مستندات وبسرویس لمورا
API کاملاً سازگار با OpenAI SDK. نسخه ۵٫۱ — Base URL: https://lemura.ir/wp-json/lemuraai/v1
Authorization: Bearer lsk-…
https://lemura.ir/wp-json/lemuraai/v1
https://lemura.ir/anthropic
https://lemura.ir/public/v1
یک کلید و یک کیف پول برای همه: هزینهٔ هر فراخوانی (مدلها، ابزارها، ویدیو) از کیف پول صاحب کلید کسر و در گزارش مصرف ثبت میشود. قواعد درخواست، متدها، موجودی و کدهای خطا در هر دو وبسرویس یکسان است.
معرفی وبسرویس لمورا
وبسرویس لمورا یک درگاه یکپارچه و سازگار با OpenAI است که با یک کلید، به صدها مدل هوش مصنوعی از OpenAI، Anthropic، Google، DeepSeek، xAI، Meta، Qwen و ... دسترسی میدهد. هزینه هر درخواست به تومان محاسبه و از کیف پول شما کسر میشود.
ویژگیها
- سازگار با کتابخانههای رسمی OpenAI (Python، Node.js و ...) — فقط
base_urlرا عوض کنید. - چت با پشتیبانی کامل از Streaming (SSE)، تصویر ورودی (Vision) و Function Calling.
- تولید و ویرایش تصویر، تبدیل متن به گفتار، گفتار به متن، تولید ویدیو و انیمیشن (موتور Remotion لمورا)، Embedding و Moderation — و همهٔ ابزارهای پلتفرم در وبسرویس ابزارها.
- ورودی تصویر و PDF در چت (بینایی)، Files API، OCR اسناد و استخراج فیلدهای ساختاریافته.
- جستجوی وب، استخراج محتوای صفحات و تحقیق خودکار.
- پرداخت ریالی از کیف پول، بدون نیاز به کارت ارزی.
Base URL
texthttps://lemura.ir/wp-json/lemuraai/v1
آدرس جایگزین (معادل): https://lemura.ir/api/lemuraai/v1
شروع در سه قدم
- کیف پول خود را شارژ کنید.
- از صفحه توسعهدهندگان یک کلید API (با پیشوند
lsk-) بسازید. - اولین درخواست را بفرستید:
bashcurl https://lemura.ir/wp-json/lemuraai/v1/chat/completions \
-H "Authorization: Bearer lsk-YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "gpt-4o-mini", "messages": [{"role": "user", "content": "سلام!"}]}'
احراز هویت
همه درخواستها (بهجز /ping) باید کلید API را در هدر Authorization ارسال کنند:
httpAuthorization: Bearer lsk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
بررسی کلید
bashcurl https://lemura.ir/wp-json/lemuraai/v1/me -H "Authorization: Bearer lsk-YOUR_KEY"
json{
"object": "me",
"user_id": 123,
"username": "09123456789",
"token": {"id": 7, "name": "my-app", "is_active": true, "created_at": "...", "last_used": "..."}
}
محدودیت نرخ
هر کلید حداکثر ۳۰ درخواست در دقیقه و ۳,۰۰۰ درخواست در روز. در صورت عبور، کد 429 برگردانده میشود.
فهرست Endpointها
عمومی و حساب
مدلها
متن
فایل، بینایی و سند
تصویر، صوت و ویدیو
وب
بردار و ایمنی
پایگاه دانش و RAG
چت (Chat Completions)
دقیقاً مطابق OpenAI. پارامترهای اصلی:
model(الزامی) — شناسه مدل، مثلgpt-4o،claude-sonnet-4-5،gemini-2.5-flash،deepseek-chat.messages(الزامی) — آرایه پیامها با نقشهایsystem،user،assistant،tool.stream— باtrueپاسخ بهصورت SSE ارسال میشود.temperature،max_tokens،max_completion_tokens،top_p،stop،tools،tool_choice،response_format،seed،reasoning_effortوn.- پیشرفته:
parallel_tool_calls،prediction(خروجی پیشبینیشده برای بازنویسی سریع فایل)،service_tier(defaultیاflexبرای کارهای غیرفوری، در مدلهای پشتیبان)،prompt_cache_key،safety_identifier،verbosity،logprobs/top_logprobs،storeوmetadata.
max_tokens/max_completion_tokens کل تولید (استدلال پنهان + متن) را محدود میکند و سهمی برای متن قابلمشاهده رزرو نمیکند. اگر بودجه پیش از تولید متن تمام شود، پاسخ هدر X-Lemura-Finish: length_empty دارد (در Responses: max_output_tokens_empty)؛ این پاسخ را قابل استفاده فرض نکنید و با سقف بزرگتر یا reasoning_effort: "low" دوباره بفرستید. هدر X-Lemura-Upstream-Request-Id شناسهٔ درخواست بالادستی برای پیگیری است.درخواست ساده
bashcurl https://lemura.ir/wp-json/lemuraai/v1/chat/completions \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{
"model": "gpt-4o-mini",
"messages": [
{"role": "system", "content": "تو یک دستیار مفید فارسیزبان هستی."},
{"role": "user", "content": "سه نکته برای تمرکز بیشتر بگو"}
],
"temperature": 0.7
}'
پاسخ
json{
"id": "chatcmpl-...",
"object": "chat.completion",
"model": "gpt-4o-mini",
"choices": [{"index": 0, "message": {"role": "assistant", "content": "..."}, "finish_reason": "stop"}],
"usage": {"prompt_tokens": 32, "completion_tokens": 120, "total_tokens": 152}
}
هزینه بر اساس usage محاسبه و از کیف پول کسر میشود. موجودی و هزینهها را با /balance و /usage ببینید. هدرهای X-RateLimit-Limit، X-RateLimit-Remaining و X-RateLimit-Reset وضعیت محدودیت نرخ را نشان میدهند.
Streaming
pythonstream = client.chat.completions.create(
model="gpt-4o-mini", stream=True,
messages=[{"role": "user", "content": "یک داستان کوتاه بنویس"}])
for chunk in stream:
print(chunk.choices[0].delta.content or "", end="", flush=True)
تصویر ورودی (Vision)
json{
"model": "gpt-4o",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "در این تصویر چه میبینی؟"},
{"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
]}]
}
Function Calling
json{
"model": "gpt-4o-mini",
"messages": [{"role": "user", "content": "هوای تهران چطوره؟"}],
"tools": [{"type": "function", "function": {
"name": "get_weather",
"parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]}
}}]
}
Responses API
رابط جدید OpenAI برای مدلهای استدلالی و ابزارها. ورودی میتواند متن ساده یا آرایهای از پیامها باشد.
bashcurl https://lemura.ir/wp-json/lemuraai/v1/responses \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"model": "gpt-5-mini", "input": "تفاوت هوش مصنوعی و یادگیری ماشین چیست؟"}'
pythonr = client.responses.create(model="gpt-5-mini", input="یک شعر کوتاه درباره پاییز")
print(r.output_text)
Completions (قدیمی)
برای سازگاری با کدهای قدیمی؛ پارامتر prompt بهجای messages.
قواعد مشترک هر دو وبسرویس
احراز هویت
هر دو وبسرویس با یک کلید کار میکنند. کلید را در صفحهٔ «کلیدها و آمار» بسازید و در هدر هر درخواست بفرستید:
Authorization: Bearer lsk-YOUR_KEY
نحوهٔ درخواست
- بدنهٔ درخواستها JSON است با هدر
Content-Type: application/json. - ارسال فایل با
multipart/form-data(فیلد فایل؛ در ابزارها همنام پارامتر و آرگومانهای دیگر در فیلد args بهصورت JSON). - پاسخها همیشه JSON با کدگذاری UTF-8 است؛ مبالغ به تومان است.
- کارهای طولانی (ویدیو، OCR، تبدیل صوت و...) ناهمگام هستند: شناسهٔ کار برمیگردد و وضعیت را بعداً میپرسید.
متدها
| متد | کاربرد |
|---|---|
| GET | خواندن: فهرست مدلها/ابزارها، موجودی، وضعیت کار، دریافت فایل |
| POST | اجرا: چت، تولید تصویر/ویدیو، فراخوانی ابزار، آپلود فایل، ساخت وظیفه |
| DELETE | حذف: فایل، ویدیو، وظیفه |
موجودی کیف پول و اطلاعات حساب
موجودی و اطلاعات حساب از هر دو وبسرویس با پاسخ یکسان در دسترس است:
GET https://lemura.ir/wp-json/lemuraai/v1/balance GET https://lemura.ir/public/v1/balance GET https://lemura.ir/wp-json/lemuraai/v1/me GET https://lemura.ir/public/v1/me
curl https://lemura.ir/public/v1/balance -H "Authorization: Bearer lsk-YOUR_KEY"
{"object": "balance", "user_id": 42, "balance": 125000, "currency": "toman", ...}
کدهای خطا
| HTTP | معنی |
|---|---|
| 400 | ورودی نامعتبر |
| 401 | کلید ارسال نشده یا نامعتبر است |
| 402 | موجودی کیف پول کافی نیست |
| 403 | دسترسی به این مدل/ابزار مجاز نیست |
| 404 | مدل، ابزار یا کار پیدا نشد |
| 409 / 428 | کار هنوز آماده نیست / عملیات تغییردهنده نیاز به هدر X-Lemura-Confirm: true دارد |
| 429 | عبور از سقف تعداد درخواست یا سهمیهٔ روزانه (هدرهای X-RateLimit-*) |
| 5xx | خطای موقت سرور یا سرویس بالادستی — چند ثانیه بعد دوباره تلاش کنید |
تولید تصویر
model(الزامی) — مدلهای فعال:gpt-image-2،gpt-image-1.5. قیمتهاprompt(الزامی، حداکثر ۱۰۰۰ کاراکتر) — توصیف تصویر. برای کیفیت بهتر انگلیسی بنویسید.size— مثل1024x1024،1024x1792،1792x1024.n— تعداد تصاویر (هزینه × n).- اختیاری:
quality،style،background،output_format،response_format(urlیاb64_json).
bashcurl https://lemura.ir/wp-json/lemuraai/v1/images/generations \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"model": "gpt-image-2", "prompt": "a cozy reading nook with warm light, watercolor", "size": "1024x1024"}'
pythonimg = client.images.generate(model="gpt-image-2", prompt="a futuristic Tehran skyline at night", size="1792x1024")
print(img.data[0].url or "base64 length: %d" % len(img.data[0].b64_json))
402 برمیگردد.صوت
متن به گفتار (TTS)
پارامترها: model (مثل gpt-4o-mini-tts، tts-1، tts-1-hd)، input (متن)، voice (مثل alloy، nova، shimmer، echo). خروجی فایل صوتی است. هزینه هر درخواست: حدود ۵۰۰ تومان (پیش از سود).
bashcurl https://lemura.ir/wp-json/lemuraai/v1/audio/speech \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"model": "gpt-4o-mini-tts", "input": "سلام، به لمورا خوش آمدید", "voice": "nova"}' \
--output speech.mp3
گفتار به متن
ارسال بهصورت multipart/form-data با فیلدهای file و model (مثل gpt-4o-transcribe، gpt-4o-mini-transcribe، whisper-1؛ فهرست بهروز در /models). اختیاری: language، prompt، response_format، temperature.
bashcurl https://lemura.ir/wp-json/lemuraai/v1/audio/transcriptions \
-H "Authorization: Bearer lsk-YOUR_KEY" \
-F file=@voice.mp3 -F model=whisper-1 -F language=fa
ترجمه گفتار به انگلیسی
مانند transcriptions، با مدل whisper-1؛ خروجی متن انگلیسی است.
تولید ویدیو و انیمیشن (موتور Remotion لمورا)
همهٔ ویدیوهای لمورا با موتور انیمیشن Remotion روی سرورهای خود لمورا ساخته میشوند (همان ابزار
animation_render در وبسرویس ابزارها و چت). پرامپت شما با هوش مصنوعی به صحنهها
(عنوان، متن، فهرست، تصویر، آمار متحرک، نمودار، ترنزیشن، تم، متن فارسی راستبهچپ) تبدیل و در صف رندر ساخته میشود.
تولید ناهمگام است: کار را بسازید، وضعیت را بپرسید و فایل را دریافت کنید.
| پارامتر | توضیح |
|---|---|
| prompt | توضیح ویدیو (فارسی یا انگلیسی) — الزامی |
| seconds | مدت تقریبی؛ حداکثر ۳۰ ثانیه در 1080p، ۶۰ ثانیه در 720p و ۱۲۰ ثانیه در 480p |
| size | 1280x720 · 1920x1080 · 854x480 · 720x1280 · 1080x1920 · 720x720 · 1080x1080 · 1080x1350 (یا aspect: 16:9 · 9:16 · 1:1 · 4:5 و quality: 480p · 720p · 1080p) |
| files | اختیاری: شناسهٔ تصاویر آپلودشده (f_… از POST /public/v1/files) برای استفاده در صحنهها |
| model | اختیاری؛ همیشه lemura-motion |
هزینه: طراحی صحنهها با هوش مصنوعی (مثل یک پیام چت) + رندر: پایه 800 + وزن پردازش
4.0 × واحد پردازش واقعی — حدود 2,400 تومان برای یک ویدیوی معمولی ۷۲۰p.
مبلغ دقیق هر ویدیو در فیلد cost و در گزارش مصرف ثبت میشود.
bashcurl https://lemura.ir/wp-json/lemuraai/v1/videos -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" -d '{"prompt": "ویدیوی معرفی فروشگاه قهوه: عنوان، سه مزیت، تخفیف ۲۰٪ و دعوت به خرید", "seconds": 15, "size": "720x1280"}'
json{"id": "job_8b1f…", "object": "video", "model": "lemura-motion", "status": "queued",
"aspect": "9:16", "quality": "720p", "seconds": 15.0, "progress": 0}
وضعیت: queued، in_progress، completed (با download_url و cost) یا failed (با error).
دریافت فایل MP4 پس از تکمیل (?variant=thumbnail = تصویر پوستر). از Range برای پخش پشتیبانی میکند.
bashcurl https://lemura.ir/wp-json/lemuraai/v1/videos/VIDEO_ID/content -H "Authorization: Bearer lsk-YOUR_KEY" --output video.mp4
ساخت نسخهٔ تازه از روی همان طرح با یک دستور تغییر: {"prompt": "رنگها را تیرهتر کن و یک صحنهٔ آمار اضافه کن"}.
