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 OpenAI

AvalAI دسترسی به طیف گسترده‌ای از مدل‌های OpenAI را از طریق API یکپارچه ما فراهم می‌کند. این صفحه جزئیات مدل‌های موجود OpenAI، قابلیت‌های آن‌ها و موارد استفاده بهینه را با تمرکز بر آخرین نسل‌ها شرح می‌دهد.

مدل‌های چت، استدلال و چندوجهی

خانواده GPT-5.6

خانواده GPT-5.6 از OpenAI سه مدل پرچم‌دار جدید را در AvalAI ارائه می‌کند: Sol برای بیشترین توانایی، Terra برای کارهای تولیدی متعادل و روزمره، و Luna برای استدلال مقرون‌به‌صرفه در حجم بالا. این خانواده برای کدنویسی عاملی، کار دانشی بلندمدت، گردش‌کارهای ابزارمحور، تحلیل اسناد حرفه‌ای و استدلال علمی طراحی شده و نسبت عملکرد به هزینه را بهبود می‌دهد.

ویژگی	جزئیات
شناسه مدل‌ها	`gpt-5.6-sol`، `gpt-5.6-terra`، `gpt-5.6-luna`
پنجره زمینه	۱,۰۰۰,۰۰۰ توکن ورودی، ۱۲۸,۰۰۰ توکن خروجی
حالت‌های ورودی	متن، تصویر
حالت‌های خروجی	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`، `v1/messages`
تلاش استدلال	none (پیش‌فرض)، low، medium، high، xhigh، max در صورت پشتیبانی
نقاط قوت	کدنویسی عاملی، استدلال زمینه‌طولانی، کار دانشی حرفه‌ای، قضاوت طراحی، هماهنگی ابزارها
بهترین برای	عامل‌های کدنویسی پیچیده، دستیارهای پژوهشی، گردش‌کارهای اسنادی، پشتیبانی تولید، مسیریابی مدل بر اساس هزینه

مدل	قیمت ورودی	قیمت ورودی کش‌شده	قیمت خروجی	بهترین کاربرد
`gpt-5.6-sol`	$5.00 / 1M توکن	$0.50 / 1M توکن	$30.00 / 1M توکن	کارهای بسیار دشوار، کدنویسی پیچیده، تحلیل تخصصی
`gpt-5.6-terra`	$2.50 / 1M توکن	$0.25 / 1M توکن	$15.00 / 1M توکن	استدلال تولیدی متعادل و گردش‌کارهای عاملی
`gpt-5.6-luna`	$1.00 / 1M توکن	$0.10 / 1M توکن	$6.00 / 1M توکن	کارهای روزمره مقرون‌به‌صرفه و وظایف پرترافیک

ویژگی‌های کلیدی:

سه سطح عملکرد: Sol بیشترین توانایی را ارائه می‌کند، Terra کیفیت و هزینه را متعادل می‌کند، و Luna استدلال قدرتمند را با هزینه کمتر فراهم می‌سازد.
کدنویسی عاملی و استفاده از ابزار: مناسب برای کدنویسی چندمرحله‌ای، گردش‌کارهای ترمینالی، هماهنگی ابزار و وظایف حرفه‌ای طولانی.
کار دانشی و قضاوت طراحی: توانایی بهتر در اسناد، ارائه‌ها، صفحات گسترده و اصلاح رابط‌ها برای کارهای انتها به انتها.
دسترسی از طریق Responses و Messages: از همین شناسه مدل‌ها در Chat Completions، Responses و گردش‌کارهای سازگار با Messages در صورت فعال بودن استفاده کنید.

python

response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {"role": "system", "content": "شما یک دستیار هوش مصنوعی متخصص هستید."},
        {
            "role": "user",
            "content": "این معماری را بررسی کن و پرریسک‌ترین فرضیات را همراه راهکار کاهش ریسک مشخص کن.",
        },
    ],
)

نسخه معادل Responses API

وقتی به state، ابزارها، کنترل reasoning یا آیتم‌های خروجی تایپ‌شده نیاز دارید، این نسخه Responses-first را استفاده کنید.

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-sol",
    reasoning={"effort": "high"},
    instructions="یک تصمیم کوتاه، ریسک‌های کلیدی و چک‌لیست راستی‌آزمایی برگردان.",
    input="این پیشنهاد معماری را برای آمادگی تولید بررسی کن.",
)

print(response.output_text)

GPT-5.5

GPT-5.5 جدیدترین مدل پرچمدار OpenAI است که برای کار واقعی در وظایف پیچیده و چندمرحله‌ای طراحی شده است. این مدل در کدنویسی عاملی، کار دانشی، استفاده از کامپیوتر و تحقیقات علمی عملکردی در سطح جدیدترین فناوری ارائه می‌دهد، در حالی که تأخیر به ازای هر توکن را در سطح GPT-5.4 حفظ می‌کند.

ویژگی	جزئیات
پنجره زمینه	۱,۰۰۰,۰۰۰ توکن ورودی، ۱۲۸,۰۰۰ توکن خروجی
قیمت ورودی	۵.۰۰ دلار / ۱M توکن
قیمت ورودی کش‌شده	۰.۵۰ دلار / ۱M توکن
قیمت خروجی	۳۰.۰۰ دلار / ۱M توکن
حالت‌های ورودی	متن، تصویر
حالت‌های خروجی	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`
تلاش استدلال	none (پیش‌فرض)، low، medium، high، xhigh
نقاط قوت	کدنویسی عاملی در سطح جدیدترین فناوری، استدلال بلندمدت، استفاده از ابزار، کارایی توکن
بهترین برای	کدنویسی پیچیده، گردش‌های کاری عاملی، کار دانشی، استفاده از کامپیوتر، تحقیقات علمی

ویژگی‌های کلیدی:

عملکرد مرزی: نتایج در سطح جدیدترین فناوری در Terminal-Bench 2.0 (۸۲.۷٪)، Expert-SWE (۷۳.۱٪)، GDPval (۸۴.۹٪)، OSWorld-Verified (۷۸.۷٪) و Tau2-bench Telecom (۹۸.۰٪)
برتری در کدنویسی عاملی: وضوح مفهومی قوی‌تر، برنامه‌ریزی بلندمدت و استفاده مطمئن از ابزار در کدبیس‌های بزرگ
کارایی توکن: مصرف توکن به مراتب کمتر از GPT-5.4 برای تکمیل همان وظایف Codex
پنجره زمینه ۱ میلیون: زمینه ورودی گسترده برای استدلال روی اسناد و کدبیس‌های حجیم
پشتیبانی کامل از ابزار: فراخوانی تابع، خروجی ساختاریافته، جستجوی وب، جستجوی فایل، تولید تصویر، استفاده از کامپیوتر، MCP

python

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[
        {"role": "system", "content": "شما یک دستیار هوش مصنوعی متخصص هستید."},
        {
            "role": "user",
            "content": "این تابع را به نسخه async اصطلاحی بازنویسی کن و مزایا و معایب را توضیح بده.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="این تابع را به نسخه async اصطلاحی بازنویسی کن و مزایا و معایب را توضیح بده.",
)

print(response.output_text)

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.

GPT-5.4 Pro

GPT-5.4 Pro پیشرفته‌ترین مدل استدلالی OpenAI است که برای کارهای پیچیده حرفه‌ای طراحی شده است. این مدل از محاسبات بیشتری برای تفکر عمیق‌تر و ارائه پاسخ‌های بهتر استفاده می‌کند.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۵۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۳۰.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۳۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۸۰.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`
تلاش استدلال	متوسط، زیاد، بسیار زیاد
نقاط قوت	استدلال سطح تخصصی، تفکر گسترده، حل مسائل پیچیده
بهترین برای	تحقیق، ریاضیات پیشرفته، کدنویسی پیچیده، برنامه‌ریزی استراتژیک
در دسترس بودن	فقط کاربران سطح ۲، ۳، ۴، ۵

ویژگی‌های کلیدی:

زمینه گسترده: پنجره زمینه ۱.۰۵ میلیون توکن برای مدیریت پایگاه‌های کد و اسناد عظیم
پشتیبانی از توکن استدلال: پشتیبانی از تنظیمات تلاش استدلال متوسط، زیاد و بسیار زیاد
تعاملات چند نوبتی: طراحی شده برای تعاملات چند نوبتی مدل قبل از پاسخ
پشتیبانی کامل از ابزارها: جستجوی وب، جستجوی فایل، تولید تصویر، استفاده از کامپیوتر، MCP

توجه: GPT-5.4 Pro منحصرا از طریق API Responses (v1/responses) در دسترس است و از reasoning.effort: medium، high، xhigh پشتیبانی می‌کند. برای پرامپت‌هایی با بیش از ۲۷۲ هزار توکن ورودی، قیمت‌گذاری ۲ برابر ورودی و ۱.۵ برابر خروجی است. برخی درخواست‌ها ممکن است چندین دقیقه طول بکشد. از حالت پس‌زمینه برای جلوگیری از وقفه زمانی استفاده کنید.

python

# GPT-5.4 Pro از API Responses استفاده می‌کند
response = client.responses.create(
    model="gpt-5.4-pro",  # یا نسخه خاص مانند gpt-5.4-pro-2026-03-05
    input="یک معماری سیستم توزیع‌شده جامع با توجه به تحمل خطا و مقیاس‌پذیری طراحی کنید.",
    reasoning={"effort": "high"},
)

GPT-5.4

GPT-5.4 مدل پیشرو OpenAI برای کارهای پیچیده حرفه‌ای است که بهترین هوش در مقیاس برای گردش‌های کاری عاملی، کدنویسی و حرفه‌ای ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۵۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۲.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۵.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`
تلاش استدلال	بدون (پیش‌فرض)، کم، متوسط، زیاد، بسیار زیاد
نقاط قوت	بالاترین استدلال، تلاش قابل تنظیم، تعالی در کدنویسی، پشتیبانی از بینایی
بهترین برای	کدنویسی پیچیده، گردش‌های کاری عاملی، وظایف چندوجهی، کار دانشی حرفه‌ای

ویژگی‌های کلیدی:

زمینه گسترده: پنجره زمینه ۱.۰۵ میلیون توکن
بالاترین استدلال: سطوح تلاش استدلال قابل تنظیم
پشتیبانی کامل از ابزارها: جستجوی وب، جستجوی فایل، تولید تصویر، مفسر کد، استفاده از کامپیوتر، MCP
پشتیبانی از تقطیر: قابل استفاده برای تقطیر مدل
خروجی‌های ساختاریافته: پشتیبانی کامل از خروجی‌های ساختاریافته و فراخوانی تابع

توجه: برای پرامپت‌هایی با بیش از ۲۷۲ هزار توکن ورودی، قیمت‌گذاری ۲ برابر ورودی و ۱.۵ برابر خروجی برای کل جلسه است.

python

response = client.chat.completions.create(
    model="gpt-5.4",  # یا نسخه خاص مانند gpt-5.4-2026-03-05
    messages=[
        {"role": "system", "content": "شما یک دستیار هوش مصنوعی متخصص هستید."},
        {
            "role": "user",
            "content": "یک الگوریتم برای بهینه‌سازی برنامه‌ریزی مسیر برای سرویس تحویل طراحی کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.4",
    instructions="You are a helpful assistant.",
    input="یک الگوریتم برای بهینه‌سازی برنامه‌ریزی مسیر برای سرویس تحویل طراحی کنید.",
)

print(response.output_text)

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.

GPT-5.4 Mini

GPT-5.4 Mini مدل سریع و مقرون به صرفه OpenAI است که برای وظایف با حجم بالا با قابلیت‌های استدلال قوی بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۰.۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۰۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۴.۵۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`
تلاش استدلال	بدون (پیش‌فرض)، کم، متوسط
نقاط قوت	پاسخ‌های سریع، مقرون به صرفه، استدلال قوی، توان عملیاتی بالا
بهترین برای	تولید با حجم بالا، برنامه‌های حساس به هزینه، چت تعاملی

ویژگی‌های کلیدی:

پاسخ‌های سریع: بهینه‌سازی شده برای تولید با تأخیر کم
زمینه ۴۰۰K: پنجره زمینه گسترده برای وظایف پیچیده
پشتیبانی از استدلال: پشتیبانی از تلاش استدلال بدون، کم و متوسط
پشتیبانی از بینایی: می‌تواند تصاویر را به عنوان ورودی پردازش کند
مقرون به صرفه: ایده‌آل برای برنامه‌های با حجم بالا

python

response = client.chat.completions.create(
    model="gpt-5.4-mini",  # یا نسخه خاص
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "اصول کلیدی کد تمیز را خلاصه کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.4-mini",
    instructions="You are a helpful assistant.",
    input="اصول کلیدی کد تمیز را خلاصه کنید.",
)

print(response.output_text)

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.

GPT-5.4 Nano

GPT-5.4 Nano سریع‌ترین و مقرون به صرفه‌ترین مدل OpenAI است که برای وظایف ساده با نیاز به حداقل محاسبات طراحی شده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۰.۲۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۰۲ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱.۲۵ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`
تلاش استدلال	بدون (پیش‌فرض)، کم
نقاط قوت	سریع‌ترین پاسخ‌ها، کمترین هزینه، توان عملیاتی بالا
بهترین برای	وظایف ساده، طبقه‌بندی، پرسش و پاسخ پایه، بارهای کاری سبک با حجم بالا

ویژگی‌های کلیدی:

سریع‌ترین در کلاس خود: بهینه‌سازی شده برای حداقل تأخیر
زمینه ۴۰۰K: پشتیبانی کامل از پنجره زمینه گسترده
کمترین هزینه: مقرون به صرفه‌ترین مدل سری GPT-5.4
پشتیبانی از بینایی: می‌تواند تصاویر را به عنوان ورودی پردازش کند
توان عملیاتی بالا: ایده‌آل برای پردازش دسته‌ای

python

response = client.chat.completions.create(
    model="gpt-5.4-nano",  # یا نسخه خاص
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "پایتخت فرانسه چیست؟",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.4-nano",
    instructions="You are a helpful assistant.",
    input="پایتخت فرانسه چیست؟",
)

print(response.output_text)

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.

