیابی به گزارش گوگل ​

نقاط پایانی Argon ​

قیمت‌گذاری AvalAI ​

نرخ تشویقی و استاندارد Gemini 4 Argon ​

نرخ DeepSeek Flash ثابت مانده است ​

درخواست Chat Completions و نمونه‌های SDK برای Argon ​

نمونه آموزشی پاسخ Argon ​

نمونه Responses برای Argon ​

نمونه Messages برای Argon ​

نمونه Gemini بومی برای Argon ​

درخواست DeepSeek پس از ارتقای خودکار ​

نمونه آموزشی پاسخ DeepSeek ​

چک‌لیست یکپارچه‌سازی ​

مستندات مرتبط ​

افزودن Gemini 4 Argon و ارتقای DeepSeek Flash

خلاصه

جزئیات

Google: Gemini 4 Argon

DeepSeek: ارتقای خودکار مدل پایه Flash

نتایج منتخب ارزیابی به گزارش گوگل

نقاط پایانی Argon

قیمت‌گذاری AvalAI

نرخ تشویقی و استاندارد Gemini 4 Argon

نرخ DeepSeek Flash ثابت مانده است

درخواست Chat Completions و نمونه‌های SDK برای Argon

نمونه آموزشی پاسخ Argon

نمونه Responses برای Argon

نمونه Messages برای Argon

نمونه Gemini بومی برای Argon

درخواست DeepSeek پس از ارتقای خودکار

نمونه آموزشی پاسخ DeepSeek

چک‌لیست یکپارچه‌سازی

مستندات مرتبط