خرید API OpenAI

ChatGPT و OpenAI API دو محصول متفاوت با محاسبه هزینه جداگانه هستن.

اشتراک ChatGPT Plus، Pro یا Business برای استفاده از ChatGPT و امکانات همان محصول است. داشتن ChatGPT Pro به این معنی نیست که موجودی یا توکن رایگان برای OpenAI API دریافت می‌کنی.

در مقابل، API برای استفاده Programmatic طراحی شده است. برنامه درخواست رو ارسال می‌کنه و هزینه بر اساس مصرف همان درخواست محاسبه می‌شه.

بنابراین اگر فقط می‌خوای با GPT گفتگو کنی، ChatGPT معمولاً انتخاب ساده‌تری است. اما اگر می‌خوای GPT رو وارد وب‌سایت، برنامه، n8n روند کار، بخش سرور یا محصول خودت کنی، به API نیاز داری.

قیمت API OpenAI برای مدل‌های GPT بر اساس توکن محاسبه می‌شه. اعداد زیر مربوط به Standard پردازش فعلی و برای هر یک میلیون توکن هستن. برای مشاهده جدیدترین قیمت مدل‌ها و سرویس‌های API می‌تونی صفحه رسمی OpenAI API و قیمت‌گذاری رو بررسی کنی.

قیمت فعلی مدل استدلالی GPT شامل Promotion موقت OpenAI است و OpenAI اعلام کرده این نرخ حداقل تا 21 نوامبر 2026 برقرار خواهد بود. بنابراین برای استفاده عملی طولانی‌مدت بهتره قیمت‌گذاری رسمی رو دوره‌ای بررسی کنی.

زمینه بزرگ مدل‌های GPT برای سند و مخزن کد‌های طولانی بسیار کاربردی است، اما استفاده از زمینه بسیار بزرگ قیمت‌گذاری متفاوتی داره.

در درخواست‌هایی که ورودی آن‌ها از حدود 272K توکن عبور کنه، نرخ فعلی مدل‌های GPT برای کل درخواست افزایش پیدا می‌کنه:

• ورودی تقریباً 2 برابر
• خروجی تقریباً 1.5 برابر

بنابراین داشتن 1.05M زمینه به این معنی نیست که همیشه باید تمام اطلاعات پروژه رو داخل پرامپت قرار بدهی.

RAG، فایل Search، زمینه Selection و Compaction می‌تونن هم تأخیر و هم هزینه رو کاهش بدن.

حساب‌های جدید OpenAI API معمولاً از Prepaid محاسبه هزینه استفاده می‌کنن. برای مشاهده توضیحات رسمی درباره خرید اعتبار، Auto Recharge و تاریخ انقضای اعتبار می‌تونی راهنمای Prepaid محاسبه هزینه در OpenAI رو بررسی کنی.

یعنی قبل از مصرف API مقدار مشخصی اعتبار به موجودی اضافه می‌شه و مصرف از همان موجودی کم می‌شه.

در خرید مستقیم رسمی OpenAI، حداقل خرید اولیه فعلی ۵ دلار است.

اعتبار خریداری‌شده طبق سیاست فعلی OpenAI:

• تا یک سال اعتبار داره.
• به‌طور معمول قابل استرداد نیست؛ استثناهای قانونی، قراردادی یا خطای تأییدشده تابع مقررات سرویس‌اند.
• با مصرف API کاهش پیدا می‌کنه.
• می‌تونه با Auto Recharge تکمیل شود.

Auto Recharge رو می‌شه طوری تنظیم کرد که وقتی موجودی از Threshold مشخصی کمتر شد، به‌صورت خودکار اعتبار جدید اضافه شود.

خیر.

اعتبار معمولاً موجودی دلاری حساب است؛ توکن واحد اندازه‌گیری مصرف مدل است.

مثلاً ۱۰ دلار موجودی با مدل اقتصادی GPT تعداد توکن بسیار بیشتری نسبت به مدل استدلالی GPT در اختیار برنامه قرار می‌ده.