GPT-5.3 Chat

GPT-5.3 Chat مدل فوری GPT-5.3 است که در حال حاضر در ChatGPT استفاده می‌شود و برای موارد استفاده گفتگویی با هوش بالا در نقطه قیمت رقابتی بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۱۶٬۳۸۴ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۱.۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۴.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`
نقاط قوت	هوش بالا، بهینه‌سازی گفتگو، فراخوانی تابع، جریان‌سازی
بهترین برای	هوش مصنوعی محاوره‌ای، چت‌بات‌ها، برنامه‌های تعاملی

ویژگی‌های کلیدی:

هوش بالا: آخرین بهبودها برای موارد استفاده گفتگویی
پشتیبانی از بینایی: می‌تواند تصاویر را به عنوان ورودی پردازش کند
فراخوانی تابع: پشتیبانی کامل از فراخوانی تابع و خروجی‌های ساختاریافته
جریان‌سازی: پشتیبانی کامل از جریان‌سازی

توجه: ما GPT-5.2 را برای استفاده عمومی API توصیه می‌کنیم، اما GPT-5.3 Chat برای آزمایش آخرین بهبودهای ChatGPT در برنامه‌های محاوره‌ای ایده‌آل است.

python

response = client.chat.completions.create(
    model="gpt-5.3-chat",  # یا gpt-5.3-chat-latest
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "محاسبات کوانتومی را به زبان ساده توضیح دهید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.3-chat",
    instructions="You are a helpful assistant.",
    input="محاسبات کوانتومی را به زبان ساده توضیح دهید.",
)

print(response.output_text)

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.

GPT-5.2 Pro

GPT-5.2 Pro پیشرفته‌ترین مدل استدلالی OpenAI است که پاسخ‌های هوشمندتر و دقیق‌تری برای مسائل دشوار تولید می‌کند. این مدل رکوردهای جدیدی در معیارهای کار دانشی، کدنویسی، علم و ریاضیات ثبت کرده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۲۱.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۶۸.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال سطح تخصصی، تفکر گسترده، حل مسائل پیچیده، کار دانشی حرفه‌ای
بهترین برای	تحقیق، ریاضیات پیشرفته، کدنویسی پیچیده، برنامه‌ریزی استراتژیک، تحقیقات علمی
در دسترس بودن	فقط کاربران سطح ۲، ۳، ۴، ۵
نقطه پایانی API	فقط v1/responses

توجه: GPT-5.2 Pro منحصرا از طریق API Responses (v1/responses) در دسترس است و از reasoning.effort: medium، high، xhigh پشتیبانی می‌کند. برخی درخواست‌ها ممکن است چندین دقیقه طول بکشد. از حالت پس‌زمینه برای جلوگیری از وقفه زمانی استفاده کنید.

python

# GPT-5.2 Pro از API Responses استفاده می‌کند
response = client.responses.create(
    model="gpt-5.2-pro",  # یا نسخه خاص مانند gpt-5.2-pro-2025-12-11
    input="یک معماری سیستم توزیع‌شده جامع با توجه به تحمل خطا و مقیاس‌پذیری طراحی کنید.",
    reasoning={"effort": "high"},
)

GPT-5.2

GPT-5.2 بهترین مدل چندمنظوره OpenAI برای وظایف کدنویسی و عاملی در صنایع مختلف است با بهبود در هوش عمومی، پیروی از دستورالعمل‌ها و قابلیت‌های چندوجهی.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۱.۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۴.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال پیشرفته، تلاش قابل تنظیم، تعالی در کدنویسی، پشتیبانی از بینایی، ورودی/خروجی چندوجهی
بهترین برای	کدنویسی پیچیده، گردش‌های کاری عاملی، وظایف چندوجهی، کار دانشی حرفه‌ای

python

response = client.chat.completions.create(
    model="gpt-5.2",  # یا نسخه خاص مانند gpt-5.2-2025-12-11
    messages=[
        {"role": "system", "content": "شما یک دستیار هوش مصنوعی متخصص هستید."},
        {
            "role": "user",
            "content": "یک الگوریتم برای بهینه‌سازی برنامه‌ریزی مسیر برای سرویس تحویل طراحی کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.2",
    instructions="You are a helpful assistant.",
    input="یک الگوریتم برای بهینه‌سازی برنامه‌ریزی مسیر برای سرویس تحویل طراحی کنید.",
)

print(response.output_text)

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.

GPT-5.3-Codex

GPT-5.3-Codex توانمندترین مدل عاملی کدنویسی OpenAI است، که برای اجرای وظایف کدنویسی بلندمدت در محیط‌های Codex و مشابه طراحی شده است.

ویژگی	جزئیات
پنجره زمینه	۵۱۲٬۰۰۰ توکن ورودی، ۱۵۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۱۵ ژانویه ۲۰۲۶
قیمت‌گذاری ورودی	۱.۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۷۵ دلار / ۱ میلیون توکن (۹۰٪ کاهش هزینه)
قیمت‌گذاری خروجی	۱۴.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/responses`
قابلیت‌ها	جریان‌سازی، فراخوانی تابع، خروجی‌های ساختاریافته، توکن‌های استدلال
نقاط قوت	قابلیت‌های عاملی پیشرو، پروژه‌های کدنویسی بلندمدت
بهترین برای	وظایف کدنویسی عاملی، بازسازی پایگاه کد بزرگ، عامل‌های توسعه خودمختار
دما	۱.۰ (ثابت)

ویژگی‌های کلیدی:

قابلیت‌های عاملی پیشرو: بهینه‌سازی شده برای جریان‌های کاری توسعه خودمختار
پنجره زمینه گسترده: ۵۱۲ هزار توکن برای مدیریت پایگاه‌های کد بزرگ
ظرفیت خروجی بالا: تا ۱۵۰ هزار توکن خروجی برای تولید کد جامع
پشتیبانی از بینایی: می‌تواند تصاویر را به عنوان ورودی برای درک بصری کد پردازش کند
برتری در کدنویسی: عملکرد پیشرفته در تست‌های سطح انسانی و امتحانات گواهینامه AWS CCP

python

# GPT-5.3-Codex از API Responses استفاده می‌کند
response = client.responses.create(
    model="gpt-5.3-codex",
    input="یک وب اپلیکیشن فول‌استک با Next.js 15 و PostgreSQL بساز که شامل پیاده‌سازی کامل احراز هویت، یک API RESTful و یک رابط کاربری ریسپانسیو باشد.",
)

GPT-5.2-Codex

GPT-5.2-Codex هوشمندترین مدل کدنویسی OpenAI است، نسخه ارتقا یافته GPT-5.2 که برای وظایف کدنویسی عاملی بلندمدت در محیط‌های Codex یا مشابه بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ اوت ۲۰۲۵
قیمت‌گذاری ورودی	۱.۷۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۷۵ دلار / ۱ میلیون توکن (۹۰٪ کاهش هزینه)
قیمت‌گذاری خروجی	۱۴.۰۰ دلار / ۱ میلیون توکن
ورودی‌های پشتیبانی‌شده	متن، تصویر
خروجی‌های پشتیبانی‌شده	متن
نقاط پایانی پشتیبانی‌شده	`v1/chat/completions`، `v1/responses`، `v1/realtime`
قابلیت‌ها	جریان‌سازی، فراخوانی تابع، خروجی‌های ساختاریافته، توکن‌های استدلال
نقاط قوت	کدنویسی بلندمدت، جریان‌های کاری عاملی، تولید کد خودمختار
بهترین برای	وظایف کدنویسی عاملی، بازسازی پایگاه کد بزرگ، عامل‌های توسعه خودمختار

ویژگی‌های کلیدی:

پشتیبانی از توکن استدلال: پشتیبانی از تنظیمات تلاش استدلال کم، متوسط، زیاد و بسیار زیاد
متن گسترده: پنجره متن ۴۰۰ هزار توکن برای مدیریت پایگاه‌های کد بزرگ
ظرفیت خروجی بالا: تا ۱۲۸ هزار توکن خروجی برای تولید کد جامع
پشتیبانی از بینایی: می‌تواند تصاویر را به عنوان ورودی برای درک بصری کد پردازش کند
جریان‌های کاری عاملی: بهینه‌سازی شده برای عامل‌های کدنویسی خودمختار و توسعه تکراری

python

response = client.chat.completions.create(
    model="gpt-5.2-codex",
    messages=[
        {"role": "system", "content": "شما یک دستیار کدنویسی متخصص هستید."},
        {
            "role": "user",
            "content": "این پایگاه کد را بازسازی کن تا از تزریق پیش‌نیاز استفاده کند و یک مجموعه تست جامع پیاده‌سازی کن.",
        },
    ],
    max_tokens=8192,
    temperature=0.6,
)

نسخه معادل Responses API

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.

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-5.2-codex",
    instructions="You are a helpful assistant.",
    input="این پایگاه کد را بازسازی کن تا از تزریق پیش‌نیاز استفاده کند و یک مجموعه تست جامع پیاده‌سازی کن.",
)

print(response.output_text)

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.

GPT-5 Pro

GPT-5 Pro پیشرفته‌ترین مدل استدلالی OpenAI با قابلیت‌های تفکر گسترده است که برای وظایف پیچیده و سطح تخصصی طراحی شده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۲۷۲٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۰ سپتامبر ۲۰۲۴
قیمت‌گذاری ورودی	۱۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۲۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال سطح تخصصی، تفکر گسترده، حل مسائل پیچیده
بهترین برای	تحقیق، ریاضیات پیشرفته، کدنویسی پیچیده، برنامه‌ریزی استراتژیک
در دسترس بودن	فقط کاربران سطح ۲، ۳، ۴، ۵
نقطه پایانی API	فقط v1/responses

توجه: GPT-5 Pro منحصرا از طریق API Responses (v1/responses) در دسترس است و از استدلال گسترده برای پاسخ‌های جامع استفاده می‌کند. برخی درخواست‌ها ممکن است چندین دقیقه طول بکشد.

python

# GPT-5 Pro از API Responses استفاده می‌کند
response = client.responses.create(
    model="gpt-5-pro",  # یا نسخه خاص مانند gpt-5-pro-2025-10-06
    input="یک معماری سیستم توزیع‌شده جامع با توجه به تحمل خطا و مقیاس‌پذیری طراحی کنید.",
)

GPT-5.1

GPT-5.1 مدل پرچمدار OpenAI برای وظایف کدنویسی و عاملی با قابلیت تنظیم تلاش استدلالی و غیر استدلالی است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۱.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال پیشرفته، تلاش قابل تنظیم، تعالی در کدنویسی، پشتیبانی از بینایی
بهترین برای	کدنویسی پیچیده، گردش‌های کاری عاملی، وظایف چندوجهی، استدلال با تصاویر

python

response = client.chat.completions.create(
    model="gpt-5.1",  # یا نسخه خاص مانند gpt-5.1-2025-11-13
    messages=[
        {"role": "system", "content": "شما یک دستیار هوش مصنوعی متخصص هستید."},
        {
            "role": "user",
            "content": "یک الگوریتم برای بهینه‌سازی برنامه‌ریزی مسیر برای سرویس تحویل طراحی کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.1",
    instructions="You are a helpful assistant.",
    input="یک الگوریتم برای بهینه‌سازی برنامه‌ریزی مسیر برای سرویس تحویل طراحی کنید.",
)

print(response.output_text)

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.

GPT-5.1 Chat

GPT-5.1 Chat نسخه بهینه‌شده برای گفتگو از GPT-5.1 است که برای برنامه‌های محاوره‌ای طراحی شده است. این مدل همان قابلیت‌های پیشرفته GPT-5.1 را با بهینه‌سازی بیشتر برای تجربه‌های گفتگوی تعاملی ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۱.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	بهینه‌سازی گفتگو، استدلال پیشرفته، تعالی در کدنویسی، پشتیبانی از بینایی
بهترین برای	مکالمات تعاملی، چت‌بات‌ها، برنامه‌های هوش مصنوعی محاوره‌ای

python

response = client.chat.completions.create(
    model="gpt-5.1-chat",
    messages=[
        {"role": "system", "content": "شما یک دستیار محاوره‌ای مفید هستید."},
        {
            "role": "user",
            "content": "تفاوت‌های کلیدی بین معماری میکروسرویس و یکپارچه را توضیح دهید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.1-chat",
    instructions="You are a helpful assistant.",
    input="تفاوت‌های کلیدی بین معماری میکروسرویس و یکپارچه را توضیح دهید.",
)

print(response.output_text)

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.

