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

groq

groq استنتاج فوق‌سریع برای مدل‌های هوش مصنوعی متن‌باز را از طریق معماری سخت‌افزاری تخصصی خود فراهم می‌کند. تمام مدل‌ها از طریق API یکپارچه AvalAI با عملکرد پیشرو و قیمت‌گذاری رقابتی در دسترس هستند.

مدل‌های موجود

ایمنی و تعدیل محتوا
- groq.llama-guard-4-12b - تعدیل محتوای پیشرفته
- groq.llama-prompt-guard-2-22m - تشخیص سبک تزریق پرامپت
- groq.llama-prompt-guard-2-86m - تشخیص پیشرفته تزریق پرامپت
مدل‌های زبان بزرگ
- groq.llama-4-maverick-17b-128e-instruct - Llama 4 پیشرفته با 128 متخصص
- groq.llama-4-scout-17b-16e-instruct - Llama 4 کارآمد با 16 متخصص
- groq.kimi-k2-instruct-0905 - دنبال‌کننده دستورالعمل Kimi K2
- groq.gpt-oss-120b - GPT متن‌باز بزرگ (120B)
- groq.gpt-oss-20b - GPT متن‌باز کارآمد (20B)
- groq.gpt-oss-safeguard-20b - GPT با ایمنی بهبودیافته (20B)
- groq.qwen3-32b - Qwen 3 چندزبانه (32B)
مدل‌های صوتی
- groq.playai-tts - تبدیل متن به گفتار با کیفیت بالا
- groq.playai-tts-arabic - TTS بهینه‌شده برای عربی
- groq.whisper-large-v3 - تشخیص گفتار پیشرفته
- groq.whisper-large-v3-turbo - تشخیص گفتار سریع‌تر

ویژگی‌های کلیدی

استنتاج فوق‌سریع: سرعت استنتاج پیشرو در صنعت که توسط سخت‌افزار سفارشی LPU™ (واحد پردازش زبان) groq پشتیبانی می‌شود
مدل‌های متن‌باز: دسترسی به مدل‌های محبوب متن‌باز با عملکرد آماده برای تولید
قیمت‌گذاری رقابتی: گزینه‌های مقرون‌به‌صرفه با پشتیبانی از کش پرامپت برای صرفه‌جویی بیشتر
قابلیت‌های متنوع: از تعدیل ایمنی تا تولید متن چندزبانه و پردازش صوتی
آماده برای تولید: قابلیت اطمینان و عملکرد سطح سازمانی

پشتیبانی از نقطه پایانی API

دسته مدل	v1/chat/completions	v1/audio/speech	v1/audio/transcriptions
LLM و ایمنی	✅ کامل	❌	❌
مدل‌های TTS	❌	✅ کامل	❌
مدل‌های Whisper	❌	❌	✅ کامل

مدل‌های ایمنی و تعدیل محتوا

groq.llama-guard-4-12b

مدل تعدیل محتوای پیشرفته مبتنی بر Llama Guard 4 با 12 میلیارد پارامتر.

قیمت‌گذاری: 0.20 دلار/1م توکن ورودی، 0.10 دلار/1م ورودی کش‌شده، 0.20 دلار/1م توکن خروجی

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "groq.llama-guard-4-12b",
    "messages": [
      {
        "role": "user",
        "content": "بررسی کن که آیا این محتوا ایمن است: [محتوا برای تعدیل]"
      }
    ]
  }'

python

from openai import OpenAI

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

response = client.chat.completions.create(
    model="groq.llama-guard-4-12b",
    messages=[
        {
            "role": "user",
            "content": "بررسی کن که آیا این محتوا ایمن است: [محتوا برای تعدیل]",
        }
    ],
)

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: "groq.llama-guard-4-12b",
  messages: [
    {
      role: "user",
      content: "بررسی کن که آیا این محتوا ایمن است: [محتوا برای تعدیل]",
    },
  ],
});

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `groq.llama-guard-4-12b` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

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="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="بررسی کن که آیا این محتوا ایمن است: [محتوا برای تعدیل]",
)

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: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "بررسی کن که آیا این محتوا ایمن است: [محتوا برای تعدیل]",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "بررسی کن که آیا این محتوا ایمن است: [محتوا برای تعدیل]",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

groq.llama-prompt-guard-2-22m

مدل سبک تشخیص تزریق پرامپت با 22 میلیون پارامتر.