برای کنترل کامل صحنهها (بدون طراحی خودکار) از ابزار POST /public/v1/tools/animation_render
و برای کد React دلخواه از animation_code استفاده کنید — همان موتور و همان تعرفه.
جستجو و تحقیق وب
جستجوی وب با پاسخ هوشمند
ارسال query (یا messages) و مدل جستجو (پیشفرض gpt-4o-search-preview). پارامتر search_context_size: low، medium یا high (هزینه بیشتر، منابع بیشتر).
bashcurl https://lemura.ir/wp-json/lemuraai/v1/web-search \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"query": "آخرین اخبار هوش مصنوعی این هفته", "search_context_size": "medium"}'
استخراج محتوای صفحه
url یا آرایه urls؛ اختیاری max_chars_per_url (۵۰۰ تا ۵۰٬۰۰۰). خروجی متن تمیزشده هر صفحه است.
json{"urls": ["https://example.com/article"], "max_chars_per_url": 8000}
تحقیق خودکار
query (یا topic)؛ اختیاری model و max_results. گزارشی جمعبندیشده با منابع برمیگرداند.
Embedding و Moderation
تبدیل متن به بردار برای جستجوی معنایی و RAG. مدلها: text-embedding-3-small، text-embedding-3-large، text-embedding-ada-002. هزینه: حدود ۲۰ تومان به ازای هر ۱۰۰۰ توکن.
pythone = client.embeddings.create(model="text-embedding-3-small", input=["سلام دنیا", "hello world"])
print(len(e.data[0].embedding))
بررسی محتوای نامناسب. مدل پیشفرض omni-moderation-latest؛ فیلد input الزامی است.
json{"model": "omni-moderation-latest", "input": "متنی برای بررسی"}
موجودی
bashcurl https://lemura.ir/wp-json/lemuraai/v1/balance -H "Authorization: Bearer lsk-YOUR_KEY"
json{
"object": "balance",
"user_id": 123,
"balance": 152000,
"currency": "toman",
"token_info": {"id": 7, "name": "my-app", "total_requests": 420, "total_tokens_used": 381200, "total_cost": 21500},
"rate_limits": {"per_minute": 30, "per_day": 3000},
"stats": {"total_spent": 48000, "total_requests": 1300, "total_tokens_used": 920000,
"today": {"spent": 1200, "requests": 18}, "this_month": {"spent": 22000, "requests": 610}}
}
برای افزایش موجودی به کیف پول بروید. موجودی بین چت سایت، تولید تصویر و API مشترک است.
مدلها و قیمتگذاری
فهرست کامل و بهروز مدلهایی که با کلید API میتوانید فراخوانی کنید. این جدول مستقیماً از همان قیمتهایی ساخته میشود که وبسرویس هنگام هر درخواست از کیف پول کم میکند. همهٔ مبالغ به تومان است.
مدلی با این فیلترها پیدا نشد.
مدلهای متنی و چت (۱۲۶ مدل) — /chat/completions
| مدل | شرکت | ورودی (هر ۱ میلیون توکن) | ورودی کششده | خروجی | ظرفیت متن | قابلیتها |
|---|---|---|---|---|---|---|
GPT-5 Nanogpt-5-nano | OpenAI | ۱۶٬۰۳۹ | ۱٬۶۰۴ | ۱۲۸٬۳۱۵ | ۲۷۲,۰۰۰ | تصویر ابزار |
GPT-4.1 Nanogpt-4.1-nano | OpenAI | ۳۲٬۰۷۹ | ۸٬۰۲۰ | ۱۲۸٬۳۱۵ | ۱,۰۴۷,۵۷۶ | تصویر ابزار |
GPT-6 Lunagpt-6-luna | OpenAI | ۳۲٬۰۷۹ | ۳٬۲۰۸ | ۱۶۰٬۳۹۴ | ۹۲۲,۰۰۰ | تصویر ابزار |
GPT-4o Minigpt-4o-mini | OpenAI | ۴۸٬۱۱۸ | ۲۴٬۰۵۹ | ۱۹۲٬۴۷۲ | ۱۲۸,۰۰۰ | تصویر ابزار |
GPT-5.4 Nanogpt-5.4-nano | OpenAI | ۶۴٬۱۵۷ | ۶٬۴۱۶ | ۴۰۰٬۹۸۴ | ۲۷۲,۰۰۰ | تصویر ابزار |
GPT-5.6 Lunagpt-5.6-luna | OpenAI | ۶۴٬۱۵۷ | ۶٬۴۱۶ | ۳۸۴٬۹۴۴ | ۹۲۲,۰۰۰ | تصویر ابزار |
GPT-5 Minigpt-5-mini | OpenAI | ۸۰٬۱۹۷ | ۸٬۰۲۰ | ۶۴۱٬۵۷۴ | ۲۷۲,۰۰۰ | تصویر ابزار |
GPT-4.1 Minigpt-4.1-mini | OpenAI | ۱۲۸٬۳۱۵ | ۳۲٬۰۷۹ | ۵۱۳٬۲۵۹ | ۱,۰۴۷,۵۷۶ | تصویر ابزار |
GPT-5.4 Minigpt-5.4-mini | OpenAI | ۲۴۰٬۵۹۰ | ۲۴٬۰۵۹ | ۱٬۴۴۳٬۵۴۲ | ۲۷۲,۰۰۰ | تصویر ابزار |
o4 Minio4-mini | OpenAI | ۳۵۲٬۸۶۶ | ۱۷۶٬۴۳۳ | ۱٬۴۱۱٬۴۶۳ | ۲۰۰,۰۰۰ | تصویر ابزار |
GPT-5gpt-5 | OpenAI | ۴۰۰٬۹۸۴ | ۴۰٬۰۹۸ | ۳٬۲۰۷٬۸۷۰ | ۲۷۲,۰۰۰ | تصویر ابزار |
GPT-5.1gpt-5.1 | OpenAI | ۴۰۰٬۹۸۴ | ۴۰٬۰۹۸ | ۳٬۲۰۷٬۸۷۰ | ۲۷۲,۰۰۰ | تصویر ابزار |
GPT-5.2gpt-5.2 | OpenAI | ۵۶۱٬۳۷۷ | ۵۶٬۱۳۸ | ۴٬۴۹۱٬۰۱۸ | ۲۷۲,۰۰۰ | تصویر ابزار |
Codex Auto Reviewcodex-auto-review | OpenAI | ۶۴۱٬۵۷۴ | ۶۴٬۱۵۷ | ۳٬۸۴۹٬۴۴۴ | ۱,۰۵۰,۰۰۰ | تصویر ابزار |
GPT-4.1gpt-4.1-2025-04-14 | OpenAI | ۶۴۱٬۵۷۴ | ۱۶۰٬۳۹۴ | ۲٬۵۶۶٬۲۹۶ | ۱,۰۴۷,۵۷۶ | تصویر ابزار |
GPT-4.1gpt-4.1 | OpenAI | ۶۴۱٬۵۷۴ | ۱۶۰٬۳۹۴ | ۲٬۵۶۶٬۲۹۶ | ۱,۰۴۷,۵۷۶ | تصویر ابزار |
GPT-5.6 Terragpt-5.6-terra | OpenAI | ۶۴۱٬۵۷۴ | ۶۴٬۱۵۷ | ۳٬۸۴۹٬۴۴۴ | ۹۲۲,۰۰۰ | تصویر ابزار |
GPT-6 Solgpt-6-sol | OpenAI | ۶۴۱٬۵۷۴ | ۶۴٬۱۵۷ | ۳٬۲۰۷٬۸۷۰ | ۹۲۲,۰۰۰ | تصویر ابزار |
GPT-6.1 Solgpt-6.1-sol | OpenAI | ۶۴۱٬۵۷۴ | ۳۲٬۰۷۹ | ۳٬۲۰۷٬۸۷۰ | ۹۲۲,۰۰۰ | تصویر ابزار |
GPT-4ogpt-4o | OpenAI | ۸۰۱٬۹۶۸ | ۴۰۰٬۹۸۴ | ۳٬۲۰۷٬۸۷۰ | ۱۲۸,۰۰۰ | تصویر ابزار |
GPT-5.4gpt-5.4 | OpenAI | ۸۰۱٬۹۶۸ | ۸۰٬۱۹۷ | ۴٬۸۱۱٬۸۰۵ | ۱,۰۵۰,۰۰۰ | تصویر ابزار |
GPT-5.5gpt-5.5 | OpenAI | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۹٬۶۲۳٬۶۱۰ | ۱,۰۵۰,۰۰۰ | تصویر ابزار |
GPT-5.6 Solgpt-5.6-sol | OpenAI | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۳٬۸۴۹٬۴۴۴ | ۹۲۲,۰۰۰ | تصویر ابزار |
GPT-6 Astragpt-6-astra | OpenAI | ۳٬۲۰۷٬۸۷۰ | ۳۲۰٬۷۸۷ | ۱۶٬۰۳۹٬۳۵۰ | ۹۲۲,۰۰۰ | تصویر ابزار |
o1o1 | OpenAI | ۴٬۸۱۱٬۸۰۵ | ۲٬۴۰۵٬۹۰۲ | ۱۹٬۲۴۷٬۲۲۰ | ۲۰۰,۰۰۰ | تصویر ابزار |
Claude Haiku 4.5claude-haiku-4-5 | Anthropic | ۳۲۰٬۷۸۷ | ۱۶۰٬۳۹۴ | ۱٬۶۰۳٬۹۳۵ | ۲۰۰,۰۰۰ | تصویر ابزار |
Claude Sonnet 5.5claude-sonnet-5-5 | Anthropic | ۶۴۱٬۵۷۴ | ۶۴٬۱۵۷ | ۳٬۲۰۷٬۸۷۰ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Anthropic.claude Sonnet 4.6anthropic.claude-sonnet-4-6 | Anthropic | ۹۶۲٬۳۶۱ | ۴۸۱٬۱۸۰ | ۴٬۸۱۱٬۸۰۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Anthropic.claude Sonnet 4 5 20250929 V1:0anthropic.claude-sonnet-4-5-20250929-v1:0 | Anthropic | ۹۶۲٬۳۶۱ | ۴۸۱٬۱۸۰ | ۴٬۸۱۱٬۸۰۵ | ۲۰۰,۰۰۰ | تصویر ابزار |
Claude Sonnet 4.5claude-sonnet-4-5 | Anthropic | ۹۶۲٬۳۶۱ | ۴۸۱٬۱۸۰ | ۴٬۸۱۱٬۸۰۵ | ۲۰۰,۰۰۰ | تصویر ابزار |
Claude Opus 5.5claude-opus-5-5 | Anthropic | ۱٬۲۸۳٬۱۴۸ | ۶۴٬۱۵۷ | ۶٬۴۱۵٬۷۴۰ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Anthropic.claude Opus 4 6 V1anthropic.claude-opus-4-6-v1 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۴۸۱٬۱۸۰ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Anthropic.claude Opus 4.7anthropic.claude-opus-4-7 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Anthropic.claude Opus 4.8anthropic.claude-opus-4-8 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Claude Opus 4.5claude-opus-4-5 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۴۸۱٬۱۸۰ | ۸٬۰۱۹٬۶۷۵ | ۲۰۰,۰۰۰ | تصویر ابزار |
Claude Opus 4.6claude-opus-4-6 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۴۸۱٬۱۸۰ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Claude Opus 4.7claude-opus-4-7 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Claude Opus 4.8claude-opus-4-8 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Claude Opus 5claude-opus-5 | Anthropic | ۱٬۶۰۳٬۹۳۵ | ۱۶۰٬۳۹۴ | ۸٬۰۱۹٬۶۷۵ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Claude Fable 5claude-fable-5 | Anthropic | ۳٬۲۰۷٬۸۷۰ | ۳۲۰٬۷۸۷ | ۱۶٬۰۳۹٬۳۵۰ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Claude Fable 5.1claude-fable-5-1 | Anthropic | ۳٬۲۰۷٬۸۷۰ | ۸۰٬۱۹۷ | ۱۶٬۰۳۹٬۳۵۰ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Gemini 2.5 Flash Litegemini-2.5-flash-lite | ۳۲٬۰۷۹ | ۱۶٬۰۳۹ | ۱۲۸٬۳۱۵ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemma 4 26B A4b Itgemma-4-26b-a4b-it | ۴۱٬۷۰۲ | ۴٬۱۷۰ | ۱۲۸٬۳۱۵ | ۲۶۲,۱۴۴ | تصویر ابزار | |
Gemini 3.1 Flash Litegemini-3.1-flash-lite | ۸۰٬۱۹۷ | ۸٬۰۲۰ | ۴۸۱٬۱۸۰ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 2.5 Flashgemini-2.5-flash | ۹۶٬۲۳۶ | ۴۸٬۱۱۸ | ۸۰۱٬۹۶۸ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini Robotics Er 1.5 Previewgemini-robotics-er-1.5-preview | ۹۶٬۲۳۶ | ۴۸٬۱۱۸ | ۸۰۱٬۹۶۸ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemma Sea Lion V4 27B Itcf.gemma-sea-lion-v4-27b-it | ۱۱۲٬۲۷۵ | ۵۲٬۹۳۰ | ۱۴۷٬۵۶۲ | ۱۲۸,۰۰۰ | — | |