GPT-5

GPT-5 مدل پرچمدار OpenAI برای کدنویسی، استدلال و وظایف عاملی در حوزه‌های مختلف است که پیشرفته‌ترین قابلیت‌های هوش مصنوعی را نمایندگی می‌کند.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۰ سپتامبر ۲۰۲۴
قیمت‌گذاری ورودی	۱.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	بهترین کدنویسی، استدلال، وظایف عاملی، قابلیت‌های چندوجهی
بهترین برای	پروژه‌های کدنویسی پیچیده، استدلال پیشرفته، گردش‌های کاری عاملی، تحقیق

python

response = client.chat.completions.create(
    model="gpt-5",  # یا نسخه خاص مانند gpt-5-2025-08-07
    messages=[
        {"role": "system", "content": "شما یک معمار نرم‌افزار متخصص هستید."},
        {
            "role": "user",
            "content": "یک معماری میکروسرویس مقیاس‌پذیر برای یک پلتفرم تجارت الکترونیک طراحی کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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",
    instructions="You are a helpful assistant.",
    input="یک معماری میکروسرویس مقیاس‌پذیر برای یک پلتفرم تجارت الکترونیک طراحی کنید.",
)

print(response.output_text)

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.

GPT-5 Mini

GPT-5 Mini نسخه سریع‌تر و مقرون‌به‌صرفه‌تر GPT-5 است که برای وظایف تعریف‌شده با عملکرد عالی مناسب است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۰ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۰۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۲.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	سریع، مقرون‌به‌صرفه، استدلال قوی، مناسب برای وظایف ساختاریافته
بهترین برای	وظایف کدنویسی تعریف‌شده، تولید محتوا، تحلیل با دستورات دقیق

python

response = client.chat.completions.create(
    model="gpt-5-mini",  # یا نسخه خاص مانند gpt-5-mini-2025-08-07
    messages=[
        {"role": "system", "content": "شما یک متخصص بهینه‌سازی کد هستید."},
        {
            "role": "user",
            "content": "این تابع پایتون را برای عملکرد و خوانایی بهتر بهینه کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-mini",
    instructions="You are a helpful assistant.",
    input="این تابع پایتون را برای عملکرد و خوانایی بهتر بهینه کنید.",
)

print(response.output_text)

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.

GPT-5 Nano

GPT-5 Nano سریع‌ترین و مقرون‌به‌صرفه‌ترین نسخه GPT-5 است که برای خلاصه‌سازی و وظایف طبقه‌بندی ایده‌آل است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۰ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۰۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۰۰۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۰.۴۰ دلار / ۱ میلیون توکن
نقاط قوت	بسیار سریع، فوق‌العاده مقرون‌به‌صرفه، مناسب برای وظایف ساده
بهترین برای	خلاصه‌سازی متن، طبقه‌بندی، تعدیل محتوا، وظایف حجم بالا

python

response = client.chat.completions.create(
    model="gpt-5-nano",  # یا نسخه خاص مانند gpt-5-nano-2025-08-07
    messages=[
        {"role": "system", "content": "شما یک طبقه‌بند متن هستید."},
        {
            "role": "user",
            "content": "این بازخورد مشتری را به عنوان مثبت، منفی یا خنثی طبقه‌بندی کنید: 'محصول خوب کار می‌کند اما می‌تواند بهبود یابد.'",
        },
    ],
)

نسخه معادل Responses API

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.

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-nano",
    instructions="You are a helpful assistant.",
    input="این بازخورد مشتری را به عنوان مثبت، منفی یا خنثی طبقه‌بندی کنید:",
)

print(response.output_text)

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.

GPT-5 Chat

GPT-5 Chat به نسخه GPT-5 که در حال حاضر در ChatGPT استفاده می‌شود اشاره دارد و همان تجربه رابط ChatGPT را ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۲۹ سپتامبر ۲۰۲۴
قیمت‌گذاری ورودی	۱.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	تجربه معادل ChatGPT، هوش بالا، مکالمه‌ای
بهترین برای	مکالمات تعاملی، وظایف عمومی، برنامه‌های مشابه ChatGPT

python

response = client.chat.completions.create(
    model="gpt-5-chat-latest",  # همیشه به آخرین نسخه ChatGPT اشاره می‌کند
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "مفاهیم محاسبات کوانتومی را به زبان ساده توضیح دهید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-chat-latest",
    instructions="You are a helpful assistant.",
    input="مفاهیم محاسبات کوانتومی را به زبان ساده توضیح دهید.",
)

print(response.output_text)

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.

GPT-5 Codex

GPT-5 Codex نسخه تخصصی GPT-5 است که برای وظایف کدنویسی عاملی بهینه شده و به طور خاص برای استفاده در محیط‌های Codex و گردش‌های کاری برنامه‌نویسی پیشرفته طراحی شده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۰ سپتامبر ۲۰۲۴
قیمت‌گذاری ورودی	۱.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	بهینه شده برای کدنویسی عاملی، توکن‌های استدلال، برنامه‌نویسی پیشرفته
بهترین برای	وظایف کدنویسی عاملی، توسعه نرم‌افزار پیچیده، برنامه‌نویسی خودکار

python

response = client.chat.completions.create(
    model="gpt-5-codex",
    messages=[
        {"role": "system", "content": "شما یک عامل برنامه‌نویسی متخصص هستید."},
        {
            "role": "user",
            "content": "یک کلاس کامل پایتون برای درخت جستجوی دودویی با متدهای درج، جستجو، حذف و پیمایش ایجاد کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-codex",
    instructions="You are a helpful assistant.",
    input="یک کلاس کامل پایتون برای درخت جستجوی دودویی با متدهای درج، جستجو، حذف و پیمایش ایجاد کنید.",
)

print(response.output_text)

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.

GPT-5.1-Codex-Max

GPT-5.1-Codex-Max هوشمندترین مدل کدنویسی OpenAI است که به طور خاص برای کدنویسی عاملی طراحی شده است. این مدل برای وظایف برنامه‌نویسی طولانی‌مدت و چندمرحله‌ای و گردش‌های کاری عامل خودکار بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۴۰۰٬۰۰۰ توکن ورودی، ۱۲۸٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۰ سپتامبر ۲۰۲۴
قیمت‌گذاری ورودی	۱.۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۱۲۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	کدنویسی عاملی برتر، وظایف طولانی‌مدت، استدلال پیشرفته
بهترین برای	کدنویسی پیچیده چندمرحله‌ای، عامل‌های برنامه‌نویسی خودکار، کار روی کدبیس گسترده
روش‌های ورودی/خروجی	ورودی متن/تصویر، خروجی متن

python

response = client.chat.completions.create(
    model="gpt-5.1-codex-max",
    messages=[
        {"role": "system", "content": "شما یک عامل برنامه‌نویسی متخصص هستید."},
        {
            "role": "user",
            "content": "یک سیستم صف کار توزیع‌شده کامل با مدیریت کارگر، اولویت‌بندی کارها و بازیابی از خطا ایجاد کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-5.1-codex-max",
    instructions="You are a helpful assistant.",
    input="یک سیستم صف کار توزیع‌شده کامل با مدیریت کارگر، اولویت‌بندی کارها و بازیابی از خطا ایجاد کنید.",
)

print(response.output_text)

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.

o3-pro

o3-pro پیشرفته‌ترین مدل استدلالی OpenAI برای حل مسائل پیچیده و تحلیل است که بالاترین سطح قابلیت‌های استدلالی را ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۱۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۶۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	بالاترین سطح استدلال، حل مسائل پیچیده، تحلیل پیشرفته
بهترین برای	پیچیده‌ترین وظایف استدلالی، تحلیل حرفه‌ای، کاربردهای تحقیقاتی

python

response = client.chat.completions.create(
    model="o3-pro",
    messages=[
        {"role": "system", "content": "شما یک متخصص حل مسئله هستید."},
        {
            "role": "user",
            "content": "این اثبات ریاضی پیچیده را تحلیل کنید و بهبودهای تفصیلی ارائه دهید.",
        },
    ],
)

نسخه معادل Responses API

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.

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="o3-pro",
    instructions="You are a helpful assistant.",
    input="این اثبات ریاضی پیچیده را تحلیل کنید و بهبودهای تفصیلی ارائه دهید.",
)

print(response.output_text)

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.

o3-deep-research

o3-deep-research قدرتمندترین مدل تحقیق عمیق ما است که برای انجام وظایف تحقیقاتی پیچیده و چندمرحله‌ای طراحی شده است. این مدل می‌تواند اطلاعات را از اینترنت و همچنین از داده‌های شما جستجو و ترکیب کند. این مدل فقط از طریق endpoint مسیر v1/responses قابل دسترسی است و نیاز به انتخاب ابزار دارد.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۱۰.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۲.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۴۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	قابلیت‌های تحقیق عمیق، جستجوی اینترنت، تحلیل چندمرحله‌ای، توکن‌های استدلال
بهترین برای	وظایف تحقیقاتی پیچیده، ترکیب اطلاعات، بررسی‌های چندمرحله‌ای
مهم	فقط با endpoint مسیر v1/responses کار می‌کند و نیاز به ابزار دارد

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "o3-deep-research",
    "tools": [{"type": "web_search", "search_context_size": "medium"}],
    "input": "آخرین پیشرفت‌های محاسبات کوانتومی و پیامدهای آن را تحقیق کن",
}

response = requests.post(url, headers=headers, json=data)

جستجوی وب با فیلتر دامنه

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "o3-deep-research",
    "tools": [
        {
            "type": "web_search",
            "filters": {
                "allowed_domains": [
                    "arxiv.org",
                    "nature.com",
                    "science.org",
                    "ieee.org",
                ]
            },
        }
    ],
    "input": "پیشرفت‌های محاسبات کوانتومی را از منابع آکادمیک تحقیق کن",
}

response = requests.post(url, headers=headers, json=data)

o3

o3 قدرتمندترین مدل استدلالی OpenAI است که استانداردی جدید برای وظایف ریاضی، علمی، کدنویسی و استدلال بصری تعیین می‌کند. این مدل در نوشتار فنی و پیروی از دستورالعمل‌ها برتری دارد.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۱۰.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۴۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال پیشرفته، حل مسائل چندمرحله‌ای، تحلیل متن، کد و تصاویر
بهترین برای	وظایف استدلالی پیچیده، حل مسائل فنی نیازمند تحلیل عمیق

python

response = client.chat.completions.create(
    model="o3",  # یا اسنپ‌شات خاص مانند o3-2025-04-16
    messages=[
        {"role": "system", "content": "شما یک متخصص حل مسئله هستید."},
        {
            "role": "user",
            "content": "این اثبات ریاضی را تحلیل کنید و هرگونه خطا یا بهبود را شناسایی کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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="o3",
    instructions="You are a helpful assistant.",
    input="این اثبات ریاضی را تحلیل کنید و هرگونه خطا یا بهبود را شناسایی کنید.",
)

print(response.output_text)

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.

o4-mini-deep-research

o4-mini-deep-research مدل تحقیق عمیق سریع‌تر و مقرون‌به‌صرفه‌تر ما است—ایده‌آل برای انجام وظایف تحقیقاتی پیچیده و چندمرحله‌ای. این مدل می‌تواند اطلاعات را از اینترنت و همچنین از داده‌های شما جستجو و ترکیب کند. این مدل فقط از طریق endpoint مسیر v1/responses قابل دسترسی است و نیاز به انتخاب ابزار دارد.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۲.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۰.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۸.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	تحقیق عمیق سریع و مقرون به صرفه، جستجوی اینترنت، توکن‌های استدلال
بهترین برای	وظایف تحقیقاتی مقرون به صرفه، ترکیب اطلاعات، تحلیل چندمرحله‌ای
مهم	فقط با endpoint مسیر v1/responses کار می‌کند و نیاز به ابزار دارد

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "o4-mini-deep-research",
    "tools": [{"type": "web_search", "search_context_size": "medium"}],
    "input": "روندهای فعلی در فناوری انرژی تجدیدپذیر را تحقیق کن",
}

response = requests.post(url, headers=headers, json=data)

جستجوی وب با موقعیت کاربر

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "o4-mini-deep-research",
    "tools": [
        {
            "type": "web_search",
            "user_location": {
                "type": "approximate",
                "country": "US",
                "city": "San Francisco",
                "region": "California",
                "timezone": "America/Los_Angeles",
            },
        }
    ],
    "input": "شرکت‌های انرژی تجدیدپذیر نزدیک من را پیدا کن",
}

response = requests.post(url, headers=headers, json=data)

o4-mini

o4-mini جدیدترین مدل کوچک سری o از OpenAI است که برای استدلال سریع و موثر با عملکرد بسیار کارآمد در وظایف کدنویسی و بصری بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۱.۱۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۴.۴۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال سریع و مقرون به صرفه، مناسب برای وظایف بصری و کدنویسی
بهترین برای	استدلال سریع، وظایف کدنویسی، درک بصری با کارایی هزینه

python

response = client.chat.completions.create(
    model="o4-mini",  # یا اسنپ‌شات خاص مانند o4-mini-2025-04-16
    messages=[
        {"role": "system", "content": "شما یک دستیار کدنویسی هستید."},
        {
            "role": "user",
            "content": "تابعی بنویسید که بررسی کند آیا یک رشته پالیندروم است یا خیر.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `o4-mini` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="تابعی بنویسید که بررسی کند آیا یک رشته پالیندروم است یا خیر.",
)

print(response.output_text)

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.

