کدام مدل هوش مصنوعی برای کدام کار: کدنویسی، ترجمه، خلاصه‌سازی و تصویر

تا پیش از ۱۶ شهریور ۱۴۰۵ سؤال رایج این بود که «کدام مدل رایگان؟». حالا که طرح رایگان بسته شده، سؤال دقیق‌تر شده است: وقتی فاصلهٔ کم‌هزینه‌ترین مدل فهرست تا گران‌ترینشان چند ده برابر است، برای کار من کدامش کافی است؟ انتخاب اشتباه دو شکل دارد: خروجی بی‌کیفیت از مدلی که برای کار دیگری ساخته شده، یا فاکتوری چند برابر لازم برای کاری که مدل ساده هم از پسش برمی‌آمد.

این راهنما برای شش کار پرتکرار، یک انتخاب اول و یک جایگزین می‌دهد. همهٔ شناسه‌ها امروز روی درگاه فعال‌اند و قیمت لحظه‌ای هرکدام در کاتالوگ مدل‌ها است. اگر هنوز دنبال نسخهٔ بی‌هزینه می‌گردید، API رایگان هوش مصنوعی: چه چیزی رایگان است همان بحث را جدا باز کرده است.

۱. کدنویسی و بازنویسی کد

انتخاب اول: Qwen3 Coder 30B — openrouter/qwen/qwen3-coder-30b-a3b-instruct

این مدل مشخصاً روی کد تنظیم شده و پنجرهٔ ۲۶۲ هزار توکنی‌اش یعنی می‌توانید چند فایل را یک‌جا بدهید و یک ماژول کامل پس بگیرید. برای «این تابع را ریفکتور کنید»، «برای این کد تست بنویسید» و «چرا این خطا برمی‌گردد» نتیجهٔ قابل اتکایی می‌دهد و فراخوانی ابزار (tool calling) را هم پشتیبانی می‌کند.

جایگزین: GPT-5 mini — gpt-5-mini. گران‌تر است، ولی در پروژهٔ چندفایلی و کاری که چند قدم استدلال لازم دارد فاصله‌اش محسوس است. الگوی عملی این است که کار روزمره را با مدل اول بدهید و فقط جایی که گیر کرد سراغ دومی بروید. نمونه‌کد اتصال از PHP و لاراول در راهنمای API هوش مصنوعی در لاراول آمده است.

۲. ترجمه و بازنویسی متن فارسی

انتخاب اول: Gemini 3.1 Flash-Lite — gemini-3.1-flash-lite

در میان مدل‌های کم‌هزینهٔ فهرست، فارسی این یکی یکدست‌تر است. جمله‌ها طبیعی‌اند، ترکیب فارسی و انگلیسی را درست مدیریت می‌کند و در بازنویسی لحن — از رسمی به ساده و برعکس — کم‌خطاست. پنجرهٔ یک‌میلیون توکنی هم یعنی یک کتابچهٔ راهنمای کامل را یک‌جا می‌گیرد.

جایگزین: DeepSeek V4 Flash — deepseek-v4-flash، که در متن‌های فنی و تخصصی دقت خوبی دارد، هرچند لحنش رسمی‌تر است. جزئیات و رفتار این خانواده را در API دیپ‌سیک از ایران نوشته‌ایم.

یک نکتهٔ عملی: متن فارسی معمولاً توکن بیشتری از متن انگلیسی هم‌اندازه مصرف می‌کند. اگر کارتان ترجمهٔ انبوه است، این تفاوت را در برآورد بودجه لحاظ کنید.

۳. خلاصه‌سازی سند یا گفت‌وگوی طولانی

انتخاب اول: Qwen3.7 Flash — openrouter/qwen/qwen3.7-flash

ترکیبی که کم پیدا می‌شود: پنجرهٔ یک‌میلیون توکنی با هزینه‌ای در پایین‌ترین ردیف‌های فهرست. برای خلاصه کردن آرشیو تیکت‌ها، لاگ گفت‌وگو یا یک قرارداد بلند دقیقاً همین را می‌خواهید. یک میلیون توکن تقریباً معادل ۲۵۰۰ صفحه متن فارسی است.

جایگزین: Gemini 3.1 Flash-Lite با همان اندازه پنجره و فارسی روان‌تر؛ اگر خلاصه قرار است مستقیم منتشر شود و نه فقط داخل یک گزارش داخلی بماند، این گزینه امن‌تر است.

هشدار رایج: پنجرهٔ بزرگ به این معنا نیست که هر بار باید پرش کنید. هرچه ورودی بلندتر باشد، هم فاکتور سنگین‌تر می‌شود و هم مدل راحت‌تر نکتهٔ وسط متن را جا می‌اندازد. سند را تکه کنید و خلاصه‌ها را کنار هم بگذارید.

۴. خروجی ساختاریافته و JSON

انتخاب اول: GPT-5 nano — gpt-5-nano

وقتی خروجی مدل قرار است مستقیم وارد دیتابیس یا یک API شود، پایداری قالب از زیبایی نثر مهم‌تر است. این مدل از response_format پشتیبانی می‌کند، در تولید JSON معتبر ثبات خوبی دارد و هزینه‌اش برای پردازش انبوه پایین می‌ماند.