حتی روی یک مدل نیز ورودی، Cached ورودی و خروجی قیمت یکسانی ندارند.

به همین دلیل بهتره محصول OpenAI API بر اساس مقدار اعتبار دلاری تعریف شود، نه اینکه مثلاً «یک میلیون توکن» فروخته شود.

API فقط محدودیت موجودی نداره؛ محدودیت نرخ درخواست هم وجود داره.

محدودیت‌ها می‌تونن بر اساس مواردی مثل:

• درخواست‌ها Per Minute یا RPM
• توکن‌ها Per Minute یا TPM
• Batch صف
• تصویر Per Minute

محاسبه شوند.

محدودیت نرخ درخواست به مدل و مصرف سطح حساب وابسته است و با افزایش سابقه استفاده و پرداخت می‌تونه تغییر کنه.

برای همین بهتره محدودیت رو ثبت ثابت در کد فرض نکنی و مقدار فعلی سازمان و مدل رو در پنل بررسی کنی.

برای خطای 429 نیز برنامه باید تلاش مجدد و افزایش فاصله تلاش‌های مجدد مناسب داشته باشه.

برای کاربران ایرانی، تهیه مستقیم اعتبار API سرویس‌های خارجی می‌تونه به روش پرداخت بین‌المللی نیاز داشته باشه.

با خرید API OpenAI از کادینر می‌تونی مبلغ گزینه موردنظر رو به‌صورت ریالی پرداخت کنی و فرآیند تهیه اعتبار API رو طبق روش تحویل تعریف‌شده برای همان محصول انجام دهی.

انتخاب مقدار اعتبار بر اساس نیاز پروژه

چون OpenAI API اشتراک ثابت نیست، می‌شه مقدار اعتبار رو بر اساس بودجه و مصرف پروژه انتخاب کرد.

برای نمونه اولیه کوچک ممکن است موجودی کم کافی باشه و برای استفاده عملی پرترافیک اعتبار بیشتری نیاز باشه.

قابل استفاده برای مدل‌ها و سرویس‌های مختلف API

موجودی API بر اساس مصرف واقعی مدل و قابلیت مصرف می‌شه. بنابراین هزینه فقط به تعداد درخواست وابسته نیست و انتخاب مدل و ابزار روی میزان مصرف اثر داره.

پرداخت ریالی

نیازی نیست برای پرداخت مبلغ API شخصاً روش پرداخت بین‌المللی تهیه کنی.

پشتیبانی فارسی

اگر در فرآیند ثبت سفارش یا تهیه اعتبار مشکلی وجود داشته باشه، می‌تونی موضوع رو از طریق پشتیبانی کادینر پیگیری کنی.

پشتیبانی فارسی سفارش از طریق تلگرام کادینر انجام می‌شه؛ برای پیگیری خرید یا شارژ حساب، از همین مسیر پیام بده.

1. انتخاب مقدار اعتبار: مقدار اعتبار API موردنیازت رو از Variationهای محصول انتخاب کن.
2. ثبت سفارش: گزینه موردنظر رو به سبد خرید اضافه کن.
3. پرداخت ریالی: اطلاعات سفارش رو تکمیل و مبلغ رو از طریق درگاه کادینر پرداخت کن.
4. تکمیل اطلاعات موردنیاز: اطلاعات لازم رو طبق روش تحویل مشخص‌شده در سفارش ثبت کن.
5. دریافت یا شارژ اعتبار: فرآیند ارائه اعتبار بر اساس نوع محصول و گزینه سفارش انجام می‌شه.
6. ساخت اطلاعات ورود: در صورت استفاده از حساب شخصی، اطلاعات ورود/کلید API پروژه رو از بستر ایجاد کن.
7. اتصال بخش سرور: اطلاعات ورود رو به‌صورت امن روی بخش سرور تنظیم و مدل مناسب رو انتخاب کن.

برای پروژه‌های جدید، Responses API بخش مهمی از بستر فعلی OpenAI است.