GPT-4.5 Preview - منسوخ شده

~~GPT-4.5~~ پیشرفته‌ترین مدل پیش‌نمایش OpenAI است که عملکرد پیشرفته‌ای را در متن، کد، بینایی و استدلال ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۱۶٬۳۸۴ توکن خروجی
داده‌های آموزشی	آخرین داده‌های موجود (تخمینی)
قیمت‌گذاری ورودی	۷۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۵۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال سطح بالا، درک چندوجهی، حل وظایف پیچیده
بهترین برای	برنامه‌های کاربردی پیشرفته که به بالاترین سطح قابلیت نیاز دارند، تحقیق

GPT-4o

GPT-4o ("omni") مدل چندوجهی پرچم‌دار OpenAI است که قابلیت بالا را با هزینه و سرعت بهینه متعادل می‌کند.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۱۶٬۳۸۴ توکن خروجی
داده‌های آموزشی	تا اواخر ۲۰۲۳ (تخمینی)
قیمت‌گذاری ورودی	۲.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	عملکرد قوی در متن، کد، بینایی؛ قابلیت جستجوی وب
بهترین برای	استدلال پیچیده، برنامه‌های چندوجهی، تولید محتوای خلاقانه، وظایف عمومی

python

response = client.chat.completions.create(
    model="gpt-4o",  # یا اسنپ‌شات خاص مانند gpt-4o-2024-08-06
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {"role": "user", "content": "محاسبات کوانتومی را به زبان ساده توضیح دهید."},
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `gpt-4o` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="محاسبات کوانتومی را به زبان ساده توضیح دهید.",
)

print(response.output_text)

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.

GPT-4o Search Preview

نسخه‌ای از GPT-4o که برای وظایف شامل ادغام جستجوی وب بهینه‌سازی شده است.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۱۶٬۳۸۴ توکن خروجی
داده‌های آموزشی	تا اواخر ۲۰۲۳ (تخمینی)، با ادغام جستجوی پیشرفته
قیمت‌گذاری ورودی	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
قیمت‌گذاری خروجی	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
حداکثر درخواست/دقیقه	۵۰.۰
حداکثر توکن/دقیقه	۱۰۰٬۰۰۰.۰
نقاط قوت	ادغام مستقیم نتایج جستجوی وب در پاسخ‌ها
بهترین برای	سوالاتی که نیاز به اطلاعات به‌روز دارند، وظایف تحقیقاتی
شناسه‌های مدل	`gpt-4o-search-preview`, `gpt-4o-search-preview-2025-03-11`

python

response = client.chat.completions.create(
    model="gpt-4o-search-preview",  # یا اسنپ‌شات خاص
    messages=[
        {"role": "user", "content": "آخرین تحولات در تحقیقات انرژی همجوشی چیست؟"},
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `gpt-4o-search-preview` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="آخرین تحولات در تحقیقات انرژی همجوشی چیست؟",
)

print(response.output_text)

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.

GPT-4o mini

GPT-4o mini هوشی قابل مقایسه با GPT-4 Turbo را با قیمت بسیار پایین‌تر و سرعت بالاتر، از جمله قابلیت‌های چندوجهی، ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۱۶٬۳۸۴ توکن خروجی
داده‌های آموزشی	تا اواخر ۲۰۲۳ (تخمینی)
قیمت‌گذاری ورودی	۰.۱۵ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۰.۶۰ دلار / ۱ میلیون توکن
نقاط قوت	بسیار سریع، بسیار مقرون به صرفه، قابلیت‌های عمومی قوی، بینایی، جستجوی وب
بهترین برای	وظایف با توان عملیاتی بالا، ربات‌های چت، خلاصه‌سازی، نظارت محتوا، تحلیل ساده

python

response = client.chat.completions.create(
    model="gpt-4o-mini",  # یا اسنپ‌شات خاص مانند gpt-4o-mini-2024-07-18
    messages=[
        {"role": "system", "content": "شما یک ربات چت پشتیبانی مشتری هستید."},
        {"role": "user", "content": "سیاست‌های بازگشت شما چیست؟"},
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `gpt-4o-mini` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="سیاست‌های بازگشت شما چیست؟",
)

print(response.output_text)

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.

GPT-4o mini Search Preview

نسخه‌ای از GPT-4o mini که برای وظایف شامل ادغام جستجوی وب بهینه‌سازی شده است و سرعت و صرفه اقتصادی را ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۱۶٬۳۸۴ توکن خروجی
داده‌های آموزشی	تا اواخر ۲۰۲۳ (تخمینی)، با ادغام جستجوی پیشرفته
قیمت‌گذاری ورودی	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
قیمت‌گذاری خروجی	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
حداکثر درخواست/دقیقه	۵۰.۰
حداکثر توکن/دقیقه	۱۰۰٬۰۰۰.۰
نقاط قوت	ادغام سریع و مقرون به صرفه جستجوی وب
بهترین برای	پرس‌وجوهای با توان عملیاتی بالا که به اطلاعات اخیر نیاز دارند
شناسه‌های مدل	`gpt-4o-mini-search-preview`, `gpt-4o-mini-search-preview-2025-03-11`

python

response = client.chat.completions.create(
    model="gpt-4o-mini-search-preview",  # یا اسنپ‌شات خاص
    messages=[
        {"role": "user", "content": "خلاصه مهمترین اخبار امروز را ارائه دهید."},
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `gpt-4o-mini-search-preview` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="خلاصه مهمترین اخبار امروز را ارائه دهید.",
)

print(response.output_text)

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.

O1

O1 یک مدل استدلالی با هوش بالا است که بر حل مسائل پیچیده و وظایف مبتنی بر عاملیت تمرکز دارد.

ویژگی	جزئیات
پنجره زمینه	۲۰۰٬۰۰۰ توکن ورودی، ۱۰۰٬۰۰۰ توکن خروجی
داده‌های آموزشی	آخرین داده‌های موجود (تخمینی)
قیمت‌گذاری ورودی	۱۵.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۶۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال پیشرفته، اجرای وظایف گام به گام، هوش بالا
بهترین برای	استدلال پیچیده، گردش‌های کاری مبتنی بر عامل، حل مسئله نیازمند تحلیل عمیق

python

response = client.chat.completions.create(
    model="o1",  # یا اسنپ‌شات خاص مانند o1-2024-12-17
    messages=[
        {"role": "system", "content": "شما یک متخصص استدلال منطقی هستید."},
        {
            "role": "user",
            "content": "ساختار منطقی این استدلال را تحلیل کرده و هرگونه مغالطه را شناسایی کنید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `o1` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="ساختار منطقی این استدلال را تحلیل کرده و هرگونه مغالطه را شناسایی کنید.",
)

print(response.output_text)

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.

O1 mini

O1 mini قابلیت‌های استدلالی قوی بهینه‌شده برای سرعت و هزینه را ارائه می‌دهد که برای بسیاری از وظایف نیازمند استدلال مناسب است.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۶۵٬۵۳۶ توکن خروجی
داده‌های آموزشی	آخرین داده‌های موجود (تخمینی)
قیمت‌گذاری ورودی	۱.۱۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۴.۴۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال سریع و مقرون به صرفه، مناسب برای وظایف گام به گام
بهترین برای	استدلال با پیچیدگی متوسط، استخراج داده‌های ساختاریافته، تجزیه وظایف

python

response = client.chat.completions.create(
    model="o1-mini",  # یا اسنپ‌شات خاص مانند o1-mini-2024-09-12
    messages=[
        {"role": "system", "content": "شما در برنامه‌ریزی وظایف پیچیده کمک می‌کنید."},
        {
            "role": "user",
            "content": "مراحل لازم برای سازماندهی یک کنفرانس بزرگ را شرح دهید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `o1-mini` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="مراحل لازم برای سازماندهی یک کنفرانس بزرگ را شرح دهید.",
)

print(response.output_text)

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.

GPT-4.1

GPT-4.1 مدل پرچم‌دار OpenAI برای وظایف پیچیده است که برای حل مسائل در حوزه‌های مختلف مناسب است.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۴۷٬۵۷۶ توکن ورودی، ۳۲٬۷۶۸ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۲.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۸.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	قابلیت‌های قوی حل مسئله در حوزه‌های مختلف
بهترین برای	وظایف پیچیده که نیاز به درک و استدلال عمیق دارند

python

response = client.chat.completions.create(
    model="gpt-4.1",  # یا اسنپ‌شات خاص مانند gpt-4.1-2025-04-14
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "پیامدهای پیشرفت‌های اخیر در محاسبات کوانتومی را تحلیل کنید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-4.1",
    instructions="You are a helpful assistant.",
    input="پیامدهای پیشرفت‌های اخیر در محاسبات کوانتومی را تحلیل کنید.",
)

print(response.output_text)

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.

GPT-4.1-mini

GPT-4.1-mini تعادلی بین هوشمندی، سرعت و هزینه ارائه می‌دهد که آن را برای بسیاری از موارد استفاده جذاب می‌کند.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۴۷٬۵۷۶ توکن ورودی، ۳۲٬۷۶۸ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۴۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱.۶۰ دلار / ۱ میلیون توکن
نقاط قوت	عملکرد متعادل، سرعت و کارایی هزینه خوب
بهترین برای	وظایف عمومی که نیاز به عملکرد خوب با هزینه متوسط دارند

python

response = client.chat.completions.create(
    model="gpt-4.1-mini",  # یا اسنپ‌شات خاص مانند gpt-4.1-mini-2025-04-14
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "خلاصه‌ای از آخرین تحقیقات تغییرات اقلیمی ارائه دهید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-4.1-mini",
    instructions="You are a helpful assistant.",
    input="خلاصه‌ای از آخرین تحقیقات تغییرات اقلیمی ارائه دهید.",
)

print(response.output_text)

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.

GPT-4.1-nano

GPT-4.1-nano سریع‌ترین و مقرون به صرفه‌ترین مدل GPT-4.1 است که عملکرد خوبی برای وظایف روزمره ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۱٬۰۴۷٬۵۷۶ توکن ورودی، ۳۲٬۷۶۸ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۱۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۰.۴۰ دلار / ۱ میلیون توکن
نقاط قوت	بسیار سریع، بسیار مقرون به صرفه
بهترین برای	برنامه‌های با حجم بالا، وظایف ساده، تولید محتوا

python

response = client.chat.completions.create(
    model="gpt-4.1-nano",  # یا اسنپ‌شات خاص مانند gpt-4.1-nano-2025-04-14
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {"role": "user", "content": "یک پست وبلاگ کوتاه درباره زندگی پایدار بنویسید."},
    ],
)

نسخه معادل Responses API

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.

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-4.1-nano",
    instructions="You are a helpful assistant.",
    input="یک پست وبلاگ کوتاه درباره زندگی پایدار بنویسید.",
)

print(response.output_text)

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.

GPT-4 Turbo

GPT-4 Turbo مدل پرچم‌دار قبلی بود که اکنون عمدتا توسط GPT-4o جایگزین شده اما همچنان در دسترس است. این مدل قابلیت‌های قوی با پنجره زمینه بزرگ ارائه می‌دهد.

ویژگی	جزئیات
پنجره زمینه	۱۲۸٬۰۰۰ توکن ورودی، ۴٬۰۹۶ توکن خروجی
داده‌های آموزشی	تا دسامبر ۲۰۲۳
قیمت‌گذاری ورودی	۱۰.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۳۰.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	استدلال قوی، پیروی از دستورالعمل، قابلیت‌های بینایی
بهترین برای	برنامه‌های قدیمی، وظایفی که به کیفیت سطح GPT-4 نیاز دارند و GPT-4o مناسب نیست

python

response = client.chat.completions.create(
    model="gpt-4.1",  # یا اسنپ‌شات خاص مانند gpt-4.1-2025-04-14
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "تحلیل دقیقی از روندهای انرژی‌های تجدیدپذیر بنویسید.",
        },
    ],
)

نسخه معادل Responses API

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.

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-4.1",
    instructions="You are a helpful assistant.",
    input="تحلیل دقیقی از روندهای انرژی‌های تجدیدپذیر بنویسید.",
)

print(response.output_text)

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.

GPT-3.5 Turbo

GPT-3.5 Turbo یک مدل بسیار مقرون به صرفه است که برای سرعت بهینه شده و برای طیف گسترده‌ای از وظایف ساده‌تر مناسب است.

ویژگی	جزئیات
پنجره زمینه	۱۶٬۳۸۵ توکن ورودی، ۴٬۰۹۶ توکن خروجی
داده‌های آموزشی	تا سپتامبر ۲۰۲۱
قیمت‌گذاری ورودی	۱.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۲.۰۰ دلار / ۱ میلیون توکن
نقاط قوت	بسیار سریع، بسیار مقرون به صرفه، مناسب برای وظایف پایه
بهترین برای	ربات‌های چت ساده، تولید محتوا، خلاصه‌سازی، طبقه‌بندی

python

response = client.chat.completions.create(
    model="gpt-3.5-turbo",  # یا اسنپ‌شات خاص مانند gpt-3.5-turbo-1106
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {"role": "user", "content": "ویژگی‌های کلیدی یادگیری ماشین را خلاصه کنید."},
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `gpt-3.5-turbo` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="ویژگی‌های کلیدی یادگیری ماشین را خلاصه کنید.",
)

print(response.output_text)

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.

مدل‌های متن‌باز

GPT-OSS-120B

قدرتمندترین مدل وزن‌باز OpenAI که برای وظایف استدلالی پیشرفته طراحی شده و در یک GPU H100 جای می‌گیرد (۱۱۷ میلیارد پارامتر با ۵.۱ میلیارد پارامتر فعال).