Gemini 3 Flash Previewgemini-3-flash-preview | ۱۶۰٬۳۹۴ | ۸۰٬۱۹۷ | ۹۶۲٬۳۶۱ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 3.8 Flashgemini-3.8-flash | ۲۴۰٬۵۹۰ | ۲۴٬۰۵۹ | ۱٬۲۰۲٬۹۵۱ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 3.7 Flashgemini-3.7-flash | ۲۴۰٬۵۹۰ | ۲۴٬۰۵۹ | ۱٬۲۰۲٬۹۵۱ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 2.5 Pro Preview TTSgemini-2.5-pro-preview-tts | ۳۲۰٬۷۸۷ | ۱۶۰٬۳۹۴ | ۶٬۴۱۵٬۷۴۰ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 2.5 Progemini-2.5-pro | ۴۰۰٬۹۸۴ | ۲۰۰٬۴۹۲ | ۳٬۲۰۷٬۸۷۰ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 3.5 Flashgemini-3.5-flash | ۴۸۱٬۱۸۰ | ۸۰٬۱۹۷ | ۲٬۸۸۷٬۰۸۳ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 3.6 Flashgemini-3.6-flash | ۴۸۱٬۱۸۰ | ۴۸٬۱۱۸ | ۲٬۴۰۵٬۹۰۲ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Gemini 3.1 Pro Previewgemini-3.1-pro-preview | ۶۴۱٬۵۷۴ | ۲۶۴٬۶۴۹ | ۳٬۸۴۹٬۴۴۴ | ۱,۰۴۸,۵۷۶ | تصویر ابزار | |
Grok 4 Fast Reasoninggrok-4-fast-reasoning | xAI (Grok) | ۶۴٬۱۵۷ | ۱۶٬۰۳۹ | ۱۶۰٬۳۹۴ | ۲,۰۰۰,۰۰۰ | ابزار |
Grok Code Fast 1grok-code-fast-1 | xAI (Grok) | ۶۴٬۱۵۷ | ۶٬۴۱۶ | ۴۸۱٬۱۸۰ | ۲۵۶,۰۰۰ | تصویر ابزار |
Grok 3 Minigrok-3-mini | xAI (Grok) | ۹۶٬۲۳۶ | ۴۸٬۱۱۸ | ۱۶۰٬۳۹۴ | — | — |
Grok 3 Minigrok-3-mini-latest | xAI (Grok) | ۹۶٬۲۳۶ | ۴۸٬۱۱۸ | ۱۶۰٬۳۹۴ | — | — |
Grok 3 Mini Fastgrok-3-mini-fast | xAI (Grok) | ۱۹۲٬۴۷۲ | ۹۶٬۲۳۶ | ۱٬۲۸۳٬۱۴۸ | — | — |
Grok 4.3grok-4.3 | xAI (Grok) | ۴۰۰٬۹۸۴ | ۶۴٬۱۵۷ | ۸۰۱٬۹۶۸ | ۲۰,۰۰۰,۰۰۰ | تصویر ابزار |
Grok 4.5grok-4.5 | xAI (Grok) | ۶۴۱٬۵۷۴ | ۱۶۰٬۳۹۴ | ۱٬۹۲۴٬۷۲۲ | ۵۰۰,۰۰۰ | تصویر ابزار |
Grok 4.6grok-4.6 | xAI (Grok) | ۶۴۱٬۵۷۴ | ۱۶۰٬۳۹۴ | ۱٬۹۲۴٬۷۲۲ | ۵۰۰,۰۰۰ | تصویر ابزار |
Grok 4.7grok-4.7 | xAI (Grok) | ۶۴۱٬۵۷۴ | ۱۶۰٬۳۹۴ | ۱٬۹۲۴٬۷۲۲ | ۵۰۰,۰۰۰ | تصویر ابزار |
Grok 3grok-3 | xAI (Grok) | ۹۶۲٬۳۶۱ | ۴۸۱٬۱۸۰ | ۴٬۸۱۱٬۸۰۵ | — | — |
Grok 3grok-3-latest | xAI (Grok) | ۹۶۲٬۳۶۱ | ۴۸۱٬۱۸۰ | ۴٬۸۱۱٬۸۰۵ | — | — |
Grok 4grok-4 | xAI (Grok) | ۹۶۲٬۳۶۱ | ۲۴۰٬۵۹۰ | ۴٬۸۱۱٬۸۰۵ | — | — |
Grok 4grok-4-latest | xAI (Grok) | ۹۶۲٬۳۶۱ | ۲۴۰٬۵۹۰ | ۴٬۸۱۱٬۸۰۵ | — | — |
Grok 3 Fastgrok-3-fast | xAI (Grok) | ۱٬۶۰۳٬۹۳۵ | ۸۰۱٬۹۶۸ | ۸٬۰۱۹٬۶۷۵ | ۱۳۱,۰۷۲ | ابزار |
Grok 3 Fast Betagrok-3-fast-beta | xAI (Grok) | ۱٬۶۰۳٬۹۳۵ | ۸۰۱٬۹۶۸ | ۸٬۰۱۹٬۶۷۵ | — | — |
DeepSeek V4.1 Flashdeepseek-v4.1-flash | DeepSeek | ۴۸٬۱۱۸ | ۹۶۲ | ۱۹۲٬۴۷۲ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
DeepSeek Chatdeepseek-chat | DeepSeek | ۷۰٬۵۷۳ | ۲٬۲۴۶ | ۲۱۱٬۷۱۹ | ۱۳۱,۰۷۲ | ابزار |
DeepSeek V3.2deepseek-v3.2 | DeepSeek | ۷۰٬۵۷۳ | ۲٬۲۴۶ | ۲۱۱٬۷۱۹ | ۱۶۳,۸۴۰ | ابزار |
DeepSeek R1 Distill Qwen 32Bcf.deepseek-r1-distill-qwen-32b | DeepSeek | ۱۵۹٬۴۳۱ | ۸۰٬۱۹۷ | ۱٬۵۶۵٬۷۶۱ | ۸۰,۰۰۰ | — |
DeepSeek Reasonerdeepseek-reasoner | DeepSeek | ۲۱۱٬۷۱۹ | ۷٬۰۵۷ | ۶۳۵٬۱۵۸ | ۱۳۱,۰۷۲ | — |
DeepSeek V3.1deepseek-v3.1 | DeepSeek | ۲۱۱٬۷۱۹ | ۷٬۰۵۷ | ۶۳۵٬۱۵۸ | ۱۶۳,۸۴۰ | — |
DeepSeek V4 Prodeepseek-v4-pro | DeepSeek | ۲۱۱٬۷۱۹ | ۷٬۰۵۷ | ۶۳۵٬۱۵۸ | ۱,۰۰۰,۰۰۰ | ابزار |
Granite 4.0 H Microcf.granite-4.0-h-micro | Alibaba (Qwen) | ۵٬۴۵۳ | ۲٬۵۶۶ | ۳۵٬۲۸۷ | ۱۳۱,۰۷۲ | ابزار |
Qwen3.8 Flashqwen3.8-flash | Alibaba (Qwen) | ۴۸٬۱۱۸ | ۵٬۱۳۳ | ۱۵۰٬۷۷۰ | ۹۹۱,۰۰۰ | تصویر ابزار |
Qwen Mt Flashqwen-mt-flash | Alibaba (Qwen) | ۵۱٬۳۲۶ | ۲۵٬۶۶۳ | ۱۵۷٬۱۸۶ | ۸,۱۹۲ | ابزار |
Qwen3 VL Plusqwen3-vl-plus | Alibaba (Qwen) | ۶۴٬۱۵۷ | ۳۲٬۰۷۹ | ۵۱۳٬۲۵۹ | ۲۵۲,۰۰۰ | تصویر ابزار |
Qwen3 Coder Flashqwen3-coder-flash-2025-07-28 | Alibaba (Qwen) | ۹۶٬۲۳۶ | ۳۲٬۰۷۹ | ۴۸۱٬۱۸۰ | ۹۹۷,۹۵۲ | ابزار |
Qwen3 Coder Flashqwen3-coder-flash | Alibaba (Qwen) | ۹۶٬۲۳۶ | ۳۲٬۰۷۹ | ۴۸۱٬۱۸۰ | ۹۹۷,۹۵۲ | ابزار |
Qwen Plusqwen-plus-2025-04-28 | Alibaba (Qwen) | ۱۲۸٬۳۱۵ | ۶۴٬۱۵۷ | ۱٬۲۸۳٬۱۴۸ | ۱۲۹,۰۲۴ | ابزار |
Qwen Plusqwen-plus-2025-12-01 | Alibaba (Qwen) | ۱۲۸٬۳۱۵ | ۶۴٬۱۵۷ | ۱٬۲۸۳٬۱۴۸ | ۹۹۷,۹۵۲ | ابزار |
Qwen3.7 Plusqwen3.7-plus | Alibaba (Qwen) | ۱۲۸٬۳۱۵ | ۱۲٬۸۳۱ | ۵۱۳٬۲۵۹ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Qwen3.6 Plusqwen3.6-plus | Alibaba (Qwen) | ۱۶۰٬۳۹۴ | ۱۶٬۰۳۹ | ۹۶۲٬۳۶۱ | ۹۹۱,۰۰۰ | ابزار |
Qwen2.5 Coder 32B Instructcf.qwen2.5-coder-32b-instruct | Alibaba (Qwen) | ۲۱۱٬۷۱۹ | ۱۰۵٬۸۶۰ | ۳۲۰٬۷۸۷ | ۳۲,۷۶۸ | — |
Qwen Maxqwen-max | Alibaba (Qwen) | ۵۱۳٬۲۵۹ | ۲۵۶٬۶۳۰ | ۲٬۰۵۳٬۰۳۷ | ۳۰,۷۲۰ | ابزار |
Qwen Maxqwen-max-latest | Alibaba (Qwen) | ۵۱۳٬۲۵۹ | ۲۵۶٬۶۳۰ | ۲٬۰۵۳٬۰۳۷ | ۳۰,۷۲۰ | ابزار |
Qwen3.8 Maxqwen3.8-max | Alibaba (Qwen) | ۶۴۱٬۵۷۴ | ۸۰٬۱۹۷ | ۱٬۹۲۴٬۷۲۲ | ۹۹۱,۰۰۰ | تصویر ابزار |
Qwen Mt Plusqwen-mt-plus | Alibaba (Qwen) | ۷۸۹٬۱۳۶ | ۳۸۴٬۹۴۴ | ۲٬۳۶۴٬۲۰۰ | ۲,۰۴۸ | ابزار |
Qwen3.7 Maxqwen3.7-max | Alibaba (Qwen) | ۸۰۱٬۹۶۸ | ۸۰٬۱۹۷ | ۲٬۴۰۵٬۹۰۲ | ۹۹۷,۹۵۲ | تصویر ابزار |
Mistral Small 2503mistral-small-2503 | Mistral AI | ۳۲٬۰۷۹ | ۱۶٬۰۳۹ | ۹۶٬۲۳۶ | ۱۲۸,۰۰۰ | تصویر ابزار |
Mistral Small 3.1 24B Instructcf.mistral-small-3.1-24b-instruct | Mistral AI | ۱۱۲٬۵۹۶ | ۵۶٬۱۳۸ | ۱۷۸٬۰۳۷ | ۱۲۸,۰۰۰ | ابزار |
Mistral Large 3mistral-large-3 | Mistral AI | ۱۶۰٬۳۹۴ | ۱۶٬۰۳۹ | ۴۸۱٬۱۸۰ | — | — |
Minimax M2.5minimax-m2.5 | MiniMax | ۹۶٬۲۳۶ | ۹٬۶۲۴ | ۳۸۴٬۹۴۴ | ۱,۰۰۰,۰۰۰ | ابزار |
Minimax M2.5 Lightningminimax-m2.5-lightning | MiniMax | ۹۶٬۲۳۶ | ۹٬۶۲۴ | ۷۶۹٬۸۸۹ | ۱,۰۰۰,۰۰۰ | ابزار |
Minimax M2.7minimax-m2.7 | MiniMax | ۹۶٬۲۳۶ | ۱۹٬۲۴۷ | ۳۸۴٬۹۴۴ | ۲۰۴,۸۰۰ | ابزار |
Minimax M3minimax-m3 | MiniMax | ۹۶٬۲۳۶ | ۱۹٬۲۴۷ | ۳۸۴٬۹۴۴ | ۵۱۲,۰۰۰ | تصویر ابزار |
Minimax M2.7 Highspeedminimax-m2.7-highspeed | MiniMax | ۱۹۲٬۴۷۲ | ۱۹٬۲۴۷ | ۷۶۹٬۸۸۹ | ۲۰۴,۸۰۰ | ابزار |
sonar | Perplexity | ۳۲۰٬۷۸۷ | ۱۶۰٬۳۹۴ | ۳۲۰٬۷۸۷ | ۱۲۸,۰۰۰ | — |
sonar-reasoning | Perplexity | ۳۲۰٬۷۸۷ | ۱۶۰٬۳۹۴ | ۱٬۶۰۳٬۹۳۵ | ۱۲۸,۰۰۰ | — |
sonar-deep-research | Perplexity | ۶۴۱٬۵۷۴ | ۳۲۰٬۷۸۷ | ۲٬۵۶۶٬۲۹۶ | ۱۲۸,۰۰۰ | — |
sonar-reasoning-pro | Perplexity | ۶۴۱٬۵۷۴ | ۳۲۰٬۷۸۷ | ۲٬۵۶۶٬۲۹۶ | ۱۲۸,۰۰۰ | — |
sonar-pro | Perplexity | ۹۶۲٬۳۶۱ | ۴۸۱٬۱۸۰ | ۴٬۸۱۱٬۸۰۵ | ۲۰۰,۰۰۰ | — |
Kimi K2.5kimi-k2.5 | Moonshot AI | ۱۹۲٬۴۷۲ | ۳۲٬۰۷۹ | ۹۶۲٬۳۶۱ | ۲۶۲,۱۴۴ | ابزار |
Kimi K2.7 Codecf.kimi-k2.7-code | Moonshot AI | ۳۰۴٬۷۴۸ | ۶۰٬۹۵۰ | ۱٬۲۸۳٬۱۴۸ | ۲۶۲,۱۴۴ | ابزار |
Kimi K2.7 Codekimi-k2.7-code | Moonshot AI | ۳۰۴٬۷۴۸ | ۶۰٬۹۵۰ | ۱٬۲۸۳٬۱۴۸ | ۲۶۲,۱۴۴ | ابزار |
Kimi K2.6kimi-k2.6 | Moonshot AI | ۳۰۴٬۷۴۸ | ۵۱٬۳۲۶ | ۱٬۲۸۳٬۱۴۸ | ۲۶۲,۱۴۴ | ابزار |
Groq.kimi K2 Instruct 0905groq.kimi-k2-instruct-0905 | Moonshot AI | ۳۲۰٬۷۸۷ | ۱۶۰٬۳۹۴ | ۱۰۹٬۰۶۸ | ۲۶۲,۱۴۴ | ابزار |
Kimi K2.7 Code Highspeedkimi-k2.7-code-highspeed | Moonshot AI | ۶۰۹٬۴۹۵ | ۱۲۱٬۸۹۹ | ۲٬۵۶۶٬۲۹۶ | ۲۶۲,۱۴۴ | ابزار |
Kimi K3kimi-k3 | Moonshot AI | ۹۶۲٬۳۶۱ | ۹۶٬۲۳۶ | ۴٬۸۱۱٬۸۰۵ | ۲۶۲,۱۴۴ | ابزار |
Kimikimi-latest | Moonshot AI | ۹۶۲٬۳۶۱ | ۹۶٬۲۳۶ | ۴٬۸۱۱٬۸۰۵ | — | — |
Llama 4 Scout 17B 16e Instructllama-4-scout-17b-16e-instruct | Meta (LLaMA) | ۵۷٬۷۴۲ | ۲۸٬۸۷۱ | ۱۸۹٬۲۶۴ | ۱۰,۰۰۰,۰۰۰ | تصویر ابزار |
Llama 4 Scout 17B 16e Instructcf.llama-4-scout-17b-16e-instruct | Meta (LLaMA) | ۸۶٬۶۱۲ | ۴۴٬۹۱۰ | ۲۷۲٬۶۶۹ | ۱۳۱,۰۰۰ | ابزار |
Llama 4 Maverick 17B 128e Instruct Fp8llama-4-maverick-17b-128e-instruct-fp8 | Meta (LLaMA) | ۸۶٬۶۱۲ | ۴۴٬۹۱۰ | ۲۷۲٬۶۶۹ | ۱,۰۰۰,۰۰۰ | تصویر ابزار |
Llama 3.3 70B Instruct Fp8 Fastcf.llama-3.3-70b-instruct-fp8-fast | Meta (LLaMA) | ۹۳٬۰۲۸ | ۴۸٬۱۱۸ | ۷۲۱٬۷۷۱ | ۲۴,۰۰۰ | ابزار |
Llama Guard 3 8Bcf.llama-guard-3-8b | Meta (LLaMA) | ۱۵۵٬۲۶۱ | ۷۷٬۶۳۰ | ۹٬۶۲۴ | ۱۳۱,۰۷۲ | — |
Muse Glimmer 30Bmuse-glimmer-30b | NVIDIA | ۱۱۲٬۲۷۵ | ۱۲٬۸۳۱ | ۴۸۱٬۱۸۰ | ۱۳۱,۰۷۲ | ابزار |
Nemotron 3 Ultranemotron-3-ultra | NVIDIA | ۱۹۲٬۴۷۲ | ۳۸٬۴۹۴ | ۷۶۹٬۸۸۹ | ۲۵۴,۰۰۰ | تصویر ابزار |
GLM 5.3 Flash glm-5.3-flash | Z.ai | ۴۸٬۱۱۸ | ۹٬۶۲۴ | ۱۶۰٬۳۹۴ | ۹۹۱,۰۰۰ | تصویر ابزار |
GLM 5.2 cf.glm-5.2 | Z.ai | ۴۴۹٬۱۰۲ | ۸۳٬۴۰۵ | ۱٬۴۱۱٬۴۶۳ | ۹۹۱,۰۰۰ | ابزار |
GLM 5.1 glm-5.1 | Z.ai | ۴۴۹٬۱۰۲ | ۸۳٬۴۰۵ | ۱٬۴۱۱٬۴۶۳ | ۲۰۰,۰۰۰ | ابزار |
GLM 5.2 glm-5.2 | Z.ai | ۴۴۹٬۱۰۲ | ۸۳٬۴۰۵ | ۱٬۴۱۱٬۴۶۳ | ۹۹۱,۰۰۰ | ابزار |
GLM 5.3 glm-5.3 | Z.ai | ۴۴۹٬۱۰۲ | ۸۳٬۴۰۵ | ۱٬۴۱۱٬۴۶۳ | ۹۹۱,۰۰۰ | ابزار |
تولید و ویرایش تصویر (۲ مدل) — /images/generations
| مدل | شرکت | قیمت (هر تصویر) |
|---|---|---|