Responses API علاوه بر تولید معمولی، برای ساخت روند کار‌های Agentic طراحی شده و می‌تونه مدل پاسخ، ابزار Call و State چندمرحله‌ای رو در یک ساختار مدیریت کنه.

در یک عامل واقعی ممکن است مدل:

1. درخواست کاربر رو تحلیل کنه.
2. در وب جست‌وجو کنه.
3. فایل Search انجام بده.
4. یک تابع داخلی رو فراخوانی کنه.
5. کد اجرا کنه.
6. نتیجه رو بررسی کنه.
7. Final پاسخ بسازد.

Responses API برای همین نوع روند کار طراحی شده است.

برای برنامه‌هایی که پاسخ باید توسط Code پردازش شود، خروجی متن آزاد همیشه مناسب نیست.

گروه‌های مدل OpenAI از خروجی ساختاریافته پشتیبانی می‌کنن.

مثلاً می‌شه Schema مشخص کرد که خروجی همیشه شامل:

{
  "category": "support",
  "priority": "high",
  "sentiment": "negative"
}

باشه.

این قابلیت برای:

• داده استخراج
• دسته‌بندی
• CRM خودکارسازی
• فرم پردازش
• عامل فراخوانی ابزار
• بخش سرور روند کار

بسیار کاربردی است.

گروه‌های مدل مدل‌های GPT از تصویر ورودی پشتیبانی می‌کنن.

یعنی برنامه می‌تونه علاوه بر متن، تصویر هم برای مدل ارسال کنه.

برای مثال:

• تحلیل تصویر صفحه
• خواندن Chart
• بررسی UI
• تحلیل سند تصویری
• تشخیص اطلاعات داخل Photo
• بررسی محصول تصویر

قابل پیاده‌سازی است.

مدل‌های GPT از تصویر به‌عنوان ورودی استفاده می‌کنه و خروجی اصلی آن متن است. برای ساخت تصویر باید از مدل تخصصی تصویر استفاده بشه.

برای Semantic جست‌وجو و RAG الزاماً نباید از مدل‌های GPT برای هر مرحله استفاده کنی.

OpenAI مدل‌های Embedding جداگانه داره که متن رو به Vector تبدیل می‌کنن.

دو گزینه اصلی فعلی:

• متن-embedding-3-small: حدود $0.02 به‌ازای یک میلیون توکن
• متن-embedding-3-large: حدود $0.13 به‌ازای یک میلیون توکن

Embedding برای:

• Semantic جست‌وجو
• RAG
• Recommendation
• Clustering
• Similarity
• دسته‌بندی

استفاده می‌شه.

مدل‌های جدید OpenAI فقط متن مولد نیستند. Responses API می‌تونه مجموعه‌ای از ابزار‌های OpenAI یا ابزار‌های برنامه خودت رو در اختیار مدل بگذاره.

بسته به مدل و نقطه اتصال API، این ابزار‌ها می‌تونن شامل مواردی مثل:

• وب Search
• فایل Search
• Code Interpreter
• تولید تصویر
• Computer Use
• Hosted Shell
• MCP
• تابعهای اختصاصی برنامه

باشن.

بعضی Hosted ابزار‌ها علاوه بر توکن مدل هزینه جداگانه ابزار Call یا فضای ذخیره‌سازی دارن. بنابراین برای عامل‌های ابزار-heavy فقط توکن قیمت‌گذاری رو در هزینه Calculation حساب نکن.

OpenAI API از مدل زمینه Protocol یا MCP هم برای اتصال عامل به ابزار و منبع داده‌های خارجی پشتیبانی می‌کنه.

با MCP می‌شه سرویس‌های سازگار رو به عامل متصل کرد تا مدل فقط روی اطلاعات پرامپت محدود نباشد.

مثلاً عامل می‌تونه بسته به دسترسی به مستندات، پایگاه داده ابزار یا سیستم خارجی دسترسی پیدا کنه.