ویژگی	جزئیات
پنجره زمینه	۱۳۱٬۰۷۲ توکن ورودی، ۱۳۱٬۰۷۲ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۳۰ دلار / ۱ میلیون توکن (Azure AI)
قیمت‌گذاری خروجی	۲.۵۰ دلار / ۱ میلیون توکن (Azure AI)
ارائه‌دهنده	Azure AI
مجوز	Apache 2.0
نقاط قوت	تلاش استدلالی قابل تنظیم، زنجیره کامل تفکر، قابل تنظیم دقیق، قابلیت‌های عاملی
بهترین برای	وظایف استدلالی پیچیده، استقرار محلی، موارد استفاده تخصصی نیازمند سفارشی‌سازی

python

response = client.chat.completions.create(
    model="gpt-oss-120b",
    messages=[
        {"role": "system", "content": "شما یک متخصص حل مسئله هستید."},
        {
            "role": "user",
            "content": "این مسئله الگوریتمی پیچیده را تحلیل کنید و راه‌حل گام به گام ارائه دهید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `gpt-oss-120b` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="این مسئله الگوریتمی پیچیده را تحلیل کنید و راه‌حل گام به گام ارائه دهید.",
)

print(response.output_text)

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.

GPT-OSS-120B (AWS Bedrock)

همان مدل قدرتمند با پارامتر ۱۲۰ میلیارد که از طریق AWS Bedrock با قیمت‌گذاری رقابتی در دسترس است.

ویژگی	جزئیات
پنجره زمینه	۱۳۱٬۰۷۲ توکن ورودی، ۱۳۱٬۰۷۲ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۱۵ دلار / ۱ میلیون توکن (AWS Bedrock)
قیمت‌گذاری خروجی	۰.۶۰ دلار / ۱ میلیون توکن (AWS Bedrock)
ارائه‌دهنده	AWS Bedrock
مجوز	Apache 2.0
نقاط قوت	قیمت‌گذاری مقرون‌به‌صرفه‌تر، تلاش استدلالی قابل تنظیم، زنجیره کامل تفکر
بهترین برای	برنامه‌های حساس به هزینه که نیاز به قابلیت‌های استدلالی پیشرفته دارند

python

response = client.chat.completions.create(
    model="openai.gpt-oss-120b-1:0",
    messages=[
        {"role": "system", "content": "شما یک دستیار تحقیقاتی هستید."},
        {
            "role": "user",
            "content": "تحلیل کاملی از این مقاله تحقیقاتی انجام دهید و بینش‌های کلیدی را شناسایی کنید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `openai.gpt-oss-120b-1:0` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="تحلیل کاملی از این مقاله تحقیقاتی انجام دهید و بینش‌های کلیدی را شناسایی کنید.",
)

print(response.output_text)

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.

GPT-OSS-20B

یک مدل متوسط وزن‌باز که برای تاخیر کم و استقرار محلی بهینه‌سازی شده (۲۱ میلیارد پارامتر با ۳.۶ میلیارد پارامتر فعال).

ویژگی	جزئیات
پنجره زمینه	۱۳۱٬۰۷۲ توکن ورودی، ۱۳۱٬۰۷۲ توکن خروجی
داده‌های آموزشی	تا ۳۱ می ۲۰۲۴
قیمت‌گذاری ورودی	۰.۰۷ دلار / ۱ میلیون توکن (AWS Bedrock)
قیمت‌گذاری خروجی	۰.۳۰ دلار / ۱ میلیون توکن (AWS Bedrock)
ارائه‌دهنده	AWS Bedrock
مجوز	Apache 2.0
نقاط قوت	استنتاج سریع، مقرون‌به‌صرفه، تلاش استدلالی قابل تنظیم، قابل تنظیم دقیق
بهترین برای	برنامه‌های تاخیر کم، پردازش حجم بالا، سناریوهای استقرار محلی

python

response = client.chat.completions.create(
    model="openai.gpt-oss-20b-1:0",
    messages=[
        {"role": "system", "content": "شما یک دستیار مفید هستید."},
        {
            "role": "user",
            "content": "این سند را خلاصه کنید و موارد اقدام کلیدی را استخراج کنید.",
        },
    ],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `openai.gpt-oss-20b-1:0` 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.

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-5.5",
    instructions="You are a helpful assistant.",
    input="این سند را خلاصه کنید و موارد اقدام کلیدی را استخراج کنید.",
)

print(response.output_text)

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.

ویژگی‌های کلیدی مدل‌های متن‌باز

همه مدل‌های متن‌باز OpenAI دارای این قابلیت‌های قدرتمند مشترک هستند:

مجوز آپاچی ۲.۰ مجاز: آزادی ساخت بدون محدودیت‌های کپی رایت یا خطر پتنت
تلاش استدلالی قابل تنظیم: تنظیم تلاش استدلالی (کم، متوسط، زیاد) بر اساس نیازهای شما
زنجیره کامل تفکر: دسترسی کامل به فرآیند استدلال مدل برای اشکال‌زدایی و اعتماد
قابل تنظیم دقیق: سفارشی‌سازی مدل‌ها برای موارد استفاده خاص شما از طریق تنظیم دقیق پارامتر
قابلیت‌های عاملی: پشتیبانی بومی از فراخوانی تابع، مرور وب، اجرای کد پایتون و خروجی‌های ساختاریافته

مدل‌های تولید ویدیو

Sora 2

Sora 2 مدل تولید ویدیوی OpenAI است که برای سرعت و انعطاف‌پذیری بهینه شده و برای تکرار سریع و کاوش محتوا ایده‌آل است. فقط از طریق اندپوینت v1/videos قابل دسترسی است.

ویژگی	جزئیات
گزینه‌های وضوح	720x1280 (پرتره)، 1280x720 (افقی)
مدت زمان	4-8+ ثانیه
قیمت‌گذاری	0.10 دلار به ازای هر ثانیه ویدیوی تولید شده
نقاط قوت	تولید سریع، مقرون‌به‌صرفه، کیفیت خوب برای نمونه‌سازی
بهترین برای	محتوای رسانه‌های اجتماعی، تکرار سریع، نمونه‌سازی، مفهوم‌سازی
شناسه مدل	`sora-2`
مهم	فقط با اندپوینت v1/videos کار می‌کند

python

from openai import OpenAI

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

# ایجاد یک کار تولید ویدیو
video = client.videos.create(
    model="sora-2",
    prompt="یک گربه ابلق در حال نواختن پیانو روی صحنه، نورپردازی سینمایی",
    size="720x1280",
    seconds=4,
)

print(f"کار ویدیو ایجاد شد: {video.id}")

# بررسی برای تکمیل
video_status = client.videos.retrieve(video.id)
while video_status.status in ["queued", "in_progress"]:
    time.sleep(10)
    video_status = client.videos.retrieve(video.id)
    print(f"وضعیت: {video_status.status}, پیشرفت: {video_status.progress}%")

# دانلود ویدیوی تکمیل شده
if video_status.status == "completed":
    content = client.videos.download_content(video.id, variant="video")
    content.write_to_file("output.mp4")

ویژگی‌های کلیدی:

تولید ناهمزمان: کارها به صورت ناهمزمان با بررسی وضعیت یا اعلان‌های webhook پردازش می‌شوند
مراجع تصویری: تصاویر ورودی را برای هدایت تولید ویدیو ارائه دهید
قابلیت Remix: روی ویدیوهای تکمیل شده با تنظیمات هدفمند تکرار کنید
دارایی‌های پشتیبان: تصاویر بندانگشتی و spritesheets را همراه با ویدیوها دانلود کنید

Sora 2 Pro

Sora 2 Pro مدل تولید ویدیوی ممتاز OpenAI است که برای خروجی با کیفیت تولید با وضوح بصری بهبود یافته طراحی شده است. فقط از طریق اندپوینت v1/videos قابل دسترسی است.

ویژگی	جزئیات
گزینه‌های وضوح	720x1280، 1280x720، 1024x1792، 1792x1024
مدت زمان	4-8+ ثانیه
قیمت‌گذاری	0.30 دلار/ثانیه (720x1280، 1280x720)، 0.50 دلار/ثانیه (1024x1792، 1792x1024)
نقاط قوت	خروجی با کیفیت بالا، نتایج سینمایی، حرکت پایدار، رندرینگ جزئی
بهترین برای	دارایی‌های بازاریابی، فیلمبرداری سینمایی، محتوای با کیفیت تولید
شناسه مدل	`sora-2-pro`
مهم	فقط با اندپوینت v1/videos کار می‌کند

python

from openai import OpenAI

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

# ایجاد یک ویدیوی با کیفیت بالا
video = client.videos.create(
    model="sora-2-pro",
    prompt="نمای ردیابی گسترده از یک کوپه فیروزه‌ای که در یک بزرگراه صحرایی رانندگی می‌کند، امواج گرما قابل مشاهده، خورشید قوی در بالای سر، کیفیت سینمایی",
    size="1280x720",
    seconds=8,
)

# از webhooks یا بررسی برای نظارت بر تکمیل استفاده کنید
# پس از تکمیل، ویدیو را دانلود کنید
content = client.videos.download_content(video.id)
content.write_to_file("professional_video.mp4")

ویژگی‌های پیشرفته:

پشتیبانی از وضوح بالاتر: شامل 1024x1792 و 1792x1024 برای خروجی با کیفیت بسیار بالا
ثبات حرکت بهبود یافته: حرکت دوربین و ردیابی اشیا بهبود یافته
کیفیت سینمایی: نورپردازی، درجه‌بندی رنگ و سازگاری بصری برتر
زمان تولید طولانی‌تر: زمان بیشتری می‌برد اما نتایج صیقلی تولید می‌کند

برای جریان‌های کاری تولید ویدیوی تفصیلی، راهنمای تولید ویدیو را ببینید.

مدل‌های GPT-5.1 Codex

GPT-5.1 Codex

GPT-5.1 Codex جدیدترین مدل استدلال پیشرفته است که به طور خاص برای وظایف کدنویسی عاملی، اشکال‌زدایی و جریان‌های کاری برنامه‌نویسی چند مرحله‌ای بهینه شده است. این مدل فقط از طریق اندپوینت v1/responses قابل دسترسی است.

ویژگی	جزئیات
پنجره زمینه	400,000 توکن ورودی، 128,000 توکن خروجی
داده‌های آموزشی	تا 31 می 2024
قیمت‌گذاری ورودی	1.25 دلار / 1 میلیون توکن
قیمت‌گذاری ورودی کش شده	0.125 دلار / 1 میلیون توکن
قیمت‌گذاری خروجی	10.00 دلار / 1 میلیون توکن
نقاط قوت	کدنویسی عاملی برتر، اشکال‌زدایی پیشرفته، جریان‌های کاری عامل خودکار
بهترین برای	تولید کد پیچیده، بازسازی، عوامل برنامه‌نویسی خودکار
مهم	فقط با اندپوینت v1/responses کار می‌کند

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "gpt-5.1-codex",
    "messages": [
        {
            "role": "user",
            "content": "یک پیاده‌سازی کامل TypeScript از یک کش LRU امن برای رشته با پشتیبانی TTL ایجاد کنید.",
        }
    ],
}

response = requests.post(url, headers=headers, json=data)
result = response.json()
print(result["choices"][0]["message"]["content"])

GPT-5.1 Codex Mini

GPT-5.1 Codex Mini نسخه سبک‌وزن است که قابلیت‌های عالی تولید کد را با نقطه قیمت دسترس‌تر ارائه می‌دهد. ایده‌آل برای وظایف عاملی با حجم بالا که کارایی هزینه اهمیت دارد. این مدل فقط از طریق اندپوینت v1/responses قابل دسترسی است.

ویژگی	جزئیات
پنجره زمینه	400,000 توکن ورودی، 128,000 توکن خروجی
داده‌های آموزشی	تا 31 می 2024
قیمت‌گذاری ورودی	0.25 دلار / 1 میلیون توکن
قیمت‌گذاری ورودی کش شده	0.025 دلار / 1 میلیون توکن
قیمت‌گذاری خروجی	2.00 دلار / 1 میلیون توکن
نقاط قوت	کدنویسی مقرون‌به‌صرفه، اجرای سریع، مناسب برای وظایف ساختاریافته
بهترین برای	وظایف کدنویسی با حجم بالا، بررسی‌های خودکار کد، پردازش دسته‌ای
مهم	فقط با اندپوینت v1/responses کار می‌کند

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "gpt-5.1-codex-mini",
    "messages": [
        {
            "role": "user",
            "content": "یک تابع Python برای اعتبارسنجی آدرس‌های ایمیل با استفاده از regex بنویسید.",
        }
    ],
}

response = requests.post(url, headers=headers, json=data)
result = response.json()
print(result["choices"][0]["message"]["content"])

مدل‌های تولید تصویر

محاسبه هزینه gpt-image-2 برای ویرایش تصویر

هنگام ویرایش تصاویر با gpt-image-2 از طریق v1/images/edits، صورتحساب کاملا مبتنی بر توکن است. هیچ هزینه ثابتی برای هر ویرایش وجود ندارد: شما برای توکن‌های متن پرامپت، توکن‌های ورودی تصویر برای هر تصویر مرجعی که آپلود می‌کنید و توکن‌های تصویر خروجی که مدل برمی‌گرداند پرداخت می‌کنید. مقادیر quality و size که درخواست می‌دهید توکن‌های تصویر خروجی را تعیین می‌کنند که معمولا بیشترین سهم را در هزینه ویرایش دارند.

هزینه‌های تقریبی هر تصویر بر اساس کیفیت و رزولوشن

این ارقام تخمین‌های ماشین‌حساب از ابزار محاسبه هزینه تولید تصویر OpenAI هستند، نه نرخ‌های ثابت. هزینه واقعی بسته به پیچیدگی پرامپت، اندازه تصویر و اینکه آیا تصاویر مرجع شامل شده‌اند متفاوت است.