قیمت‌گذاری: 0.03 دلار/1م توکن ورودی، 0.015 دلار/1م ورودی کش‌شده، 0.03 دلار/1م توکن خروجی

groq.llama-prompt-guard-2-86m

مدل تشخیص پیشرفته تزریق پرامپت با 86 میلیون پارامتر.

قیمت‌گذاری: 0.04 دلار/1م توکن ورودی، 0.02 دلار/1م ورودی کش‌شده، 0.04 دلار/1م توکن خروجی

مدل‌های زبان بزرگ

groq.llama-4-maverick-17b-128e-instruct

مدل Llama 4 پیشرفته با 17 میلیارد پارامتر و 128 متخصص، بهینه‌شده برای استدلال پیچیده و دنبال کردن دستورالعمل‌ها.

قیمت‌گذاری: 0.20 دلار/1م توکن ورودی، 0.10 دلار/1م ورودی کش‌شده، 0.60 دلار/1م توکن خروجی

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "groq.llama-4-maverick-17b-128e-instruct",
    "messages": [
      {
        "role": "user",
        "content": "یک تابع Python برای محاسبه اعداد اول بنویس."
      }
    ]
  }'

python

from openai import OpenAI

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

response = client.chat.completions.create(
    model="groq.llama-4-maverick-17b-128e-instruct",
    messages=[
        {
            "role": "user",
            "content": "یک تابع Python برای محاسبه اعداد اول بنویس.",
        }
    ],
)

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: "groq.llama-4-maverick-17b-128e-instruct",
  messages: [
    {
      role: "user",
      content: "یک تابع Python برای محاسبه اعداد اول بنویس.",
    },
  ],
});

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `groq.llama-4-maverick-17b-128e-instruct` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

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="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="یک تابع Python برای محاسبه اعداد اول بنویس.",
)

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: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "یک تابع Python برای محاسبه اعداد اول بنویس.",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "یک تابع Python برای محاسبه اعداد اول بنویس.",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

groq.llama-4-scout-17b-16e-instruct

مدل Llama 4 کارآمد با 17 میلیارد پارامتر و 16 متخصص.

قیمت‌گذاری: 0.11 دلار/1م توکن ورودی، 0.055 دلار/1م ورودی کش‌شده، 0.34 دلار/1م توکن خروجی

groq.kimi-k2-instruct-0905

مدل دنبال‌کننده دستورالعمل Kimi K2 بهینه‌شده برای دنبال کردن دستورالعمل‌های پیچیده.

قیمت‌گذاری: 1.00 دلار/1م توکن ورودی، 0.50 دلار/1م ورودی کش‌شده، 0.34 دلار/1م توکن خروجی

groq.gpt-oss-120b

مدل GPT متن‌باز بزرگ با 120 میلیارد پارامتر.

قیمت‌گذاری: 0.15 دلار/1م توکن ورودی، 0.075 دلار/1م ورودی کش‌شده، 0.75 دلار/1م توکن خروجی

groq.gpt-oss-20b

مدل GPT متن‌باز کارآمد با 20 میلیارد پارامتر.

قیمت‌گذاری: 0.075 دلار/1م توکن ورودی، 0.0375 دلار/1م ورودی کش‌شده، 0.30 دلار/1م توکن خروجی

groq.gpt-oss-safeguard-20b

مدل GPT با ایمنی بهبودیافته با 20 میلیارد پارامتر و فیلتر محتوای داخلی.

قیمت‌گذاری: 0.075 دلار/1م توکن ورودی، 0.0375 دلار/1م ورودی کش‌شده، 0.30 دلار/1م توکن خروجی

groq.qwen3-32b

مدل چندزبانه Qwen 3 با 32 میلیارد پارامتر، بهینه‌شده برای زبان‌های متعدد.

قیمت‌گذاری: 0.29 دلار/1م توکن ورودی، 0.145 دلار/1م ورودی کش‌شده، 0.59 دلار/1م توکن خروجی

مدل‌های صوتی

groq.playai-tts

سنتز گفتار با کیفیت بالا با صداهای طبیعی.