GPT Image 2gpt-image-2 | OpenAI | ۱۹٬۶۲۰ |
GPT Image 1.5gpt-image-1.5 | OpenAI | ۱۶٬۳۵۱ |
انیمیشن و ویدیو (۱ مدل) — /videos
| مدل | شرکت | قیمت (تقریبی هر ویدیو) |
|---|---|---|
Lemura Motionlemura-motion | لمورا | ۲٬۴۰۰ — تا ۶۰ ثانیه در 720p |
مبلغ ویدیو تقریبی است: طراحی صحنهها مثل یک پیام چت و رندر بر اساس پردازش واقعی حساب میشود. جزئیات
تبدیل متن به گفتار (۴ مدل) — /audio/speech
| مدل | شرکت | قیمت (هر درخواست) |
|---|---|---|
GPT-4o Mini TTSgpt-4o-mini-tts | OpenAI | ۵۴۵ |
TTS 1tts-1 | OpenAI | ۵۴۵ |
TTS 1 HDtts-1-hd | OpenAI | ۵۴۵ |
GPT Audio 1.5gpt-audio-1.5 | OpenAI | ۵۴۵ |
تبدیل گفتار به متن (۴ مدل) — /audio/transcriptions
| مدل | شرکت | قیمت (هر درخواست) |
|---|---|---|
Whisper 1whisper-1 | OpenAI | ۳۲۷ |
GPT-4o Transcribegpt-4o-transcribe | OpenAI | ۳۲۷ |
GPT-4o Mini Transcribegpt-4o-mini-transcribe | OpenAI | ۳۲۷ |
GPT-4o Transcribe Diarizegpt-4o-transcribe-diarize | OpenAI | ۳۲۷ |
ترجمهٔ گفتار (۱ مدل) — /audio/translations
| مدل | شرکت | قیمت (هر درخواست) |
|---|---|---|
Whisper 1whisper-1 | OpenAI | ۳۲۷ |
بردارسازی (Embedding) (۳ مدل) — /embeddings
| مدل | شرکت | قیمت (هر ۱ هزار توکن) |
|---|---|---|
Text Embedding 3 Smalltext-embedding-3-small | OpenAI | ۲۲ |
Text Embedding 3 Largetext-embedding-3-large | OpenAI | ۲۲ |
Text Embedding Ada 002text-embedding-ada-002 | OpenAI | ۲۲ |
بررسی محتوا (Moderation) (۴ مدل) — /moderations
| مدل | شرکت | قیمت (هر درخواست) |
|---|---|---|
Omni Moderationomni-moderation-latest | OpenAI | ۱۱ |
Omni Moderationomni-moderation-2024-09-26 | OpenAI | ۱۱ |
Text Moderationtext-moderation-latest | OpenAI | ۱۱ |
Text Moderation Stabletext-moderation-stable | OpenAI | ۱۱ |
جستجوی وب با مدل (۸ مدل) — /web-search
| مدل | شرکت | کم (low) | متوسط (medium) | زیاد (high) |
|---|---|---|---|---|
GPT-4o Search Previewgpt-4o-search-preview | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-4o Mini Search Previewgpt-4o-mini-search-preview | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-4ogpt-4o | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-4o Minigpt-4o-mini | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-4.1gpt-4.1 | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-4.1 Minigpt-4.1-mini | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-4.1 Nanogpt-4.1-nano | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
GPT-5.5gpt-5.5 | OpenAI | ۱۱۰ | ۲۱۹ | ۴۳۷ |
قیمت بر اساس پارامتر search_context_size است و هزینهٔ توکنها هم جداگانه محاسبه میشود.
خدمات دیگر
| سرویس | مسیر | قیمت |
|---|---|---|
| خواندن صفحهٔ وب | POST /web-scrape | ۳۳ هر آدرس موفق |
| پژوهش عمیق | POST /research | ۴۳۷ هر درخواست |
| تشخیص متن (OCR) | POST /ocr | ۱٬۲۸۳ هر صفحه |
| کانتینر اجرای کد (Responses API) | POST /responses | ۹٬۸۱۰ هر کانتینر، علاوه بر توکن |
| استخراج ساختاریافته (cf.clairic) | POST /extraction | ۳۲٬۰۷۹ هر ۱ میلیون توکن ورودی |
قیمت ابزارهای آماده (ساخت PDF، پاورپوینت، OCR، صوت و...) در وبسرویس ابزارها آمده است.
ماشینحساب هزینه
دریافت همین فهرست با کد
با کلید API، فهرست همین مدلها را بههمراه قیمت برمیگرداند. نمونهٔ واقعی یک ردیف:
json{
"cached_toman_per_1m": 160393.5,
"company": "OpenAI",
"context_tokens": 1047576,
"created": 1794816212,
"icon": "https://lemura.ir/wp-content/uploads/2026/09/chatgpt.png",
"id": "gpt-4.1",
"input_toman_per_1m": 641574.0,
"max_output_tokens": 32768,
"name": "GPT-4.1",
"object": "model",
"output_toman_per_1m": 2566296.0,
"owned_by": "openai",
"tools": true,
"type": "chat",
"vision": true
}
انواع: chat، image، video، audio_tts، audio_transcription، audio_translation، embedding، moderation، web_search. فیلدهای name، company، icon، vision، tools، context_tokens و max_output_tokens برای نمایش در برنامهٔ شماست.
جزئیات یک مدل؛ اگر وجود نداشته باشد کد 404 با نوع model_not_found.
نسخهٔ عمومی بدون نیاز به کلید: /docs/pricing.json
کلیدها و محاسبهٔ هزینه
مدیریت کلید
- کلیدها از صفحه توسعهدهندگان ساخته، غیرفعال یا حذف میشوند.
- برای هر برنامه یک کلید جدا بسازید تا مصرف را جدا ببینید و در صورت لو رفتن فقط همان را حذف کنید.
- حداکثر تعداد کلید برای هر کاربر: ۱۰.
نحوه محاسبه هزینه
- مدلهای متنی: (توکن ورودی کشنشده × قیمت ورودی + توکن کششده × قیمت کش + توکن خروجی × قیمت خروجی) ÷ ۱٬۰۰۰٬۰۰۰. هر درخواست به تومان کامل گرد میشود، رو به بالا.
- تصویر: قیمت ثابت برای هر تصویر؛ در ویرایش تصویر هم همین قیمت.
- ویدیو: طراحی صحنهها (مثل یک پیام چت) + رندر Remotion بر اساس پردازش واقعی (همان تعرفهٔ ابزار animation_render).
- صوت: قیمت ثابت برای هر درخواست، مستقل از طول متن یا صدا.
- Embedding: بر اساس هر ۱٬۰۰۰ توکن.
- جستجوی وب: بر اساس
search_context_size، بهعلاوهٔ هزینهٔ توکنها.
نمونه با GPT-4.1: یک میلیون توکن ورودی (۶۴۱٬۵۷۴ تومان) و یک میلیون توکن خروجی (۲٬۵۶۶٬۲۹۶ تومان) روی هم ۳٬۲۰۷٬۸۷۱ تومان میشود.
قیمت همهٔ مدلها در مدلها و قیمتگذاری آمده و هر تغییر قیمت همان لحظه آنجا دیده میشود. مبلغ هر درخواست با قیمت زمان همان درخواست حساب میشود. درخواستهای ناموفق هزینهای ندارند. مصرف وبسرویس فقط از کیف پول کم میشود و پلنها روی آن اثر ندارند.
گزارش مصرف
مصرف روزانه (حداکثر ۹۰ روز) برای کاربرِ صاحب کلید:
json{
"object": "usage", "user_id": 123, "days": 30,
"data": [{"day": "2026-10-20", "requests": 42, "tokens": 51200, "cost": 2900}]
}
وضعیت سرویس
بدون نیاز به کلید؛ برای مانیتورینگ.
نمونه کدها
Python (کتابخانه openai)
python# pip install openai
from openai import OpenAI
client = OpenAI(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "یک تابع مرتبسازی سریع بنویس"}],
)
print(resp.choices[0].message.content)
Node.js
javascript// npm i openai
import OpenAI from "openai";
const client = new OpenAI({ apiKey: process.env.LEMURA_KEY, baseURL: "https://lemura.ir/wp-json/lemuraai/v1" });
const stream = await client.chat.completions.create({
model: "gpt-4o-mini", stream: true,
messages: [{ role: "user", content: "سلام!" }],
});
for await (const part of stream) process.stdout.write(part.choices[0]?.delta?.content || "");
PHP
php$ch = curl_init("https://lemura.ir/wp-json/lemuraai/v1/chat/completions");
curl_setopt_array($ch, [
CURLOPT_RETURNTRANSFER => true, CURLOPT_POST => true,
CURLOPT_HTTPHEADER => ["Authorization: Bearer lsk-YOUR_KEY", "Content-Type: application/json"],
CURLOPT_POSTFIELDS => json_encode(["model" => "gpt-4o-mini",
"messages" => [["role" => "user", "content" => "سلام"]]]),
]);
$res = json_decode(curl_exec($ch), true);
echo $res["choices"][0]["message"]["content"];
LangChain
pythonfrom langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
print(llm.invoke("سلام").content)
خطاها و رفع اشکال
خطاها در قالب استاندارد OpenAI برمیگردند:
json{"error": {"message": "Insufficient balance. Available: 120 toman", "type": "insufficient_balance", "code": 402}}
| کد | نوع | علت و راهحل |
|---|---|---|
| 400 | invalid_request_error | بدنه نامعتبر یا فیلد الزامی (مثل model، messages) ارسال نشده. |
| 401 | authentication_error | کلید ارسال نشده، اشتباه است یا غیرفعال شده. هدر Authorization: Bearer lsk-... را بررسی کنید. |
| 402 | insufficient_balance | موجودی کافی نیست؛ کیف پول را شارژ کنید. |
| 404 | model_not_found | شناسه مدل اشتباه یا غیرفعال است؛ از /models استفاده کنید. |
| 429 | rate_limit_error | عبور از محدودیت نرخ؛ به مقدار هدر Retry-After صبر کنید. |
| 5xx | server_error / upstream | خطای موقت ارائهدهنده مدل؛ با تأخیر دوباره تلاش کنید. هزینهای کسر نمیشود. |
نکات
- اگر کتابخانه OpenAI خطای اتصال میدهد، مطمئن شوید
base_urlدقیقاًhttps://lemura.ir/wp-json/lemuraai/v1است (بدون/chat/completions). - برای درخواستهای طولانی (تصویر و ویدیو) timeout کلاینت را حداقل ۱۸۰ ثانیه بگذارید.
- در صورت تکرار خطای 5xx، مدل جایگزین را امتحان کنید.