کیفیت	1024x1024 (مربع)	1024x1536 (عمودی)	1536x1024 (افقی)
پایین	~$0.008	~$0.012	~$0.012
متوسط	~$0.032	~$0.048	~$0.048
بالا	~$0.125	~$0.187	~$0.187

این تخمین‌ها فقط توکن‌های تصویر خروجی را پوشش می‌دهند که با نرخ خروجی تصویر gpt-image-2 معادل $30.00 / ۱ میلیون توکن محاسبه می‌شوند. ویرایش‌ها توکن‌های متن پرامپت ($5.00 / ۱ میلیون) و توکن‌های ورودی تصویر برای هر تصویر مرجعی که آپلود می‌کنید ($8.00 / ۱ میلیون، یا $2.00 / ۱ میلیون در حالت کش شده) را نیز اضافه می‌کنند. همیشه برای تخمین دقیق هزینه، از ماشین‌حساب رسمی تولید تصویر OpenAI با پرامپت و تنظیمات خاص خود استفاده کنید.

هر تنظیم کیفیت دقیقا چه چیزی تولید می‌کند

تنظیمات کیفیت صرفا یک درجه‌بندی بین بدتر و بهتر نیستند. هر سطح برای موارد استفاده مشخصی مناسب است و انتخاب سطح درست تاثیر مستقیمی بر هزینه‌های ماهانه دارد:

کیفیت پایین: تولید سریع‌تر با کمترین هزینه. برای پیش‌نویس‌ها، دارایی‌های دیجیتال کوچک و pipelineهای خودکار که کنترل هزینه از جزئیات ظریف مهم‌تر است مناسب است.
کیفیت متوسط: برای بیشتر تولیدات بازاریابی و محتوا مناسب است: تصاویر شبکه‌های اجتماعی، گرافیک‌های تحریریه، mockup محصول و دارایی‌های کمپین. در اکثر زمینه‌ها برای انتشار حرفه‌ای کافی است.
کیفیت بالا: برای دارایی‌های نهایی production طراحی شده که دقت در سطح پیکسل اهمیت دارد: عکاسی محصول شاخص، مواد چاپی با رزولوشن بالا، طراحی بسته‌بندی و mockupهای دقیق UI.

برای الگوهای دقیق کنترل هزینه ویرایش، به تولید تصاویر با GPT Image مراجعه کنید.

gpt-image-1.5

gpt-image-1.5 جدیدترین مدل تولید تصویر OpenAI است که بهبودهای قابل توجهی در واقع‌گرایی، دقت و قابلیت ویرایش نسبت به gpt-image-1 ارائه می‌دهد. این مدل از فوتورئالیسم با وضوح بالا، رندر متن، انتقال سبک و بصری‌های ساختاریافته پیچیده مانند اینفوگرافیک پشتیبانی می‌کند.

ویژگی	جزئیات
اندپوینت‌های پشتیبانی	`v1/images/generations`، `v1/images/edits`
ورودی	متن، تصویر
خروجی	تصویر، متن
گزینه‌های کیفیت	پایین، متوسط، بالا
قیمت ورودی متن	$5.00 / ۱ میلیون توکن
قیمت ورودی کش شده	$2.00 / ۱ میلیون توکن
قیمت خروجی متن	$32.00 / ۱ میلیون توکن
قیمت ورودی تصویر	$8.00 / ۱ میلیون توکن
قیمت خروجی تصویر	$32.00 / ۱ میلیون توکن
نقاط قوت	فوتورئالیسم پیشرفته، رندر متن در تصاویر، انتقال سبک، اینفوگرافیک
بهترین برای	طراحی حرفه‌ای، خلاقیت‌های بازاریابی، اینفوگرافیک، موکاپ محصول

قابلیت‌های کلیدی:

فوتورئالیسم با وضوح بالا با نورپردازی طبیعی، مواد دقیق و رندر رنگ غنی
رندر متن قابل اعتماد با حروف واضح، چیدمان یکپارچه و کنتراست قوی در تصاویر
بصری‌های ساختاریافته پیچیده شامل اینفوگرافیک، نمودارها و ترکیبات چند پنلی
کنترل دقیق سبک و انتقال سبک با حداقل پرامپت
حفظ قوی چهره و هویت برای ویرایش و گردش‌های کاری چند مرحله‌ای

python

# تولید تصویر
response = client.images.generate(
    model="gpt-image-1.5",
    prompt="A detailed infographic explaining how a coffee machine works, with labeled components and flow diagram",
    size="1024x1024",
    quality="high",
    n=1,
    response_format="b64_json",
)

# ویرایش تصویر
with open("input_image.png", "rb") as image_file:
    response = client.images.edit(
        model="gpt-image-1.5",
        image=image_file,
        prompt="Make it look like a winter evening with snowfall",
        size="1024x1024",
    )

gpt-image-1

gpt-image-1 مدل تولید تصویر OpenAI است که قابلیت‌های پیشرفته‌ای برای ایجاد تصاویر با کیفیت بالا و دقت بیشتر در پیروی از پرامپت‌ها ارائه می‌دهد.

ویژگی	جزئیات
اندازه‌ها	1024x1024, 1024x1792, 1792x1024
گزینه‌های کیفیت	استاندارد، HD
گزینه‌های سبک	متنوع با کنترل بیشتر
قیمت‌گذاری	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
نقاط قوت	دقت بالاتر در پیروی از پرامپت، جزئیات بهتر، کیفیت تصویر پیشرفته
بهترین برای	تصاویر با جزئیات پیچیده، طرح‌های هنری دقیق، تصویرسازی مفاهیم انتزاعی

python

response = client.images.generate(
    model="gpt-image-1",
    prompt="یک نقاشی سبک آبرنگ از یک جنگل پاییزی با برگ‌های قرمز و نارنجی، با جزئیات دقیق از نور خورشید که از میان شاخه‌ها می‌تابد",
    size="1024x1024",
    quality="hd",
    n=1,
    response_format="url",  # or b64_json
)

gpt-image-1-mini

gpt-image-1-mini نسخه مقرون به صرفه‌ای از GPT-Image-1 است که تولید تصویر سریع‌تر و مقرون به صرفه‌تر را با حفظ کیفیت بالا و خروجی واقع‌گرایانه ارائه می‌دهد. برای کاربران سطح 3، 4 و 5 در دسترس است.

ویژگی	جزئیات
اندازه‌ها	1024x1024, 1024x1536, 1536x1024
گزینه‌های کیفیت	پایین، متوسط، بالا
قیمت‌گذاری	$0.011 / تصویر (پایین 1024x1024)، $0.042 / تصویر (متوسط 1024x1024)، $0.036 / تصویر (بالا 1024x1024)
قیمت توکن	ورودی: $5.00/1M، کش شده: $1.25/1M، خروجی: $40.00/1M
نقاط قوت	مقرون به صرفه، تولید سریع، تصاویر واقع‌گرایانه، پیروی قوی از پرامپت
بهترین برای	تولید تصویر با حجم بالا، نمونه‌سازی اولیه، برنامه‌های حساس به هزینه
دسترسی	کاربران سطح 3، 4، 5

python

response = client.images.generate(
    model="gpt-image-1-mini",
    prompt="تصویر واقع‌گرایانه از منظره کوهستانی با دریاچه‌ای که غروب آفتاب را منعکس می‌کند",
    size="1024x1024",
    quality="high",
    n=1,
    response_format="url",  # or b64_json
)

مدل‌های Embedding (تعبیه‌سازی)

text-embedding-3-large

توانمندترین مدل embedding OpenAI برای وظایفی که نیاز به درک دقیق دارند.

ویژگی	جزئیات
ابعاد	۳۰۷۲ (پیش‌فرض) یا قابل تنظیم
حداکثر توکن ورودی	۸۱۹۱
قیمت‌گذاری	۰.۱۳ دلار / ۱ میلیون توکن
نقاط قوت	embeddingهای با کیفیت بالا برای جستجوی معنایی، خوشه‌بندی، طبقه‌بندی
بهترین برای	برنامه‌هایی که به حداکثر دقت در شباهت و درک متن نیاز دارند

python

response = client.embeddings.create(
    model="text-embedding-3-large",
    input="غذا خوشمزه بود و سرویس عالی بود.",
)

text-embedding-3-small

یک مدل embedding بسیار کارآمد که تعادل عالی بین عملکرد و هزینه ارائه می‌دهد.

ویژگی	جزئیات
ابعاد	۱۵۳۶ (پیش‌فرض) یا قابل تنظیم
حداکثر توکن ورودی	۸۱۹۱

GPT-4o Transcribe و GPT-4o mini Transcribe

نسخه‌های تخصصی GPT-4o و GPT-4o mini که برای وظایف رونویسی گفتار به متن با دقت بالا تنظیم دقیق شده‌اند. این مدل‌ها به طور بالقوه دقت یا کارایی بهبود یافته‌ای نسبت به مدل عمومی Whisper برای رونویسی ارائه می‌دهند.

ویژگی	جزئیات (برای هر دو اعمال می‌شود مگر اینکه ذکر شده باشد)
فرمت‌های ورودی	mp3, mp4, mpeg, mpga, m4a, wav, webm
حداکثر حجم فایل	(جزئیات ارائه دهنده را بررسی کنید - احتمالا مشابه Whisper)
قیمت‌گذاری	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
حداکثر درخواست/دقیقه	۵۰۰.۰
حداکثر توکن/دقیقه	۲۰۰٬۰۰۰.۰
نقاط قوت	بهینه‌شده برای دقت و/یا کارایی رونویسی
بهترین برای	نیازهای رونویسی با کیفیت بالا، تاخیر/هزینه بالقوه کمتر از Whisper
شناسه‌های مدل	`gpt-4o-transcribe`, `gpt-4o-mini-transcribe`

python

# مثال استفاده از GPT-4o Transcribe
with open("meeting_audio.mp3", "rb") as audio_file:
    transcription = client.audio.transcriptions.create(
        model="gpt-4o-transcribe",  # یا gpt-4o-mini-transcribe
        file=audio_file,
        # پارامترهای اضافی مانند زبان ممکن است پشتیبانی شوند
    )

# مثال استفاده از GPT-4o Mini Transcribe
with open("short_clip.wav", "rb") as audio_file:
    transcription = client.audio.transcriptions.create(
        model="gpt-4o-mini-transcribe",
        file=audio_file,
    )

GPT-4o Transcribe Diarize

نسخه بهبود یافته gpt-4o-transcribe با قابلیت‌های پیشرفته شناسایی گوینده که شناسایی دقیق و جداسازی چندین گوینده در ضبط‌های صوتی را امکان‌پذیر می‌سازد.

ویژگی	جزئیات
فرمت‌های ورودی	mp3, mp4, mpeg, mpga, m4a, wav, webm
حداکثر حجم فایل	(جزئیات ارائه دهنده را بررسی کنید - احتمالا مشابه Whisper)
قیمت‌گذاری ورودی متنی	۲.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی صوتی	۶.۰۰ دلار / ۱ میلیون توکن
قیمت‌گذاری ورودی کش شده	۱.۵۰ دلار / ۱ میلیون توکن
قیمت‌گذاری خروجی	۱۰.۰۰ دلار / ۱ میلیون توکن
حداکثر درخواست/دقیقه	۵۰۰.۰
حداکثر توکن/دقیقه	۲۰۰٬۰۰۰.۰
نقاط قوت	شناسایی گوینده، رونویسی سریع (حدود ۱۵ ثانیه برای ۱۰ دقیقه صدا)، 100+ زبان
بهترین برای	رونویسی جلسات، تحلیل مصاحبه، محتوای چند گوینده، تماس‌های خدمات مشتری
شناسه مدل	`gpt-4o-transcribe-diarize`

توجه

این مدل همان قیمت‌گذاری gpt-4o-transcribe را ارائه می‌دهد در حالی که قابلیت‌های بهبود یافته شناسایی گوینده را از طریق فرمت پاسخ verbose_json فراهم می‌کند.

python

# مثال استفاده از GPT-4o Transcribe Diarize با شناسایی گوینده
with open("meeting_audio.mp3", "rb") as audio_file:
    transcription = client.audio.transcriptions.create(
        model="gpt-4o-transcribe-diarize",
        file=audio_file,
        response_format="verbose_json",  # الزامی برای شناسایی گوینده
    )

# دسترسی به اطلاعات گوینده از بخش‌ها
for segment in transcription.segments:
    print(f"{segment.speaker}: {segment.text}")
    # نمونه خروجی:
    # SPEAKER_1: سلام، به جلسه خوش آمدید.
    # SPEAKER_2: ممنون، خوشحالم که اینجا هستم.

موارد استفاده:

تحلیل جلسات: رونویسی خودکار و نسبت دادن مشارکت‌های گوینده برای خلاصه جلسات
خدمات مشتری: تحلیل تعاملات مشتری-نماینده با انتساب دقیق گوینده
تولید محتوا: رونویسی مصاحبه‌ها و پادکست‌ها با برچسب‌های گوینده برای پس از تولید
نظارت بر انطباق: پیگیری مشارکت فردی و زمان صحبت در مکالمات ضبط شده

python

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="غذا خوشمزه بود و سرویس عالی بود.",
)

text-embedding-ada-002

مدل embedding قدیمی، عمدتا برای سازگاری با سیستم‌های قبلی. text-embedding-3-small برای برنامه‌های جدید توصیه می‌شود.