جایگزین: OpenAI gpt-oss 20B — openrouter/openai/gpt-oss-20b. اگر حجم کارتان بالاست و ساختار خروجی ساده است، این یکی ارزان‌تر تمام می‌شود و همان قالب را می‌دهد.

یک قاعده بدون استثنا: هر خروجی JSON را پیش از استفاده در برنامه اعتبارسنجی کنید. این قاعده برای گران‌ترین مدل فهرست هم صادق است؛ یک پاسخ ناقص در ساعت شلوغ، ساده‌ترین راه خراب کردن یک صف پردازش است.

۵. تحلیل تصویر

انتخاب اول: Ling 3.0 Flash VL — openrouter/inclusionai/ling-3.0-flash-vl

مدل سبک با ورودی تصویر؛ برای توضیح محتوای عکس، خواندن متن داخل تصویر و پاسخ به پرسش دربارهٔ یک اسکرین‌شات مناسب است و هزینه‌اش برای پردازش دسته‌ای از تصاویر منطقی می‌ماند.

جایگزین: GPT-4o mini — gpt-4o-mini، که در تصویرهای شلوغ و اسناد اسکن‌شده دقیق‌تر است و فارسی بهتری هم می‌نویسد. اگر قرار است دربارهٔ تصویر به فارسی گزارش بنویسد، مستقیم سراغ همین بروید.

۶. پیاده‌سازی متن از فایل صوتی

انتخاب اول: GPT Transcribe — gpt-transcribe

برای تبدیل جلسه، ویس مشتری یا پادکست به متن. حساب این مدل بر اساس دقیقهٔ صوت است نه توکن، پس ستون قیمت توکنش در کاتالوگ صفر نشان داده می‌شود؛ این به معنای رایگان بودن نیست و نرخ دقیقه‌ای‌اش کنار نام خودش آمده است.

جایگزین: Whisper v1 — whisper-1، قدیمی‌تر و جاافتاده‌تر؛ اگر ابزار فعلی شما قبلاً با آن کار می‌کرده، تغییری لازم نیست.

۷. جست‌وجوی معنایی روی محتوای خودتان

انتخاب اول: Text Embedding 3 Small — text-embedding-3-small

این یکی مدل چت نیست و پاسخ نمی‌نویسد؛ هر متن را به یک بردار عددی تبدیل می‌کند تا بتوانید متن‌های نزدیک به هم را پیدا کنید. کاربرد روزمره‌اش روشن است: جست‌وجوی هوشمند در آرشیو تیکت‌ها، پیدا کردن مقالهٔ مرتبط در یک سایت محتوایی، یا پیدا کردن پرسش‌های تکراری در فرم پشتیبانی.

نکتهٔ مهم این است که امبدینگ جای مدل چت را نمی‌گیرد و معمولاً کنار آن می‌نشیند: اول با امبدینگ چند تکهٔ مرتبط را از محتوای خودتان پیدا می‌کنید، بعد همان چند تکه را به یک مدل چت می‌دهید تا جواب نهایی را بنویسد. چون ساخت بردار فقط یک بار و هنگام افزودن یا به‌روزرسانی متن انجام می‌شود، سهم این مرحله از فاکتور ماهانه معمولاً کوچک‌ترین سهم است. پنجرهٔ ورودی این مدل ۸۱۹۱ توکن است، پس متن‌های بلند را پیش از ساخت بردار تکه کنید؛ تکه‌های کوچک‌تر نتیجهٔ جست‌وجو را هم دقیق‌تر می‌کنند.

جدول جمع‌بندی

این جدول نقطهٔ شروع است، نه حکم. فهرست مدل‌ها هفته به هفته عوض می‌شود و ارائه‌دهنده‌ها مرتب نسخهٔ تازه‌تر و ارزان‌تر بیرون می‌دهند؛ برای همین شناسهٔ مدل را در تنظیمات برنامه نگه دارید، نه در دل کد.

چطور خودتان مقایسه کنید

هیچ جدولی جای آزمایش روی دادهٔ خودتان را نمی‌گیرد. یک پرامپت واقعی از پروژه‌تان بردارید و روی سه مدل بزنید؛ تنها چیزی که عوض می‌شود شناسهٔ مدل است:

for model in \
  "openrouter/mistralai/mistral-nemo" \
  "gpt-5-nano" \
  "gemini-3.1-flash-lite"
do
  echo "--- $model"
  curl -s https://netarz.ir/api/ai/v1/chat/completions \
    -H "Authorization: Bearer $NETARZ_API_KEY" \
    -H "Content-Type: application/json" \
    -d "{\"model\":\"$model\",\"messages\":[{\"role\":\"user\",\"content\":\"پرامپت واقعی شما\"}]}"
done

سه درخواست کوتاه، کسری از یک سنت خرج برمی‌دارد و جواب پرسشی را می‌دهد که هیچ مقاله‌ای دقیق‌تر از خودتان نمی‌تواند بدهد. روش شمردن توکن و بستن بودجه پیش از شروع پروژه در توکن چیست و هزینهٔ API چطور حساب می‌شود آمده و اگر هنوز مطمئن نیستید که اصلاً API لازم دارید یا اشتراک ماهانه، تفاوت API و اشتراک این تصمیم را جدا حل کرده است.

برای ساختن کلید و شارژ اعتبار هم صفحهٔ درگاه هوش مصنوعی و برای پارامترها و کدهای خطا مستندات فنی در دسترس شماست.