سوالات متداول
آیا با کدهای فعلی OpenAI سازگار است؟
بله. فقط api_key را با کلید لمورا و base_url را با آدرس لمورا جایگزین کنید.
هزینه درخواستهای ناموفق کسر میشود؟
خیر. فقط درخواستهای موفق هزینه دارند.
موجودی API و چت سایت جداست؟
خیر، یک کیف پول مشترک برای همه سرویسهاست.
چطور بفهمم هر درخواست چقدر هزینه داشته؟
از /usage و /balance یا تاریخچه کیف پول استفاده کنید.
کلیدم لو رفته، چه کنم؟
فوراً از صفحه توسعهدهندگان آن را حذف و کلید جدید بسازید.
پشتیبانی
برای سوالات فنی از چت سایت یا راههای ارتباطی لمورا با ما در تماس باشید.
بینایی و فایل در چت
مدلهای دارای قابلیت بینایی (مثل gpt-5.4، gpt-4o، claude-sonnet-4-5، gemini-2.5-flash) میتوانند تصویر و PDF را مستقیماً در پیام بخوانند. هزینه تصویر و صفحات PDF بهصورت توکن ورودی حساب میشود.
تصویر با URL یا Base64 (Chat Completions)
json{
"model": "gpt-4o",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "متن و اعداد این رسید را استخراج کن"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ...", "detail": "high"}}
]}]
}
پارامتر detail: low (سریع و ارزان)، high (متن ریز، نمودار و اسکرینشات)، auto. برای چند تصویر، چند بخش image_url بفرستید و در متن برچسب بزنید («تصویر A»، «تصویر B»). مدلهای Gemini فقط ورودی Base64 را میپذیرند.
PDF با Responses API
json{
"model": "gpt-5.4",
"input": [{"role": "user", "content": [
{"type": "input_text", "text": "تعهدات اصلی این قرارداد را با شماره صفحه خلاصه کن"},
{"type": "input_file", "file_url": "https://example.com/contract.pdf"}
]}]
}
بهجای file_url میتوانید "filename" + "file_data": "data:application/pdf;base64,..." یا "file_id" فایلی که با Files API آپلود کردهاید را بفرستید. حجم هر فایل کمتر از ۵۰ مگابایت باشد.
فایل آپلودشده در Chat Completions
json{
"model": "gemini-2.5-flash",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "این سند را خلاصه کن"},
{"type": "file", "file": {"file_id": "file-EyVi0MrxuKTgBrvkVas5ZTGz"}}
]}]
}
file_idهایی که با کلید حساب خودتان آپلود کردهاید میتوانید ارجاع دهید؛ شناسه فایل دیگران خطای 404 میدهد.فایلها (Files API)
یک بار آپلود کنید و بارها با file_id در چت، Responses، OCR و ویرایش تصویر استفاده کنید. ذخیرهسازی فایل هزینهای ندارد؛ فقط پردازش آن در مدل حساب میشود.
multipart/form-data با فیلدهای file (حداکثر ۱۲۸ مگابایت) و purpose: user_data (پیشنهادی برای ورودی مدل)، vision، assistants، batch، fine-tune، evals، others. اختیاری: expires_after[anchor]=created_at و expires_after[seconds].
bashcurl https://lemura.ir/wp-json/lemuraai/v1/files \
-H "Authorization: Bearer lsk-YOUR_KEY" \
-F purpose="user_data" -F file="@contract.pdf"
json{"id": "file-EyVi0MrxuKTgBrvkVas5ZTGz", "object": "file", "bytes": 13264, "created_at": 1767210968,
"filename": "contract.pdf", "purpose": "user_data"}
فهرست فایلهای حساب شما.
pythonf = client.files.create(file=open("contract.pdf", "rb"), purpose="user_data")
r = client.responses.create(model="gpt-5.4", input=[{"role": "user", "content": [
{"type": "input_file", "file_id": f.id},
{"type": "input_text", "text": "مهمترین بندها را فهرست کن"}]}])
print(r.output_text)
client.files.delete(f.id)
تشخیص متن (OCR)
استخراج ساختاریافته متن، جدول و تصاویر از PDF و تصویر با mistral-ocr-4-0 (۱۷۰ زبان، خروجی Markdown). هزینه بر اساس تعداد صفحه: حدود ۱,۲۸۳ تومان برای هر صفحه (با حاشیهنویسی ساختاریافته ۲٫۲۵ برابر).
document(الزامی):{"type": "document_url", "document_url": "https://... یا data:application/pdf;base64,..."}یا{"type": "image_url", "image_url": "..."}- اختیاری:
pages(آرایه شماره صفحه از ۰)،include_image_base64،image_limit،image_min_size،table_format(markdown/html)،extract_header،extract_footer،document_annotation_formatوbbox_annotation_format(خروجی JSON Schema).
bashcurl https://lemura.ir/wp-json/lemuraai/v1/ocr \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"model": "mistral-ocr-4-0",
"document": {"type": "document_url", "document_url": "https://arxiv.org/pdf/2201.04234"},
"pages": [0, 1], "table_format": "html"}'
json{
"pages": [{"index": 0, "markdown": "# عنوان سند\n\nمتن استخراجشده...", "dimensions": {"dpi": 200, "height": 2200, "width": 1700}, "images": []}],
"model": "mistral-ocr-4-0",
"usage_info": {"pages_processed": 2, "doc_size_bytes": 3002783},
"object": "ocr"
}
استخراج داده ساختاریافته از فاکتور
json{
"model": "mistral-ocr-4-0",
"document": {"type": "document_url", "document_url": "https://example.com/invoice.pdf"},
"document_annotation_format": {"type": "json_schema", "json_schema": {"name": "invoice", "schema": {
"type": "object", "required": ["invoice_number", "total_amount"],
"properties": {"invoice_number": {"type": "string"}, "date": {"type": "string"}, "total_amount": {"type": "number"}}}}}
}
نتیجه ساختاریافته در فیلد document_annotation بهصورت رشته JSON برمیگردد. پیش از ثبت مالی، مبلغها و تاریخها را با سند اصلی تطبیق دهید.
ویرایش تصویر
ویرایش تصویر موجود با توضیح متنی (حذف پسزمینه، افزودن شیء، تغییر سبک...). مدلها و قیمت همانند تولید تصویر است (مدلهای فعال در /models با نوع image).
آپلود فایل (multipart)
bashcurl https://lemura.ir/wp-json/lemuraai/v1/images/edits \
-H "Authorization: Bearer lsk-YOUR_KEY" \
-F model="gpt-image-2" -F image="@product.png" \
-F prompt="فقط پسزمینه را سفید گرم کن؛ محصول، لوگو و زاویه دوربین تغییر نکند" \
-F size="1024x1024"
درخواست JSON با Base64
json{
"model": "gpt-image-2",
"prompt": "یک رنگینکمان در آسمان بالای کوهها اضافه کن",
"images": [{"image_url": "data:image/png;base64,iVBORw0KGgo..."}],
"size": "1024x1024"
}
اختیاری: mask (فایل یا {"image_url": ...} با کانال آلفا؛ ناحیه شفاف قابل ویرایش است)، n (حداکثر ۴)، quality، output_format. خروجی در data[0].b64_json یا data[0].url است. در پرامپت کل تصویر نهایی را توصیف کنید و بگویید چه چیزهایی باید بدون تغییر بمانند.
استخراج فیلد (Extraction)
متن یا تصویر را بخوانید و مقدارهای نامدار و نوعدار برگردانید (شناسه، تاریخ، مبلغ، فهرست، برآورد، پیشبینی) — همراه با نشانههای عدم قطعیت. مدل: cf.clairic. هزینه بر اساس توکن ورودی (بسیار کم). پاسخ جریانی پشتیبانی نمیشود.
state: متن شواهد (یاimages: تا ۴ تصویر Base64 باcontent_type).fields: شیء نامدار؛ نوعها:text،number،date،time،datetime،duration،list(باitems)،estimateوforecast(باmin/max). تنظیمات:instructions،unit،decimals،null_thresholdو ...- اختیاری:
reference_date(برای تاریخهای بدون سال)،options.include_quantiles،options.return_state_text.
bashcurl https://lemura.ir/wp-json/lemuraai/v1/extraction \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"model": "cf.clairic",
"state": "Invoice INV-2291 issued 2026-09-02, net 30. 4 pallets at $250.00, shipping $80.00. Contact: Dana Ruiz, Priya Shah.",
"fields": {
"invoice_number": {"type": "text"},
"due_date": {"type": "date", "instructions": "Issue date plus net payment days"},
"total": {"type": "number", "decimals": 2, "unit": "USD", "instructions": "Amount due including shipping"},
"contacts": {"type": "list", "items": "text"},
"po_number": {"type": "text", "instructions": "Purchase order number"}}}'
json{
"model": "cf.clairic",
"answers": {
"invoice_number": {"type": "text", "value": "INV-2291", "confidence": 1, "p_null": 3.8e-10, "span": [8, 16]},
"due_date": {"type": "date", "value": "2026-10-02"},
"total": {"type": "number", "value": 1080},
"contacts": {"type": "list", "value": ["Dana Ruiz", "Priya Shah"]},
"po_number": {"type": "text", "value": null, "p_null": 1, "guess": "INV-2291"}
},
"truncated": false,
"usage": {"input_tokens": 655, "output_tokens": 0, "passes": 3}
}
value: null یعنی مقدار پیدا نشد؛ guess را جایگزین آن نکنید (در مثال، شماره سفارش خرید وجود ندارد). پیش از ذخیره یا اقدام، مقدارها را اعتبارسنجی کنید.گفتگوی صوتی زنده
برای ساخت دستیار صوتی، سه مرحله را زنجیره کنید: گفتار به متن چت متن به گفتار. این همان روشی است که «گفتگوی صوتی» سایت لمورا استفاده میکند.
pythonwith open("question.webm", "rb") as audio:
text = client.audio.transcriptions.create(model="gpt-4o-transcribe", file=audio, language="fa").text
answer = client.chat.completions.create(model="gpt-5.4-mini", messages=[
{"role": "system", "content": "کوتاه و محاورهای پاسخ بده."},
{"role": "user", "content": text}]).choices[0].message.content
with client.audio.speech.with_streaming_response.create(
model="gpt-audio-1.5", voice="coral", input=answer, response_format="mp3") as speech:
speech.stream_to_file("answer.mp3")
- متن هر درخواست TTS را زیر ۴٬۰۰۰ کاراکتر نگه دارید؛ متن طولانی را پاراگراف به پاراگراف بفرستید.
- صداهای پیشنهادی:
coral،marin،cedar،alloy،nova. - برای کاهش تأخیر، پاسخ چت را کوتاه بخواهید و پخش را همزمان با دریافت فایل شروع کنید.
- به کاربر اطلاع دهید که صدای پاسخ با هوش مصنوعی تولید شده است.
پایگاه دانش و RAG (پاسخ مستند به اسناد شما)
اسناد خود (متن، صفحه وب یا فایل آپلودشده) را در یک «مجموعه» ذخیره کنید. لمورا آنها را تکهبندی (با همپوشانی)، به بردار تبدیل و ایندکس میکند. سپس با یک درخواست جستجو کنید یا پاسخ نهایی را همراه با ارجاع دقیق به منبع بگیرید. مجموعهها خصوصی هستند و فقط با کلیدهای همان حساب در دسترساند؛ پایگاههای دانشی که در چت سایت ساختهاید هم اینجا قابل استفادهاند.
Endpointها
۱. ساخت مجموعه
bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"name": "support-kb", "description": "سوالات پشتیبانی", "embedding_model": "text-embedding-3-small"}'
name: حروف کوچک انگلیسی، عدد، - و _ (حداکثر ۴۰). embedding_model اختیاری است (پیشفرض text-embedding-3-small؛ برای دقت بیشتر text-embedding-3-large) و برای همه اسناد آن مجموعه ثابت میماند. ارسال اولین سند به مجموعهای که وجود ندارد، آن را خودکار میسازد.
۲. افزودن اسناد
bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/documents \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{
"documents": [
{"id": "refund-policy", "title": "سیاست بازپرداخت", "text": "...", "metadata": {"lang": "fa", "year": 2026}}
],
"urls": ["https://example.com/faq"],
"file_ids": ["file-EyVi0MrxuKTgBrvkVas5ZTGz"],
"chunk_size": 700,
"chunk_overlap": 100
}'
documents: تا ۲۰۰ سند؛ هر سندtext(الزامی)،idپایدار (برای جایگزینی/حذف بعدی)،title،urlوmetadata(مقادیر ساده برای فیلتر).urls: تا ۱۰ صفحه وب عمومی (آدرسهای داخلی و خصوصی پذیرفته نمیشوند).file_ids: فایلهایی که با Files API آپلود کردهاید — txt، md، csv، json، html، docx، xlsx، pptx؛ PDF و تصویر با OCR خوانده میشوند.chunk_size(۱۰۰ تا ۲۰۴۸ توکن، پیشفرض ۷۰۰) وchunk_overlap(پیشفرض ۱۵٪). سند با همانidدوباره ارسال شود، جایگزین میشود ("replace_documents": falseبرای افزودن).
json{"object": "rag.ingest", "collection": "support-kb", "chunks": 42, "total_chunks": 42,
"documents": [{"id": "refund-policy", "title": "سیاست بازپرداخت", "chunks": 3}],
"usage": {"embedding_tokens": 18210, "urls_fetched": 1, "ocr_pages": 0}, "cost": 410}
۳. جستجو
bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/search \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"query": "مهلت بازپرداخت چند روز است؟", "top_k": 5, "mode": "hybrid", "filter": {"lang": "fa"}, "rerank": true}'
mode:hybrid(پیشفرض: معنایی + کلیدواژه BM25)،dense(فقط معنایی) یاkeyword. وزن معنایی باalpha(۰ تا ۱، پیشفرض ۰٫۷).filter: فیلتر روی metadata؛ مقدار ساده یا عملگرهای$eq،$ne،$gt،$gte،$lt،$lte،$in،$nin.rerank: رتبهبندی مجدد با مدل زبانی (rerank_modelاختیاری) — دقیقتر، با هزینه توکن.min_score: حذف نتایج کمارتباط. برای چند مجموعه ازPOST /rag/searchبا"collections": ["a", "b"]استفاده کنید.
json{"object": "rag.search_results", "data": [
{"id": "refund-policy_c1", "doc_id": "refund-policy", "title": "سیاست بازپرداخت", "text": "...",
"score": 0.8731, "dense_score": 0.8123, "keyword_score": 1.0, "rerank_score": 0.9, "metadata": {"lang": "fa"}}
], "reranked": true, "cost": 12}
۴. پاسخ مستند با ارجاع (RAG کامل)
bashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/query \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"query": "مهلت بازپرداخت چند روز است؟", "model": "gpt-4o-mini", "top_k": 6}'
json{
"object": "rag.answer", "status": "completed", "model": "gpt-4o-mini",
"answer": "مهلت درخواست بازپرداخت ۱۴ روز پس از خرید است [1].",
"citations": [{"index": 1, "source_id": "refund-policy_c1", "doc_id": "refund-policy", "title": "سیاست بازپرداخت", "url": "", "text": "..."}],
"invalid_citations": 0, "sources": [ ... ],
"usage": {"prompt_tokens": 1820, "completion_tokens": 64, "embedding_tokens": 14}, "cost": 95
}
- هر تکه با شناسه پایدار (مثل
refund-policy_c1) به مدل داده میشود و ارجاعهای مدل با همین شناسهها اعتبارسنجی میشوند؛ ارجاع ساختگی حذف و درinvalid_citationsشمرده میشود. citation_format:brackets(پیشفرض،[1]در متن)،markers(نشانههای خامciteidبرای رندر سفارشی) یاnone.messages: تاریخچه گفتگو (نقشهای user/assistant) برای سوالات پیگیری.instructions: دستور اضافه (لحن، قالب).classify: true: اول تشخیص میدهد سوال به پایگاه دانش نیاز دارد یا نه (برای سوالات عمومی، بازیابی و هزینه embedding حذف میشود).max_tokens(پیشفرض ۱۵۰۰)،temperature،filter،mode،rerankمثل جستجو.status:completed،incomplete(پاسخ به سقف توکن رسید) یاincomplete_no_text(کل بودجه صرف استدلال شد —max_tokensرا بیشتر کنید؛ این پاسخ را قابل استفاده فرض نکنید).