ویژگی	جزئیات
ابعاد	۱۵۳۶
حداکثر توکن ورودی	۸۱۹۱
قیمت‌گذاری	۰.۱۰ دلار / ۱ میلیون توکن
نقاط قوت	عملکرد ثابت برای سیستم‌های قدیمی
بهترین برای	حفظ سازگاری با سیستم‌های ساخته شده بر روی `ada-002`

python

response = client.embeddings.create(
    model="text-embedding-ada-002",
    input="غذا خوشمزه بود و سرویس عالی بود.",
)

مدل‌های صوتی

GPT-Audio-1.5

GPT-Audio-1.5 بهترین مدل صوتی OpenAI است که برای تولید گفتار طبیعی با کیفیت بالا و درک صوتی پیشرفته طراحی شده است.

ویژگی	جزئیات
پنجره زمینه	256,000 توکن
حداکثر توکن خروجی	32,768 توکن
داده‌های آموزشی	تا 1 فوریه 2026
قیمت ورودی متنی	$2.50 / 1M توکن
قیمت ورودی کش‌شده	$1.25 / 1M توکن
قیمت خروجی متنی	$10.00 / 1M توکن
قیمت ورودی صوتی	$32.00 / 1M توکن
قیمت خروجی صوتی	$64.00 / 1M توکن
نقاط قوت	پردازش صوتی بومی پیشرفته، مکالمات چندوجهی با کیفیت بالا، فراخوانی تابع
بهترین کاربرد	دستیارهای صوتی پرمیوم، تولید محتوای صوتی، تعاملات مبتنی بر صدا
شناسه‌های مدل	`gpt-audio-1.5`, `gpt-audio-1.5-2026-02-15`

ویژگی‌های کلیدی:

کیفیت صوتی برتر: تولید گفتار با بالاترین کیفیت و طبیعی‌ترین صدا
درک صوتی پیشرفته: پردازش ورودی صوتی با دقت و درک بالا
پنجره زمینه گسترده: ۲۵۶ هزار توکن برای مکالمات طولانی
صداهای متنوع: پشتیبانی از صداهای مختلف برای انعطاف‌پذیری بیشتر

python

response = client.chat.completions.create(
    model="gpt-audio-1.5",
    messages=[{"role": "user", "content": "درباره هوش مصنوعی برایم بگو."}],
    modalities=["text", "audio"],
    audio={"format": "mp3", "voice": "nova"},
)

# دسترسی به داده‌های صوتی
audio_data = response.choices[0].message.audio.data
transcript = response.choices[0].message.audio.transcript

نسخه معادل Responses API

برای مسیر مهاجرت متنی مبتنی بر /v1/responses از gpt-audio استفاده کنید، چون gpt-audio-1.5 در این صفحه به‌عنوان مدل صوتی Chat Completions مستند شده است.

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-audio",
    input="درباره هوش مصنوعی برایم بگو.",
)

print(response.output_text)

messages → input
choices[0].message.content → response.output_text
اگر مدل هدف فقط /v1/chat/completions دارد، برای خروجی صوتی همان Chat Completions را نگه دارید.

GPT Audio

GPT Audio اولین مدل صوتی عمومی OpenAI برای برنامه‌های هوش مصنوعی مکالمه‌ای است. این مدل از ورودی و خروجی صوتی و متنی از طریق Chat Completions API پشتیبانی می‌کند.

ویژگی	جزئیات
پنجره زمینه	128,000 توکن
حداکثر توکن خروجی	16,384 توکن
داده‌های آموزشی	تا 1 اکتبر 2023
قیمت ورودی متنی	$2.50 / 1M توکن
قیمت ورودی کش‌شده	$1.25 / 1M توکن
قیمت خروجی متنی	$10.00 / 1M توکن
قیمت ورودی صوتی	$32.00 / 1M توکن
قیمت خروجی صوتی	$64.00 / 1M توکن
نقاط قوت	پردازش صوتی بومی، مکالمات چندوجهی، فراخوانی تابع
بهترین کاربرد	دستیارهای صوتی، برنامه‌های مکالمه‌ای، تعاملات مبتنی بر صدا
شناسه‌های مدل	`gpt-audio`, `gpt-audio-2025-08-28`

python

response = client.chat.completions.create(
    model="gpt-audio",
    messages=[{"role": "user", "content": "درباره هوش مصنوعی برایم بگو."}],
    modalities=["text", "audio"],
    audio={"format": "mp3", "voice": "nova"},
)

# دسترسی به داده‌های صوتی
audio_data = response.choices[0].message.audio.data
transcript = response.choices[0].message.audio.transcript

نسخه معادل Responses API

این نسخه همان پرامپت را از مسیر /v1/responses اجرا می‌کند.

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-audio",
    input="درباره هوش مصنوعی برایم بگو.",
)

print(response.output_text)

messages → input
choices[0].message.content → response.output_text
برای آیتم‌های غیرمتنی، response.output را بررسی کنید.

GPT Audio Mini

GPT Audio Mini نسخه مقرون به صرفه GPT Audio است که برای برنامه‌های پردازش صوتی با حجم بالا ایده‌آل است.

ویژگی	جزئیات
پنجره زمینه	128,000 توکن
حداکثر توکن خروجی	16,384 توکن
داده‌های آموزشی	تا 1 اکتبر 2023
قیمت ورودی متنی	$0.60 / 1M توکن
قیمت ورودی کش‌شده	$0.30 / 1M توکن
قیمت خروجی متنی	$2.40 / 1M توکن
قیمت ورودی صوتی	$10.00 / 1M توکن
قیمت خروجی صوتی	$20.00 / 1M توکن
نقاط قوت	پردازش صوتی مقرون به صرفه، چندوجهی، فراخوانی تابع
بهترین کاربرد	برنامه‌های صوتی با حجم بالا، تعاملات صوتی حساس به هزینه
شناسه‌های مدل	`gpt-audio-mini`, `gpt-audio-mini-2025-10-06`

python

response = client.chat.completions.create(
    model="gpt-audio-mini",
    messages=[{"role": "user", "content": "یادگیری ماشین چیست؟"}],
    modalities=["text", "audio"],
    audio={"format": "mp3", "voice": "alloy"},
)

نسخه معادل Responses API

این نسخه همان پرامپت را از مسیر /v1/responses اجرا می‌کند.

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-audio-mini",
    input="یادگیری ماشین چیست؟",
)

print(response.output_text)

messages → input
choices[0].message.content → response.output_text
برای آیتم‌های غیرمتنی، response.output را بررسی کنید.

مدل‌های صوتی قدیمی:

برای سازگاری با نسخه‌های قبلی، مدل‌های پیش‌نمایش زیر همچنان در دسترس هستند:

gpt-4o-audio-preview
gpt-4o-mini-audio-preview

پشتیبانی از فرمت‌های صوتی:

فرمت‌های خروجی: mp3, wav, pcm16, opus, aac, flac
گزینه‌های صدا: alloy, echo, fable, onyx, nova, shimmer

Whisper

Whisper یک مدل تشخیص گفتار همه‌منظوره برای رونویسی و ترجمه است.

ویژگی	جزئیات
فرمت‌های ورودی	mp3, mp4, mpeg, mpga, m4a, wav, webm
حداکثر حجم فایل	۲۵ مگابایت
قیمت‌گذاری	۰.۰۰۶ دلار / دقیقه (گرد شده به نزدیک‌ترین ثانیه)
نقاط قوت	رونویسی دقیق و ترجمه در بسیاری از زبان‌ها
بهترین برای	رونویسی جلسات، مصاحبه‌ها، یادداشت‌های صوتی؛ ترجمه محتوای گفتاری

python

with open("audio.mp3", "rb") as audio_file:
    transcription = client.audio.transcriptions.create(
        model="whisper-1", file=audio_file
    )

TTS (تبدیل متن به گفتار)

مدل‌های TTS متن را به گفتار انسانی با صدای طبیعی تبدیل می‌کنند.

ویژگی	جزئیات
مدل‌ها	`tts-1` (بهینه‌شده برای بلادرنگ)، `tts-1-hd` (بهینه‌شده برای کیفیت)
صداها	alloy, echo, fable, onyx, nova, shimmer
قیمت‌گذاری	۱۵.۰۰ دلار / ۱ میلیون کاراکتر (TTS)، ۳۰.۰۰ دلار / ۱ میلیون کاراکتر (TTS HD)
نقاط قوت	سنتز گفتار با صدای طبیعی و کیفیت بالا
بهترین برای	تولید صدا برای برنامه‌ها، ابزارهای دسترسی‌پذیری، تولید محتوا

python

response = client.audio.speech.create(
    model="tts-1",
    voice="nova",
    input="سلام دنیا! این یک مدل تبدیل متن به گفتار است که صحبت می‌کند.",
)

GPT-4o mini TTS

GPT-4o mini TTS یک مدل تخصصی تبدیل متن به گفتار است که از قابلیت‌های GPT-4o mini برای تولید گفتار طبیعی با کیفیت بالا استفاده می‌کند.

ویژگی	جزئیات
صداها	متنوع (مشابه TTS استاندارد)
قیمت‌گذاری	(جزئیات ارائه دهنده را از طریق AvalAI بررسی کنید)
نقاط قوت	پردازش سریع، کیفیت صدای طبیعی، تلفظ دقیق
بهترین برای	برنامه‌های با حجم بالا که نیاز به تبدیل متن به گفتار دارند

python

response = client.audio.speech.create(
    model="gpt-4o-mini-tts",
    voice="nova",
    input="سلام! این نمونه‌ای از تبدیل متن به گفتار با استفاده از GPT-4o mini TTS است.",
)

قابلیت‌های جستجوی وب

مدل‌های OpenAI از قابلیت‌های پیشرفته جستجوی وب پشتیبانی می‌کنند که به آن‌ها امکان دسترسی به اطلاعات به‌روز از اینترنت و ارائه پاسخ‌ها با استنادات منبع‌دار را می‌دهد. جستجوی وب از طریق API پاسخ‌ها با استفاده از ابزار web_search در دسترس است.

انواع جستجوی وب

سه نوع اصلی جستجوی وب با مدل‌های OpenAI در دسترس است:

جستجوی وب غیراستدلالی: مدل پرس‌وجوی کاربر را به ابزار جستجوی وب ارسال می‌کند که پاسخ را بر اساس نتایج برتر برمی‌گرداند. هیچ برنامه‌ریزی داخلی وجود ندارد و مدل به سادگی پاسخ‌های ابزار جستجو را منتقل می‌کند. این روش سریع است و برای جستجوهای سریع ایده‌آل است.
جستجوی عاملی با مدل‌های استدلالی: مدل فرآیند جستجو را به طور فعال مدیریت می‌کند. می‌تواند جستجوهای وب را به عنوان بخشی از زنجیره تفکر خود انجام دهد، نتایج را تحلیل کند و تصمیم بگیرد که آیا به جستجو ادامه دهد یا نه. این انعطاف‌پذیری جستجوی عاملی را برای گردش‌های کاری پیچیده مناسب می‌کند، اما جستجوها بیشتر از جستجوهای سریع طول می‌کشند.
تحقیق عمیق: روشی تخصصی و عامل‌محور برای بررسی‌های عمیق و گسترده توسط مدل‌های استدلالی. مدل جستجوهای وب را به عنوان بخشی از زنجیره تفکر خود انجام می‌دهد و اغلب از صدها منبع استفاده می‌کند. تحقیق عمیق می‌تواند چندین دقیقه طول بکشد و بهتر است با حالت پس‌زمینه استفاده شود.

پیکربندی ابزار جستجوی وب

جستجوی وب پایه

python

import requests

url = "https://api.avalai.ir/v1/responses"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $AVALAI_API_KEY",
}

data = {
    "model": "gpt-5",
    "tools": [{"type": "web_search"}],
    "input": "یک خبر مثبت از امروز چه بود؟",
}

response = requests.post(url, headers=headers, json=data)

فیلتر کردن دامنه

فیلتر کردن دامنه به شما امکان محدود کردن نتایج به مجموعه خاصی از دامنه‌ها را می‌دهد. می‌توانید فهرست مجاز تا ۲۰ URL تنظیم کنید:

python

data = {
    "model": "gpt-5",
    "tools": [
        {
            "type": "web_search",
            "filters": {
                "allowed_domains": [
                    "pubmed.ncbi.nlm.nih.gov",
                    "clinicaltrials.gov",
                    "www.who.int",
                    "www.cdc.gov",
                    "www.fda.gov",
                ]
            },
        }
    ],
    "input": "لطفا در مورد نحوه استفاده از سماگلوتاید در درمان دیابت جستجوی وب انجام دهید.",
}

موقعیت کاربر

برای بهبود نتایج جستجو بر اساس جغرافیا، می‌توانید موقعیت تقریبی کاربر را مشخص کنید:

python

data = {
    "model": "o4-mini",
    "tools": [
        {
            "type": "web_search",
            "user_location": {
                "type": "approximate",
                "country": "GB",
                "city": "London",
                "region": "London",
                "timezone": "Europe/London",
            },
        }
    ],
    "input": "بهترین رستوران‌های اطراف میدان گرانری کدامند؟",
}

فیلد منابع

برای مشاهده تمام URL های بازیابی شده در طول جستجوی وب، از فیلد sources استفاده کنید:

python

data = {
    "model": "gpt-5",
    "reasoning": {"effort": "low"},
    "tools": [
        {
            "type": "web_search",
            "filters": {
                "allowed_domains": [
                    "pubmed.ncbi.nlm.nih.gov",
                    "clinicaltrials.gov",
                    "www.who.int",
                ]
            },
        }
    ],
    "tool_choice": "auto",
    "include": ["web_search_call.action.sources"],
    "input": "لطفا در مورد نحوه استفاده از سماگلوتاید در درمان دیابت جستجوی وب انجام دهید.",
}