در استفاده عملی باید MCP سرورهای قابل اعتماد استفاده شوند و اقدامهای حساس همچنان دسترسی و Validation مناسب داشته باشن.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6",
    input="Explain REST APIs in simple terms."
)

print(response.output_text)

در استفاده عملی بهتره کلید API از متغیر محیطی خوانده شود و هیچ اطلاعات ورود حساسی مستقیماً داخل کد منبع قرار نگیرد.

برای همه درخواست‌ها مدل پیشرفته استفاده نکن

کار‌های ساده رو با مدل اقتصادی یا مدل متوازن تست کن و مدل پیشرفته رو برای مواردی نگه دار که واقعاً کیفیت بالاتر لازم دارن.

از ذخیره پرامپت در حافظه نهان استفاده کن

زمینه‌های ثابت و تکراری می‌تونن با Cached ورودی هزینه بسیار پایین‌تری داشته باشن.

Batch پردازش رو برای کار غیرفوری فعال کن

اگر پاسخ بلادرنگ لازم نیست، پردازش دسته‌ای از طریق API می‌تونه هزینه مدل رو تا حدود نصف کاهش بده.

خروجی رو کنترل کن

خروجی توکن معمولاً از ورودی گران‌تر است. اگر پاسخ 500 توکن کافی است، اجازه خروجی ده‌ها هزار توکن نده.

زمینه رو بی‌دلیل پر نکن

استفاده از زمینه 1M فقط زمانی ارزش داره که برنامه واقعاً آن داده رو نیاز داشته باشه.

ابزار هزینه رو هم پایش کن

وب Search، فایل Search، فضای ذخیره‌سازی، تصویر، صدا و سایر ابزار‌ها ممکن است هزینه جدا از توکن مدل ایجاد کنن.

مصرف رو بر اساس قابلیت اندازه‌گیری کن

به‌جای اینکه فقط کل Invoice رو ببینی، هزینه هر قابلیت رو جداگانه پیگیری کن.

این کار سریع مشخص می‌کنه کدام قابلیت یا پرامپت بخش بزرگی از بودجه رو مصرف می‌کنه.

برای اتصال، شناسه سازگار با حساب و مسیر API رو از مستندات سرویس بردار.

• gpt-5.6

برای کار پرتعداد و ساده، مصرف و زمان پاسخ رو معیار قرار بده. برای تحلیل پیچیده یا تغییر کد، کیفیت پاسخ و هزینه اصلاح نتیجه هم اهمیت دارن.

لازم نیست همه درخواست‌های برنامه از یک مدل استفاده کنن. یک مجموعه نمونه از ورودی واقعی بساز و کیفیت، تأخیر و مصرف رو مقایسه کن؛ سپس کارها رو بر اساس نیازشان هدایت کن.

اول ابزار و نوع خروجی لازم رو مشخص کن. سازگاری مسیر اتصال، خروجی ساختاریافته و قابلیت موردنیاز ممکنه انتخاب رو محدود کنن؛ نرخ توکن تنها معیار نیست.

برای همان درخواست‌های واقعی، کیفیت، خطا، تأخیر و هزینه کل رو بسنج. زمینه تکراری، ابزارهای اضافی و طول خروجی هم روی مصرف اثر دارن؛ نتیجه یک آزمون عمومی رو به پروژه خودت تعمیم نده.

برای کار متنی یا برنامه‌نویسی، پاسخ رو با معیار همان پروژه بررسی کن: صحت، پیروی از قواعد و مقدار اصلاح لازم. برای تصویر، صدا یا ابزارهای میزبانی‌شده، دسترسی و هزینه مسیر اتصال هم اهمیت داره.

یک سرویس ممکنه برای یک بخش برنامه مناسب‌تر باشه و سرویس دیگر برای بخش دیگر. اتصال‌های بیشتر، نگهداری و مدیریت هزینه بیشتری هم می‌خوان؛ انتخاب رو با نیاز واقعی محدود کن.