پاسخ جریانی (stream)
با "stream": true پاسخ بهصورت SSE میآید: ابتدا منابع بازیابیشده، سپس متن پاسخ تکهتکه (ارجاعها همان لحظه به [1] تبدیل شدهاند) و در پایان نتیجهٔ کامل با ارجاعهای اعتبارسنجیشده، مصرف و هزینه.
bashcurl -N https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/query \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"query": "مهلت بازپرداخت چند روز است؟", "stream": true}'
data: {"type": "rag.sources", "retrieved": true, "sources": [ ... ]}
data: {"type": "rag.delta", "delta": "مهلت درخواست بازپرداخت "}
data: {"type": "rag.delta", "delta": "۱۴ روز پس از خرید است [1]."}
data: {"type": "rag.completed", "object": "rag.answer", "status": "completed", "answer": "...", "citations": [ ... ], "cost": 95}
data: [DONE]
نمونه Python
pythonimport requests
B = "https://lemura.ir/wp-json/lemuraai/v1"
H = {"Authorization": "Bearer lsk-YOUR_KEY"}
requests.post(B + "/rag/collections/docs/documents", headers=H, json={
"documents": [{"id": "pricing", "title": "قیمتها", "text": open("pricing.md", encoding="utf-8").read()}]})
r = requests.post(B + "/rag/collections/docs/query", headers=H,
json={"query": "پلن سازمانی چه امکاناتی دارد؟", "model": "gpt-4o-mini"}).json()
print(r["answer"])
for c in r["citations"]:
print(c["index"], c["title"], c["source_id"])
سازگاری با Anthropic (Messages API و Claude Code)
وبسرویس لمورا علاوه بر قالب OpenAI، قالب رسمی Anthropic Messages API را هم میپذیرد. یعنی SDKهای رسمی Anthropic (پایتون و TypeScript)، ابزارهایی مثل Claude Code و هر برنامهای که برای Claude نوشته شده، فقط با عوض کردن آدرس پایه و کلید، با کیف پول لمورا کار میکنند. استریم (SSE)، ابزارها (tool use)، تصویر، پیام سیستمی و توقف سفارشی پشتیبانی میشود؛ هزینه و سقف درخواست مثل بقیهٔ وبسرویس است.
| مورد | مقدار |
|---|---|
| آدرس پایه (base URL) | https://lemura.ir/anthropic |
| Endpoint | POST https://lemura.ir/anthropic/v1/messages (همچنین /wp-json/lemuraai/v1/messages) |
| احراز هویت | x-api-key: lsk-… یا Authorization: Bearer lsk-… |
| نسخه | هدر anthropic-version پذیرفته میشود و لازم نیست. |
Endpointها
نام مدلها
هر مدل چت لمورا را میتوانید با شناسهٔ خودش بفرستید (مثلاً claude-sonnet-4-5 یا حتی gpt-5.4).
شناسههای رسمی Anthropic با تاریخ (مثل claude-sonnet-4-5-20250929) خودکار به نزدیکترین مدل همان خانواده
(opus / sonnet / haiku) که در لمورا فعال است نگاشت میشوند؛ نام مدل درخواستی در پاسخ برگردانده میشود.
curl
bashcurl https://lemura.ir/anthropic/v1/messages \
-H "x-api-key: lsk-YOUR_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-sonnet-4-5",
"max_tokens": 1024,
"system": "پاسخ را کوتاه و فارسی بده.",
"messages": [{"role": "user", "content": "سه ایده برای نام یک کافه"}]
}'
پایتون (SDK رسمی anthropic)
pythonimport anthropic
client = anthropic.Anthropic(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/anthropic")
msg = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=1024,
messages=[{"role": "user", "content": "یک شعر کوتاه دربارهٔ باران"}],
)
print(msg.content[0].text)
# استریم
with client.messages.stream(model="claude-sonnet-4-5", max_tokens=1024,
messages=[{"role": "user", "content": "Explain RAG in 3 lines"}]) as s:
for text in s.text_stream:
print(text, end="", flush=True)
TypeScript / Node.js
javascriptimport Anthropic from "@anthropic-ai/sdk";
const client = new Anthropic({ apiKey: "lsk-YOUR_KEY", baseURL: "https://lemura.ir/anthropic" });
const msg = await client.messages.create({
model: "claude-sonnet-4-5",
max_tokens: 1024,
messages: [{ role: "user", content: "Hello from Lemura" }],
});
console.log(msg.content);
ابزارها (Tool use)
pythontools = [{
"name": "get_weather",
"description": "Current weather of a city",
"input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
}]
r = client.messages.create(model="claude-sonnet-4-5", max_tokens=1024, tools=tools,
messages=[{"role": "user", "content": "هوای تهران چطوره؟"}])
# r.stop_reason == "tool_use" → بلوک tool_use را اجرا کنید و نتیجه را با tool_result برگردانید
Claude Code با کیف پول لمورا
متغیرهای محیطی زیر را تنظیم کنید و claude را اجرا کنید:
bash# macOS / Linux
export ANTHROPIC_BASE_URL="https://lemura.ir/anthropic"
export ANTHROPIC_AUTH_TOKEN="lsk-YOUR_KEY"
claude
# Windows PowerShell
$env:ANTHROPIC_BASE_URL="https://lemura.ir/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="lsk-YOUR_KEY"
claude
تفاوتها با API رسمی Anthropic
- درخواستها از مسیر مدلهای لمورا اجرا میشوند؛ ویژگیهای اختصاصی Anthropic مثل
thinking،cache_control، Batches و Files API نادیده گرفته میشوند (درخواست خطا نمیدهد). count_tokensتخمینی است (برای برنامهریزی کافی است، نه برای صورتحساب).- خطاها در قالب Anthropic برمیگردند:
{"type":"error","error":{"type":"authentication_error","message":"…"}}؛ موجودی ناکافی =402 billing_error.
ایجنت سرور لمورا (ترمینال هوشمند)
ایجنت سرور لمورا مثل یک مهندس DevOps به سرور شما وصل میشود و کارها را در ترمینال (Shell) انجام میدهد: بررسی وضعیت، نصب و پیکربندی، رفع خطای وبسرور و دیتابیس، تحلیل لاگ، بهروزرسانی و گزارش نهایی. کافی است کار را به زبان ساده بنویسید.
شروع
- از منوی کناری، بخش «ابزارها و اتوماسیون» ← ایجنت سرور و سایت را باز کنید و «افزودن سرور یا سایت» ← نوع سرور (SSH / ترمینال) را بزنید.
- آدرس سرور، پورت، نام کاربری و کلید خصوصی SSH (پیشنهادی) یا رمز عبور را وارد کنید و «تست اتصال» را بزنید. اطلاعات اتصال رمزنگاریشده نگه داشته میشود و هرگز به مدل یا خروجی برگردانده نمیشود.
- «وظیفه جدید» بسازید، سرور را انتخاب کنید و کار را بنویسید؛ مثلاً: «چرا سایت خطای ۵۰۲ میدهد؟ پیدا و درستش کن» یا «Nginx و گواهی SSL را برای دامنهٔ example.com راهاندازی کن».
نحوهٔ کار
- بررسی و برنامه: ایجنت ابتدا فقط بررسی میکند (system_info، ls، cat، df، systemctl status، journalctl …) و سپس برنامهای با دستورها و فایلهایی که تغییر میکنند پیشنهاد میدهد. تا برنامه را تأیید نکنید هیچ تغییری انجام نمیشود.
- اجرا: پس از تأیید، کار را مرحلهبهمرحله انجام میدهد، تنظیمات را قبل از اعمال اعتبارسنجی میکند (مثل
nginx -t) و نتیجه را دوباره بررسی میکند. - ویرایش امن فایل: ابزار
edit_fileفقط بخش مشخصی از فایل را عوض میکند و یک نسخهٔ پشتیبان با تاریخ کنار فایل میگذارد. - گزارش نهایی: چه چیزی پیدا شد، چه تغییراتی انجام شد، پشتیبانها کجا هستند و چطور نتیجه را بررسی کنید.
سطحهای امنیتی دستورها
| سطح | نمونه | رفتار |
|---|---|---|
| فقطخواندنی | ls, cat, grep, df, ps, ss, journalctl, docker ps, nginx -t | بیدرنگ اجرا میشود (حتی در مرحلهٔ برنامهریزی) |
| تغییردهنده | apt-get install, systemctl restart, edit_file, sed -i | حالت «مرحلهبهمرحله»: با تأیید شما · حالت «خودکار»: بدون توقف |
| پرخطر | rm -r, reboot, systemctl stop, DROP DATABASE, iptables -F | همیشه منتظر تأیید شما میماند، حتی در حالت خودکار |
| مسدود | rm -rf /, mkfs, dd روی دیسک، fork bomb، ماینر | هرگز اجرا نمیشود |
| تعاملی | vim, nano, top, less, mysql (بدون -e) | رد میشود؛ ایجنت شکل غیرتعاملی را به کار میبرد |
هزینه: هر مرحلهٔ فکر کردن مدل بر اساس تعرفهٔ همان مدل از کیف پول کسر میشود؛ اجرای دستور روی سرور شما هزینهٔ جداگانه ندارد. در اپلیکیشن ویندوز لمورا، همین ایجنت روی ترمینال رایانهٔ خود شما هم کار میکند.
ابزار Shell در Responses API
با ابزار Shell مدل میتواند برای کارهای قطعی (بررسی فایل، اجرای اسکریپت، تبدیل داده، ساخت فایل خروجی) دستور ترمینال بخواهد. در لمورا دو راه دارید:
| نیاز | راه پیشنهادی |
|---|---|
| کار روی سرور خودتان | ایجنت سرور لمورا — بدون کدنویسی، با تأیید و گزارش |
| کانتینر موقت و ایزوله در API | ابزار میزبانیشدهٔ shell در /responses (وابسته به پشتیبانی مدل) |
| اجرای دستور در محیط خودتان | ابزار function سختگیرانه در برنامهٔ خودتان (پایین همین بخش) |
ابزار میزبانیشده
pythonfrom openai import OpenAI
client = OpenAI(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
resp = client.responses.create(
model="gpt-4.1",
instructions="Use the shell only for safe, read-only inspection unless the user approves a write. "
"Keep commands non-interactive.",
input="List the working directory and show the Python version.",
tools=[{"type": "shell", "environment": {"type": "container_auto"}}],
tool_choice="auto",
)
print(resp.output_text)
for item in resp.output:
if item.type == "shell_call":
print("shell call:", item.call_id, item.action)
bashcurl https://lemura.ir/wp-json/lemuraai/v1/responses \
-H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
-d '{"model": "gpt-4.1",
"input": "List the working directory and show the Python version.",
"tools": [{"type": "shell", "environment": {"type": "container_auto"}}]}'
- این ابزار فقط در
/responsesکار میکند (نه در/chat/completions) و به پشتیبانی مدل انتخابی بستگی دارد. اگر مدل پشتیبانی نکند، خطای بالادستی برگردانده میشود و هزینهای کسر نمیشود. - کانتینرها موقت هستند؛ فایلهای لازم را همان موقع دریافت و در فضای خودتان ذخیره کنید.
- هزینه: توکنها با تعرفهٔ مدل + برای هر کانتینری که در پاسخ باز شود حدود ۹,۰۰۰ تومان (پیش از سود).
جایگزین: Shell در برنامهٔ خودتان
امنترین الگوی قابلحمل این است که برنامهٔ شما دستور را از فهرست مجاز اجرا کند، نه متن دلخواه مدل را:
json{
"type": "function",
"name": "run_safe_shell_task",
"description": "Run an approved, non-interactive shell task in a locked-down sandbox.",
"strict": true,
"parameters": {
"type": "object",
"properties": {
"task": {"type": "string"},
"allowed_command": {"type": "string"},
"working_directory": {"type": "string"}
},
"required": ["task", "allowed_command", "working_directory"],
"additionalProperties": false
}
}
- دستور را با فهرست مجاز مقایسه کنید؛ متن خام مدل را اجرا نکنید.
- با محیط پاک (بدون secret)، mount فقطخواندنی و محدودیت CPU/حافظه/زمان اجرا کنید.
stdout،stderr، exit code و timeout را جمع کنید و خلاصه را باfunction_call_outputو همانcall_idبرگردانید.- برای نصب بسته، دسترسی شبکه، نوشتن، حذف و هر تغییر بیرونی تأیید انسانی بگیرید.