قیمت‌گذاری: 50.00 دلار/1م توکن ورودی پایه + 0.00005 دلار به ازای هر کاراکتر

صداهای پشتیبانی شده: Aaliyah-PlayAI, Adelaide-PlayAI, Angelo-PlayAI, Arista-PlayAI, Atlas-PlayAI, Basil-PlayAI, Briggs-PlayAI, Calum-PlayAI, Celeste-PlayAI, Cheyenne-PlayAI, Chip-PlayAI, Cillian-PlayAI, Deedee-PlayAI, Eleanor-PlayAI, Fritz-PlayAI, Gail-PlayAI, Indigo-PlayAI, Jennifer-PlayAI, Judy-PlayAI, Mamaw-PlayAI, Mason-PlayAI, Mikail-PlayAI, Mitch-PlayAI, Nia-PlayAI, Quinn-PlayAI, Ruby-PlayAI, Thunder-PlayAI

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "groq.playai-tts",
    "input": "سلام، این یک آزمایش از سیستم تبدیل متن به گفتار PlayAI است.",
    "voice": "Aaliyah-PlayAI"
  }'

python

from openai import OpenAI

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

response = client.audio.speech.create(
    model="groq.playai-tts",
    voice="Aaliyah-PlayAI",
    input="سلام، این یک آزمایش از سیستم تبدیل متن به گفتار PlayAI است.",
)

response.stream_to_file("output.mp3")

javascript

import { OpenAI } from "openai";
import fs from "fs";

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

const mp3 = await client.audio.speech.create({
  model: "groq.playai-tts",
  voice: "Aaliyah-PlayAI",
  input: "سلام، این یک آزمایش از سیستم تبدیل متن به گفتار PlayAI است.",
});

const buffer = Buffer.from(await mp3.arrayBuffer());
await fs.promises.writeFile("output.mp3", buffer);

groq.playai-tts-arabic

سنتز گفتار بهینه‌شده برای زبان عربی.

قیمت‌گذاری: 50.00 دلار/1م توکن ورودی پایه + 0.00005 دلار به ازای هر کاراکتر

صداهای پشتیبانی شده: مشابه groq.playai-tts

groq.whisper-large-v3

مدل تشخیص گفتار پیشرفته مبتنی بر Whisper Large v3 از OpenAI.

قیمت‌گذاری: 0.000031 دلار به ازای هر ثانیه صدا (0.00185 دلار به ازای هر دقیقه)

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/audio/transcriptions \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -F file="@audio.mp3" \
  -F model="groq.whisper-large-v3"

python

from openai import OpenAI

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

with open("audio.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="groq.whisper-large-v3",
        file=audio_file,
    )

print(transcript.text)

javascript

import { OpenAI } from "openai";
import fs from "fs";

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

const transcript = await client.audio.transcriptions.create({
  model: "groq.whisper-large-v3",
  file: fs.createReadStream("audio.mp3"),
});

console.log(transcript.text);

groq.whisper-large-v3-turbo

تشخیص گفتار سریع‌تر با حفظ دقت.

قیمت‌گذاری: 0.00001111 دلار به ازای هر ثانیه صدا (0.000067 دلار به ازای هر دقیقه)

groq ​

مدل‌های موجود ​

ویژگی‌های کلیدی ​

پشتیبانی از نقطه پایانی API ​

مدل‌های ایمنی و تعدیل محتوا ​

groq.llama-guard-4-12b ​

groq.llama-prompt-guard-2-22m ​

groq.llama-prompt-guard-2-86m ​

مدل‌های زبان بزرگ ​

groq.llama-4-maverick-17b-128e-instruct ​

groq.llama-4-scout-17b-16e-instruct ​

groq.kimi-k2-instruct-0905 ​

groq.gpt-oss-120b ​

groq.gpt-oss-20b ​

groq.gpt-oss-safeguard-20b ​

groq.qwen3-32b ​

مدل‌های صوتی ​

groq.playai-tts ​

groq.playai-tts-arabic ​

groq.whisper-large-v3 ​

groq.whisper-large-v3-turbo ​

منابع مرتبط ​

groq

مدل‌های موجود

ویژگی‌های کلیدی

پشتیبانی از نقطه پایانی API

مدل‌های ایمنی و تعدیل محتوا

groq.llama-guard-4-12b

groq.llama-prompt-guard-2-22m

groq.llama-prompt-guard-2-86m

مدل‌های زبان بزرگ

groq.llama-4-maverick-17b-128e-instruct

groq.llama-4-scout-17b-16e-instruct

groq.kimi-k2-instruct-0905

groq.gpt-oss-120b

groq.gpt-oss-20b

groq.gpt-oss-safeguard-20b

groq.qwen3-32b

مدل‌های صوتی

groq.playai-tts

groq.playai-tts-arabic

groq.whisper-large-v3

groq.whisper-large-v3-turbo

منابع مرتبط