فرمت پاسخ و استنادات

پاسخ‌های مدل که از ابزار جستجوی وب استفاده می‌کنند شامل دو بخش هستند:

یک آیتم خروجی web_search_call با شناسه تماس جستجو، همراه با اقدام انجام شده در web_search_call.action. اقدام یکی از موارد زیر است:
- search: نشان‌دهنده جستجوی وب با پرس‌وجو و دامنه‌های جستجو شده
- open_page: نشان‌دهنده باز شدن صفحه (پشتیبانی شده در مدل‌های استدلالی)
- find_in_page: نشان‌دهنده جستجو در داخل صفحه (پشتیبانی شده در مدل‌های استدلالی)
یک آیتم خروجی message شامل:
- نتیجه متنی در message.content[0].text
- حاشیه‌نویسی‌ها message.content[0].annotations برای URL های استناد شده

مثال ساختار پاسخ

json

[
  {
    "type": "web_search_call",
    "id": "ws_67c9fa0502748190b7dd390736892e100be649c1a5ff9609",
    "status": "completed"
  },
  {
    "id": "msg_67c9fa077e288190af08fdffda2e34f20be649c1a5ff9609",
    "type": "message",
    "status": "completed",
    "role": "assistant",
    "content": [
      {
        "type": "output_text",
        "text": "در ۶ مارس ۲۰۲۵، چندین خبر...",
        "annotations": [
          {
            "type": "url_citation",
            "start_index": 2606,
            "end_index": 2758,
            "url": "https://...",

            "title": "عنوان..."
          }
        ]
      }
    ]
  }
]

سازگاری API

جستجوی وب در API پاسخ‌ها به عنوان:

web_search: نسخه عمومی در دسترس ابزار
web_search_preview: نسخه قبلی ابزار

برای استفاده از جستجوی وب در API تکمیل چت، از مدل‌های تخصصی جستجوی وب استفاده کنید:

gpt-4o-search-preview
gpt-4o-mini-search-preview

محدودیت‌ها

جستجوی وب در حال حاضر در gpt-5 با استدلال حداقل و gpt-4.1-nano پشتیبانی نمی‌شود
هنگام استفاده به عنوان ابزار در API پاسخ‌ها، جستجوی وب محدودیت‌های نرخ طبقه‌بندی شده مشابه مدل‌های زیرین دارد
جستجوی وب به اندازه پنجره زمینه ۱۲۸٬۰۰۰ توکن محدود است (حتی با مدل‌های gpt-4.1 و gpt-4.1-mini)
موقعیت کاربر برای مدل‌های تحقیق عمیق که از جستجوی وب استفاده می‌کنند پشتیبانی نمی‌شود

مدل‌های نظارت (Moderation)

text-moderation-latest / omni-moderation-latest

مدل‌های رایگان برای شناسایی محتوای بالقوه مضر یا ناقض خط‌مشی در متن. omni-moderation جدیدترین نسخه است.

ویژگی	جزئیات
دسته‌بندی‌ها	دسته‌بندی‌های مختلف از جمله نفرت‌پراکنی، آسیب به خود، محتوای جنسی، خشونت
قیمت‌گذاری	رایگان
نقاط قوت	تشخیص سریع و قابل اعتماد محتوای مشکل‌ساز
بهترین برای	فیلتر کردن محتوا، اجرای سیاست‌های استفاده، حفظ محیط‌های آنلاین امن

python

response = client.moderations.create(
    model="omni-moderation-latest",  # یا text-moderation-latest
    input="متن نمونه برای بررسی محتوای مضر.",
)

راهنمای انتخاب مدل

انتخاب مدل مناسب

نوع وظیفه: وظیفه اصلی را شناسایی کنید (چت، استدلال، تولید تصویر، embedding، صوتی، نظارت).
پیچیدگی و کیفیت: وظایف پیچیده‌تر یا نیازمند بالاترین کیفیت از مدل‌های GPT-5-chat، GPT-4o یا O1 بهره می‌برند.
سرعت و هزینه: برای حجم بالا، تاخیر کم یا وظایف حساس به هزینه، GPT-4o mini، GPT-5 mini یا O4 mini گزینه‌های قوی هستند.
چندوجهی: اگر به ورودی/خروجی بینایی یا صوتی نیاز است، مدل‌هایی مانند GPT-4o، GPT-4o mini یا مدل‌های صوتی تخصصی را انتخاب کنید.
طول زمینه: میزان اطلاعات ورودی که مدل باید پردازش کند را در نظر بگیرید (اکثر مدل‌های مدرن از ۱۲۸ هزار توکن یا بیشتر پشتیبانی می‌کنند).

مقایسه عملکرد (راهنمای کلی)

وظیفه	مدل‌های OpenAI پیشنهادی	مدل‌های جایگزین (سایر ارائه‌دهندگان)
استدلال پیچیده / تحقیق	GPT-5, O3, O4 mini, GPT-4o	Claude 4.1 Opus, Gemini 2.5 Pro
چت عمومی / تولید محتوا	GPT-5-chat, GPT-5 mini	Claude 4/3.7 Sonnet, Gemini 2.5 Flash
تولید / تحلیل کد	GPT-5-chat, GPT-4.1	Claude 4/3.7 Sonnet, Gemini 2.5 Pro
حجم بالا / تاخیر کم	GPT-5 mini, GPT-4.1 mini	Claude 3.7 Sonnet, Gemini 2.5/2.0 Flash
وظایف بینایی / چندوجهی	GPT-5 Chat, GPT-4.1, GPT-5 mini	سری Claude 4, مدل‌های Gemini
تولید تصویر	DALL·E 3	Stable Diffusion 3, Midjourney
Embedding (متعادل)	text-embedding-3-small	Cohere Embed v3
Embedding (بالاترین کیفیت)	text-embedding-3-large	-
رونویسی صوتی	Whisper	مدل‌های Gemini, Claude 4 Sonnet

استفاده از مدل‌های OpenAI از طریق AvalAI

تمام مدل‌های OpenAI از طریق نقاط پایانی استاندارد API AvalAI با استفاده از کتابخانه‌های کلاینت سازگار با OpenAI قابل دسترسی هستند:

python

from openai import OpenAI

client = OpenAI(
    api_key="your-avalai-api-key",  # با کلید واقعی خود جایگزین کنید
    base_url="https://api.avalai.ir/v1",  # آدرس پایه
)

# مثال: استفاده از GPT-4o mini
response = client.chat.completions.create(
    model="gpt-4o-mini", messages=[{"role": "user", "content": "سلام!"}]
)

# مثال: تولید تصویر با gpt-image-2
image_response = client.images.generate(
    model="gpt-image-2",
    prompt="گربه بامزه‌ای که کلاه جادوگری بر سر دارد",
    n=1,
    size="1024x1024",
)

نسخه معادل Responses API

برای مدل‌های متنی، استدلالی و ابزارمحور OpenAI از Responses استفاده کنید و برای تولید مستقیم تصویر، Images API را نگه دارید.

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-5.5",
    input="سلام!",
)

print(response.output_text)

chat.completions.create(...) → responses.create(...)
messages → input
choices[0].message.content → response.output_text

نسخه‌بندی مدل

OpenAI به طور مکرر مدل‌ها را به‌روز می‌کند. AvalAI با استفاده از نام‌های مستعار عمومی (مثلا gpt-4o) و اسنپ‌شات‌های نسخه خاص (مثلا gpt-4o-2024-08-06) دسترسی را فراهم می‌کند. استفاده از اسنپ‌شات‌ها پایداری را برای برنامه شما تضمین می‌کند.

نام‌های مستعار آخرین نسخه: gpt-5, gpt-5-mini, gpt-5-nano, gpt-5-chat-latest, o1-pro, o3, o4-mini, gpt-4.1, gpt-4o, gpt-4o-mini, o1, o1-mini, dall-e-3, text-embedding-3-large, text-embedding-3-small, whisper-1, tts-1, omni-moderation-latest
اسنپ‌شات‌های خاص: به عنوان مثال gpt-5-2025-08-07, gpt-5-mini-2025-08-07, gpt-5-nano-2025-08-07, o1-pro-2025-03-19, o3-2025-04-16, gpt-4.1-2025-04-14, gpt-4o-2024-08-06, gpt-4o-mini-2024-07-18, o1-2024-12-17

برای لیست کامل اسنپ‌شات‌ها و نام‌های مستعار موجود، صفحه جزئیات مدل را بررسی کنید.

مدل‌های OpenAI ​

مدل‌های چت، استدلال و چندوجهی ​

خانواده GPT-5.6 ​

GPT-5.5 ​

GPT-5.4 Pro ​

GPT-5.4 ​

GPT-5.4 Mini ​

GPT-5.4 Nano ​

GPT-5.3 Chat ​

GPT-5.2 Pro ​

GPT-5.2 ​

GPT-5.3-Codex ​

GPT-5.2-Codex ​

GPT-5 Pro ​

GPT-5.1 ​

GPT-5.1 Chat ​

GPT-5 ​

GPT-5 Mini ​

GPT-5 Nano ​

GPT-5 Chat ​

GPT-5 Codex ​

GPT-5.1-Codex-Max ​

o3-pro ​

o3-deep-research ​

جستجوی وب با فیلتر دامنه ​

o3 ​

o4-mini-deep-research ​

جستجوی وب با موقعیت کاربر ​

o4-mini ​

GPT-4.5 Preview - منسوخ شده ​

GPT-4o ​

GPT-4o Search Preview ​

GPT-4o mini ​

GPT-4o mini Search Preview ​

O1 ​

O1 mini ​

GPT-4.1 ​

GPT-4.1-mini ​

GPT-4.1-nano ​

GPT-4 Turbo ​

GPT-3.5 Turbo ​

مدل‌های متن‌باز ​

GPT-OSS-120B ​

GPT-OSS-120B (AWS Bedrock) ​

GPT-OSS-20B ​

ویژگی‌های کلیدی مدل‌های متن‌باز ​

مدل‌های تولید ویدیو ​

Sora 2 ​

Sora 2 Pro ​

مدل‌های GPT-5.1 Codex ​

GPT-5.1 Codex ​

GPT-5.1 Codex Mini ​

مدل‌های تولید تصویر ​

محاسبه هزینه gpt-image-2 برای ویرایش تصویر ​

gpt-image-1.5 ​

gpt-image-1 ​

gpt-image-1-mini ​

مدل‌های Embedding (تعبیه‌سازی) ​

text-embedding-3-large ​

text-embedding-3-small ​

GPT-4o Transcribe و GPT-4o mini Transcribe ​

GPT-4o Transcribe Diarize ​

text-embedding-ada-002 ​

مدل‌های صوتی ​

GPT-Audio-1.5 ​

GPT Audio ​

GPT Audio Mini ​

Whisper ​

TTS (تبدیل متن به گفتار) ​

GPT-4o mini TTS ​

قابلیت‌های جستجوی وب ​

انواع جستجوی وب ​

پیکربندی ابزار جستجوی وب ​

جستجوی وب پایه ​

فیلتر کردن دامنه ​

موقعیت کاربر ​

فیلد منابع ​

فرمت پاسخ و استنادات ​

مثال ساختار پاسخ ​

سازگاری API ​

مدل‌های OpenAI

مدل‌های چت، استدلال و چندوجهی

خانواده GPT-5.6

GPT-5.5

GPT-5.4 Pro

GPT-5.4

GPT-5.4 Mini

GPT-5.4 Nano

GPT-5.3 Chat

GPT-5.2 Pro

GPT-5.2

GPT-5.3-Codex

GPT-5.2-Codex

GPT-5 Pro

GPT-5.1

GPT-5.1 Chat

GPT-5

GPT-5 Mini

GPT-5 Nano

GPT-5 Chat

GPT-5 Codex

GPT-5.1-Codex-Max

o3-pro

o3-deep-research

جستجوی وب با فیلتر دامنه

o3

o4-mini-deep-research

جستجوی وب با موقعیت کاربر

o4-mini

GPT-4.5 Preview - منسوخ شده

GPT-4o

GPT-4o Search Preview

GPT-4o mini

GPT-4o mini Search Preview

O1

O1 mini

GPT-4.1

GPT-4.1-mini

GPT-4.1-nano

GPT-4 Turbo

GPT-3.5 Turbo

مدل‌های متن‌باز

GPT-OSS-120B

GPT-OSS-120B (AWS Bedrock)

GPT-OSS-20B

ویژگی‌های کلیدی مدل‌های متن‌باز

مدل‌های تولید ویدیو

Sora 2

Sora 2 Pro

مدل‌های GPT-5.1 Codex

GPT-5.1 Codex

GPT-5.1 Codex Mini

مدل‌های تولید تصویر

محاسبه هزینه gpt-image-2 برای ویرایش تصویر

gpt-image-1.5

gpt-image-1

gpt-image-1-mini

مدل‌های Embedding (تعبیه‌سازی)

text-embedding-3-large

text-embedding-3-small

GPT-4o Transcribe و GPT-4o mini Transcribe

GPT-4o Transcribe Diarize

text-embedding-ada-002

مدل‌های صوتی

GPT-Audio-1.5

GPT Audio

GPT Audio Mini

Whisper

TTS (تبدیل متن به گفتار)

GPT-4o mini TTS

قابلیت‌های جستجوی وب

انواع جستجوی وب

پیکربندی ابزار جستجوی وب

جستجوی وب پایه

فیلتر کردن دامنه

موقعیت کاربر

فیلد منابع

فرمت پاسخ و استنادات

مثال ساختار پاسخ

سازگاری API