Code Interpreter (اجرای Python)
Code Interpreter به مدل اجازه میدهد Python را در کانتینر ایزوله بنویسد و اجرا کند، نتیجه را بررسی و دوباره تلاش کند و فایل (نمودار، CSV) برگرداند. مناسب ریاضی دقیق، تحلیل داده، بررسی فایل و پردازش تصویر است. مدل این ابزار را با نام «python tool» میشناسد؛ در instructions صریح بنویسید چه زمانی از آن استفاده کند.
pythonresp = client.responses.create(
model="gpt-4.1",
instructions="You are a careful data analyst. Use the python tool only when it improves accuracy.",
input="Solve 3x + 11 = 14 and verify the answer.",
tools=[{"type": "code_interpreter", "container": {"type": "auto", "memory_limit": "4g"}}],
)
print(resp.output_text)
for item in resp.output:
if item.type == "code_interpreter_call":
print("container:", item.container_id)
javascriptimport OpenAI from "openai";
const client = new OpenAI({ apiKey: "lsk-YOUR_KEY", baseURL: "https://lemura.ir/wp-json/lemuraai/v1" });
const resp = await client.responses.create({
model: "gpt-4.1",
input: "Solve 3x + 11 = 14 and verify the answer.",
tools: [{ type: "code_interpreter", container: { type: "auto", memory_limit: "4g" } }],
});
console.log(resp.output_text);
- اگر حتماً باید Python اجرا شود
"tool_choice": "required"بگذارید؛ در غیر این صورتauto. - کانتینرها پس از حدود ۲۰ دقیقه بیکاری منقضی میشوند و دوباره فعال نمیشوند؛ خروجیها را زود دریافت کنید. فایلهای تولیدشده بهصورت annotation از نوع
container_file_citation(باcontainer_id،file_idو نام فایل) برمیگردند. - سطوح حافظه:
1g(پیشفرض)،4g،16g،64g— حافظهٔ بیشتر هزینهٔ بالادستی بیشتری دارد. - برای دیباگ میتوانید
"include": ["code_interpreter_call.outputs"]بفرستید؛ پیش از نمایش یا ذخیره، خروجی را از اطلاعات حساس پاک کنید. - هزینه: توکنها + حدود ۹,۰۰۰ تومان برای هر کانتینر (پیش از سود). پشتیبانی به مدل انتخابی بستگی دارد.
جایگزین بدون کانتینر میزبانیشده: وبسرویس ابزارهای لمورا (نمودار، Excel، PDF، OCR …) یا یک ابزار function که Python تأییدشده را در sandbox خودتان اجرا کند.
استفاده از کامپیوتر (Computer Use)
با Computer Use مدل از روی screenshot، کارهای ساختاریافته (کلیک، تایپ، اسکرول، کشیدن) روی مرورگر یا دسکتاپ پیشنهاد میدهد و برنامهٔ شما آنها را اجرا میکند. اجرای واقعی همیشه در محیط شماست (Playwright، Selenium، VM).
حلقهٔ کار
- درخواست را با
"tools": [{"type": "computer"}]به/responsesبفرستید. - در
outputآیتمcomputer_callرا پیدا کنید و همهٔactions[]را به ترتیب اجرا کنید. - screenshot تازه بگیرید و با
computer_call_outputوprevious_response_idبرگردانید. - تا وقتی
computer_callتازهای نمیآید ادامه دهید. نوبت اول ممکن است فقط screenshot بخواهد.
pythonimport base64
resp = client.responses.create(model="gpt-4.1", tools=[{"type": "computer"}],
input="Open the filters panel and type penguin in the search box.")
while True:
call = next((o for o in resp.output if o.type == "computer_call"), None)
if not call:
break
run_actions(page, call.actions) # your Playwright code: click / type / scroll / keypress / drag
shot = base64.b64encode(page.screenshot()).decode()
resp = client.responses.create(
model="gpt-4.1", previous_response_id=resp.id, tools=[{"type": "computer"}],
input=[{"type": "computer_call_output", "call_id": call.call_id, "current_url": page.url,
"output": {"type": "input_image", "image_url": "data:image/png;base64," + shot}}])
print(resp.output_text)
- مرورگر را در محیط ایزوله اجرا کنید و برای دامنهها و کارها فهرست مجاز داشته باشید.
- پیش از خرید، ارسال فرم یا پیام، حذف، تغییر دسترسی یا ورود اطلاعات حساس، از کاربر تأیید بگیرید. CAPTCHA و موانع امنیتی را به کاربر بسپارید.
- متن صفحه، PDF، ایمیل و screenshot «داده» هستند؛ دستورهای داخل آنها را اجرا نکنید.
- مدل legacy
computer-use-previewرو به منسوخ شدن است؛ برای کار جدید از شکل فعلیcomputerو مدلهای جدید استفاده کنید.
جایگزین امنتر برای production: چند ابزار function محدود (مثل open_url، click_text، type_text) که برنامهٔ شما اجرا میکند.
MCP و کانکتورها
با ابزار mcp مدل در /responses به سرورهای Remote MCP (با server_url) یا کانکتورهای OAuth (با connector_id) وصل میشود تا داده بخواند یا عملیات انجام دهد.
pythonresp = client.responses.create(
model="gpt-4.1",
input="Find the latest refund policy in our support knowledge base.",
tools=[{
"type": "mcp",
"server_label": "support_kb",
"server_url": "https://mcp.example.com/sse",
"allowed_tools": ["search_docs"],
"require_approval": "never", # only for trusted, read-only tools
}],
)
print(resp.output_text)
کانکتور با OAuth
json{
"type": "mcp",
"server_label": "google_calendar",
"connector_id": "connector_googlecalendar",
"authorization": "",
"allowed_tools": ["list_events"],
"require_approval": "never"
}
- دقیقاً یکی از
server_urlیاconnector_idرا بگذارید وserver_labelیکتا انتخاب کنید. - توکن OAuth را در هر درخواست در فیلد
authorizationبفرستید؛ نه در متن prompt و نه درheaders.Authorization. - با
allowed_toolsفقط ابزارهای لازم را باز کنید. برای سرورهای بزرگ"defer_loading": trueوserver_descriptionتأخیر را کم میکند. - برای نوشتن، پرداخت، ارسال ایمیل و هر تغییر،
"require_approval": "always"بگذارید، آیتمmcp_approval_requestرا به کاربر نشان دهید و باmcp_approval_responseوprevious_response_idادامه دهید. وقتی ترتیب مهم است"parallel_tool_calls": false. - آیتمهای
mcp_list_toolsوmcp_call(با فیلدerror) را بررسی کنید، نه فقطoutput_text.
رفع اشکال
| نشانه | چه چیزی را بررسی کنید |
|---|---|
| mcp_list_tools.failed | آدرس سرور یا connector_id، توکن OAuth، دسترسی شبکه و نام دقیق ابزارها |
| mcp_call.error | لاگ سرور MCP و آرگومانهای ابزار |
| درخواست تأیید متوقف میماند | ادامه با previous_response_id و mcp_approval_response |
| هیچ ابزاری صدا زده نمیشود | تا آماده شدن فهرست ابزارها از tool_choice: "required" استفاده نکنید |
بدون کدنویسی: در لمورا میتوانید از اتصالها سرویسها و APIهای خودتان را به ایجنتها وصل کنید.
کش پرامپت (Prompt Caching)
وقتی ابتدای پرامپت بین درخواستها یکسان است، ارائهدهندهٔ مدل آن بخش را از کش میخواند: پاسخ سریعتر میشود و توکنهای کششده با تعرفهٔ ارزانتر حساب میشوند. لمورا این تخفیف را مستقیم در هزینهٔ شما اعمال میکند.
ساختار درست پرامپت
- بخش ثابت (instructions، پیام system، مثالها، تعریف ابزارها، schema خروجی) را اول و بخش متغیر (پیام کاربر، دادههای بازیابیشده، زمان، شناسهها) را آخر بگذارید.
- تعریف و ترتیب ابزارها، تصاویر (همان bytes و همان
detail) و schema را ثابت نگه دارید. - کش معمولاً از حدود ۱٬۰۲۴ توکن پیشوند یکسان به بعد فعال میشود (بسته به مدل؛ برای برخی مدلهای Claude و Gemini ۲٬۰۴۸ یا ۴٬۰۹۶).
prompt_cache_key و ماندگاری
pythonresp = client.responses.create(
model="gpt-4.1",
instructions="You are the BrightCart support assistant. Follow the fixed policy below...",
input="Draft a two-sentence reply for ticket ORDER-8831.",
prompt_cache_key="brightcart-support-policy-v1", # one stable bucket per workload / tenant / policy
)
print(resp.usage.input_tokens_details.cached_tokens)
prompt_cache_keyرا ثابت و بینام انتخاب کنید (مثلsupport-policy-v3)؛ ایمیل، شماره یا شناسهٔ کاربر را در آن نگذارید و یک کلید را بیش از حد شلوغ نکنید (حدود ۱۵ درخواست در دقیقه برای هر پیشوند + کلید).prompt_cache_retention(مثلاً"24h") برای مدلهایی که پشتیبانی میکنند به بالادست فرستاده میشود؛ اگر مدل پشتیبانی نکند آن را حذف کنید.- کش صریح پشتیبانی نمیشود:
prompt_cache_options،prompt_cache_breakpoint،cache_controlو endpointهایcachedContentsرا نفرستید. کش ضمنی خودکار است.
سنجش
json"usage": {
"prompt_tokens": 2006,
"prompt_tokens_details": {"cached_tokens": 1920, "cache_write_tokens": 0}
}
در /chat/completions مقدار usage.prompt_tokens_details.cached_tokens و در /responses مقدار usage.input_tokens_details.cached_tokens را بررسی کنید. نسبت کش = cached_tokens ÷ توکن ورودی. درخواست اول معمولاً miss است. در خانوادهٔ GPT-5.6 نوشتن کش (cache_write_tokens) گرانتر از ورودی عادی است و فقط وقتی بهصرفه است که خواندنهای بعدی آن را جبران کنند.
اتصال مستقیم به وردپرس
لمورا از دو طرف به وردپرس وصل میشود:
- لمورا ← وردپرس (کانکتور، مثل MCP): سایت وردپرس خودتان را در اتصالها وصل کنید تا چت و ایجنتهای لمورا مستقیم در سایت مقاله بنویسند و منتشر کنند، رسانه بارگذاری کنند، دیدگاهها را مدیریت کنند، افزونه فعال کنند و سفارشهای ووکامرس را ببینند.
- وردپرس ← لمورا (API): از داخل قالب یا افزونهٔ وردپرس با کلید
lsk-به وبسرویس هوش مصنوعی لمورا درخواست بفرستید (تولید متن، تصویر، خلاصه، ترجمه، چتبات).
۱) اتصال سایت وردپرس به لمورا
- در پیشخوان وردپرس به کاربران ← نمایه بروید. در بخش گذرواژههای برنامه (Application Passwords) یک نام مثل
Lemuraبنویسید و «افزودن گذرواژهٔ برنامهٔ جدید» را بزنید. (وردپرس ۵٫۶ به بعد؛ سایت باید HTTPS داشته باشد.) - در لمورا: اتصالها ← اتصال سایت وردپرس. آدرس سایت، نام کاربری و گذرواژهٔ ۲۴ حرفی را وارد کنید و «اتصال و تست» را بزنید.
- لمورا REST API سایت (
/wp-json/) را بررسی میکند، اگر ووکامرس نصب باشد آن را هم تشخیص میدهد و ابزارها را میسازد. پس از تست موفق، اتصال در چت، ایجنتها و وظایف زمانبندیشده قابل استفاده است.
ابزارهایی که ساخته میشود
| بخش | کارها |
|---|---|
| نوشتهها و برگهها | فهرست و جستجو، خواندن، ساخت پیشنویس، انتشار یا زمانبندی (status=future)، ویرایش، حذف، نسخههای قبلی |
| رسانهها | بارگذاری از فایل چت/تصویر ساختهشده یا از لینک، متن جایگزین (alt)، عنوان، توضیح، تصویر شاخص |
| دستهها و برچسبها | فهرست، ساخت، ویرایش، حذف |
| دیدگاهها | فهرست، تأیید، نگهداشتن، اسپم، پاسخ، حذف |
| کاربران | فهرست، ساخت، ویرایش نقش و مشخصات |
| افزونهها و قالبها | فهرست، نصب از wordpress.org، فعال و غیرفعال کردن |
| منوها و تنظیمات | منوها و آیتمها، عنوان و شعار سایت، منطقهٔ زمانی، صفحهٔ اصلی |
| ووکامرس | محصولات (قیمت، موجودی، تخفیف)، سفارشها و تغییر وضعیت، یادداشت سفارش، مشتریان، کد تخفیف، گزارش فروش و پرفروشها |
| هر مسیر REST | خواندن و نوشتن در مسیرهای سفارشی و افزونهها (مثل نوعهای نوشتهٔ سفارشی، Yoast، Rank Math) |
نمونه درخواست در چت
- «یک مقالهٔ ۱۲۰۰ کلمهای دربارهٔ نگهداری گیاهان آپارتمانی بنویس، یک تصویر شاخص بساز و بهصورت پیشنویس در سایتم بگذار.»
- «دیدگاههای در انتظار تأیید این هفته را نشانم بده و اسپمها را جدا کن.»
- «قیمت همهٔ محصولات دستهٔ کفش را ۱۰٪ زیاد کن.» (پیش از اجرا فهرست تغییرات را تأیید میکنید)
- «هر شنبه ساعت ۹ گزارش فروش هفتهٔ قبل ووکامرس را برایم بفرست.» (وظیفهٔ زمانبندیشده)
رفع اشکال اتصال
| نشانه | راهحل |
|---|---|
| REST API پیدا نشد | در «تنظیمات ← پیوندهای یکتا» حالتی غیر از «ساده» انتخاب کنید؛ افزونهٔ امنیتی (Wordfence، iThemes، WP Hide …) نباید /wp-json/ را ببندد. |
| 401 rest_not_logged_in | سرور هدر Authorization را حذف میکند. در .htaccess قبل از قواعد وردپرس اضافه کنید:
SetEnvIf Authorization "(.*)" HTTP_AUTHORIZATION=$1 |
| بخش گذرواژهٔ برنامه دیده نمیشود | سایت باید HTTPS باشد یا افزونهای آن را غیرفعال کرده است (مثلاً «Disable Application Passwords»). |
| 403 rest_forbidden | نقش کاربر برای این کار کافی نیست؛ برای افزونهها و تنظیمات، کاربر مدیر لازم است. |
| Cloudflare / فایروال خطا میدهد | درخواستهای لمورا را برای مسیر /wp-json/ مجاز کنید (Bot Fight Mode میتواند آنها را مسدود کند). |
۲) فراخوانی API لمورا از داخل وردپرس
کلید را از کلیدها و آمار بسازید و در wp-config.php نگه دارید (نه در کد قالب و نه در پایگاه دادهای که در دسترس دیگران است):
phpdefine( 'LEMURA_API_KEY', 'lsk-...' );
تابع کمکی (مثلاً در یک افزونهٔ کوچک یا functions.php قالب فرزند):
php<?php
function lemura_chat( $prompt, $model = 'gpt-4.1' ) {
$res = wp_remote_post( 'https://lemura.ir/wp-json/lemuraai/v1/chat/completions', array(
'timeout' => 120,
'headers' => array(
'Authorization' => 'Bearer ' . LEMURA_API_KEY,
'Content-Type' => 'application/json',
),
'body' => wp_json_encode( array(
'model' => $model,
'messages' => array( array( 'role' => 'user', 'content' => $prompt ) ),
) ),
) );
if ( is_wp_error( $res ) ) {
return $res;
}
$code = wp_remote_retrieve_response_code( $res );
$body = json_decode( wp_remote_retrieve_body( $res ), true );
if ( 200 !== $code ) {
return new WP_Error( 'lemura_' . $code, $body['error']['message'] ?? 'Lemura API error' );
}
return $body['choices'][0]['message']['content'] ?? '';
}
نمونه: خلاصهٔ خودکار هنگام انتشار نوشته (در پسزمینه با WP-Cron تا ذخیرهٔ نوشته کند نشود):
phpadd_action( 'publish_post', function ( $post_id ) {
if ( ! has_excerpt( $post_id ) ) {
wp_schedule_single_event( time() + 5, 'lemura_make_excerpt', array( $post_id ) );
}
} );
add_action( 'lemura_make_excerpt', function ( $post_id ) {
$text = wp_strip_all_tags( get_post_field( 'post_content', $post_id ) );
$out = lemura_chat( "در دو جمله و به فارسی خلاصه کن:\n\n" . mb_substr( $text, 0, 12000 ) );
if ( ! is_wp_error( $out ) && $out ) {
wp_update_post( array( 'ID' => $post_id, 'post_excerpt' => $out ) );
}
} );
تولید تصویر و افزودن به کتابخانهٔ رسانه:
php$res = wp_remote_post( 'https://lemura.ir/wp-json/lemuraai/v1/images/generations', array(
'timeout' => 180,
'headers' => array( 'Authorization' => 'Bearer ' . LEMURA_API_KEY, 'Content-Type' => 'application/json' ),
'body' => wp_json_encode( array( 'model' => 'gpt-image-2', 'prompt' => 'A minimal flat illustration of a reading lamp', 'size' => '1024x1024' ) ),
) );
$data = json_decode( wp_remote_retrieve_body( $res ), true );
$b64 = $data['data'][0]['b64_json'] ?? '';
if ( $b64 ) {
$up = wp_upload_bits( 'lemura-' . time() . '.png', null, base64_decode( $b64 ) );
// then wp_insert_attachment() + wp_generate_attachment_metadata() as usual
}
- کلید را هرگز در جاوااسکریپت سمت مرورگر نگذارید؛ درخواستها را از PHP (سرور) بفرستید یا از
admin-ajax.php/ یک مسیر REST خودتان که کاربر را بررسی میکند عبور دهید. - برای متنهای طولانی
timeoutرا بالا ببرید یا از استریم ("stream": trueبا cURL) استفاده کنید؛ برای کارهای انبوه از صف (WP-Cron یا Action Scheduler) کمک بگیرید. - خطاهای
402یعنی موجودی کیف پول کافی نیست؛429یعنی سقف نرخ — چند ثانیه صبر و دوباره تلاش کنید. - افزونههای آمادهٔ لمورا (نویسنده، پژوهشگر، دستیار) در اپلیکیشنها و بخش دانلودهای همین صفحه قرار میگیرند.
۳) MCP رسمی وردپرس در Responses API
اگر روی سایت خود افزونهٔ MCP وردپرس (مثل MCP Adapter) را نصب کردهاید، میتوانید آن را مستقیم بهعنوان سرور MCP به مدل بدهید (بخش MCP و کانکتورها):
pythonresp = client.responses.create(
model="gpt-4.1",
input="List my five most recent draft posts.",
tools=[{
"type": "mcp",
"server_label": "my_wordpress",
"server_url": "https://example.com/wp-json/mcp/mcp-adapter-default-server",
"authorization": "",
"require_approval": "always",
}],
)
print(resp.output_text)
برای استفادهٔ بدون کدنویسی همان کانکتور بخش ۱ کافی است و به نصب افزونه روی سایت نیازی ندارد.
اینستاگرام هوشمند و دایرکت هوشمند
با همان کلید lsk- لمورا، پیج اینستاگرام خودتان یا مشتریانتان (به هر تعداد) را از سایت خودتان وصل کنید و همهچیز را از درگاه لمورا انجام دهید:
دایرکت (متن، تصویر، فایل، کارت، دکمه)، کامنتها (پاسخ، پاسخ خصوصی، پنهان، حذف، روشن/خاموش)، گفتگوها، پستها و استوریها، پروفایلها، وضعیت فالو، سؤالهای آغازین و منوی ثابت،
پاسخگوی هوش مصنوعی لمورا، وبهوک امضاشده روی سایت شما، و تحلیل پیجها. اتصال با API رسمی اینستاگرام و صفحهٔ ورود رسمی خود اینستاگرام انجام میشود؛ رمز پیج هیچوقت به شما یا لمورا داده نمیشود.
همین امکانات بدون کدنویسی در شبکههای اجتماعی هم هست.
GET /balance روی سایت خودتان بخوانید.
Base URL: https://lemura.ir/wp-json/lemuraai/v1/instagram · هدر: Authorization: Bearer lsk-...تعرفه و سقف درخواست
| هر پیج متصل، روزانه | ۲۵,۰۰۰ تومان (روز اول هنگام اتصال) |
| هر پیام ارسالی (متن، تصویر، فایل، کارت، پاسخ کامنت، پاسخ خصوصی، پاسخ هوشمند) | ۳۰۰ تومان |
| هر عملیات دیگر پیج (گفتگوها، پیامهای گفتگو، پستها، استوریها، کامنتهای پست، پاسخهای کامنت، پنهان/حذف/روشنخاموش کامنت، پروفایلها، وضعیت فالو، سؤالهای آغازین، منوی ثابت، آپلود) | ۱۰۰ تومان |
هر درخواست موفق دادهٔ اینستاگرام (/data) | ۴۰۰ تومان |
| متن پاسخ هوش مصنوعی | به اندازهٔ مصرف، مثل /chat/completions |
| رایگان | pricing، فهرست و تنظیمات پیج، typing/seen، events، webhook-events، actions، فهرست و مصرف آپلودها |
سقف درخواست /instagram/* | ۶۰۰ در دقیقه و ۲۰۰,۰۰۰ در روز برای هر کلید — جدا از سقف چت (۴۲۹ با Retry-After) |
پاسخ: page_per_day, sent_message, incoming_message, page_action, data_request, balance, rate_limit. اگر موجودی برای هزینهٔ روزانهٔ پیج کافی نباشد پیج متوقف (suspended) و با resume دوباره فعال میشود.
قواعد پاسخها
- همهٔ پاسخها
"object": "instagram"دارند؛ خطا:{"error": {"message", "type", "code"}}. - عملیات ناهمزمان: بعضی خواندنها (گفتگوها، پیامهای گفتگو، پستها، استوریها، کامنتهای پست، پاسخهای کامنت، پروفایلها، وضعیت فالو) در اینستاگرام چند ثانیه طول میکشند.
لمورا تا
?wait=ثانیه (پیشفرض ۲۰، حداکثر ۲۵) منتظر میماند و نتیجه را مستقیم میدهد (۲۰۰). اگر دیرتر شد، ۲۰۲ باrequest_idبرمیگردد؛ نتیجه را بعداً باGET …/actions/{request_id}بگیرید یا از وبهوک (event_type: "action.<name>").
json{"object": "instagram", "status": "done", "request_id": "client_ig_…", "action": "conversation_conversations",
"success": true, "result": {"data": [{"id": "aWdGG…", "updated_time": "2026-11-16T08:10:00+0000"}]}, "error": null}
// 202 — still running
{"object": "instagram", "status": "pending", "request_id": "client_ig_…", "action": "list_posts", "success": null, "result": null, "error": null}
۱) اتصال پیج (برای خودتان یا هر مشتری)
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/connect \
-H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" \
-d '{"ref": "customer-42", "return_url": "https://your-site.com/instagram/done"}'
json{"object": "instagram", "state": "lm8f2c…", "connect_url": "https://…/instagram-oauth?token=…&id=lm8f2c…", "expires_in": 1800}
کاربر را به connect_url بفرستید (لینک ۳۰ دقیقه اعتبار دارد). بعد از تأیید در اینستاگرام به return_url برمیگردد:
?status=success&page_id=17&username=shop.name&ref=customer-42&state=lm8f2c… (یا status=failed&message=…).
اگر برگشت انجام نشد وضعیت را بپرسید:
{"status": "pending"} یا {"status": "connected", "page": {…}}. پیج باید حرفهای (Business یا Creator) باشد؛ هنگام اتصال هزینهٔ روز اول کسر میشود.
۲) پیجها و پاسخگوی هوش مصنوعی
json{"object": "instagram", "page": {
"id": 17, "network": "instagram", "username": "shop.name", "instagram_user_id": "1784…", "photo": "https://…",
"status": "active", "ref": "customer-42", "webhook_url": "https://your-site.com/lemura/hook", "webhook_secret": "lwh_…",
"ai": {"enabled": true, "model": "", "instructions": "…", "knowledge": "…", "comment_mode": "both", "welcome": "…"},
"paid_until": "2026-11-17T08:00:00", "created_at": "…",
"connection": {"active": true, "login_expires_at": "2027-01-10T19:49:40Z"},
"stats_30d": {"incoming": 120, "replies": 98, "cost": 54000}}}
status: active · paused · suspended (موجودی). connection.login_expires_at: بعد از این تاریخ صاحب پیج باید دوباره وصل کند (همان connect).
bashcurl -X PATCH https://lemura.ir/wp-json/lemuraai/v1/instagram/pages/17 -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" -d '{
"ai": {"enabled": true, "instructions": "صمیمی و کوتاه جواب بده", "knowledge": "محصولات و قیمتها …",
"comment_mode": "both", "welcome": "جزئیات را در دایرکت فرستادیم 🌸", "model": ""},
"webhook_url": "https://your-site.com/lemura/hook", "ref": "customer-42"}'
| فیلد | توضیح |
|---|---|
ai.enabled | پاسخ خودکار هوش مصنوعی لمورا به دایرکتها. false + comment_mode=off یعنی لمورا هیچ پیام، typing یا پاسخی خودکار نمیفرستد و همهچیز دست سایت شماست. |
ai.instructions / ai.knowledge | لحن و قوانین / اطلاعات کسبوکار (تا ۳۰ هزار کاراکتر) |
ai.comment_mode | off · public (پاسخ زیر کامنت) · private (دایرکت به کامنتگذار) · both |
ai.welcome | متن ثابت دایرکت به کامنتگذار (خالی = متن هوشمند) |
ai.model | مدل دلخواه از GET /models (خالی = پیشفرض) |
webhook_url | آدرس https سایت شما برای همهٔ رویدادهای پیج؛ پاسخ شامل webhook_secret است |
۳) پیامها
| نوع | بدنه (همه با recipient_id و reply_to اختیاری = mid پیام) |
|---|---|
| متن | {"text": "…", "buttons": [{"type": "postback", "title": "…", "payload": "…"}, {"type": "web_url", "title": "…", "url": "https://…"}], "quick_replies": [{"content_type": "text", "title": "…", "payload": "…"}]} — حداکثر ۳ دکمه |
| تصویر | {"image_url": "https://…"} یا {"image_urls": ["…", "…"]} (تا ۱۰، PNG/JPEG تا ۸MB) |
| فایل | {"attachment": {"type": "audio|video|file", "url": "https://…"}} (تا ۲۵MB؛ file فقط PDF) |
| کارتها | {"cards": [{"title": "…", "subtitle": "…", "image_url": "https://…", "default_action": {"type": "web_url", "url": "…"}, "buttons": […]}]} (تا ۱۰ کارت) |
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/pages/17/messages -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" \
-d '{"recipient_id": "1234567890", "text": "سفارش شما ارسال شد ✅", "reply_to": "aWdf…",
"buttons": [{"type": "web_url", "title": "پیگیری", "url": "https://your-site.com/track/55"}]}'
json{"object": "instagram", "sent": true, "cost": 300}
recipient_id همان sender.id رویداد دریافتی است. طبق قوانین اینستاگرام فقط به کسی پیام میدهید که قبلاً به پیج پیام داده یا کامنت گذاشته است (پیام انبوه ممنوع).
{"recipient_id": "…", "action": "typing_on | typing_off | mark_seen"}
هوش مصنوعی لمورا با تنظیمات همان پیج جواب میدهد و ارسال میکند: {"recipient_id": "…", "text": "قیمت مدل A چنده؟"}
json// conversations → result.data
[{"id": "aWdGG…", "updated_time": "2026-11-16T08:10:00+0000"}]
// messages → result.messages.data
[{"id": "aWdf…", "created_time": "…", "from": {"id": "…", "username": "ali"}, "to": {"data": [{"id": "…", "username": "shop.name"}]}, "message": "سلام"}]
۴) پستها، استوریها و کامنتها
comments-enabled:{"enabled": false}reply:{"text": "…", "private": false}؛ با"private": trueدایرکت خصوصی به کامنتگذار (فقط تا ۷ روز بعد از کامنت و فقط برای شروع گفتگو) و باbuttons/quick_replies. سقف ۷۵۰ پاسخ کامنت در ساعت برای هر پیج.hide:{"hide": true}پنهان،falseنمایش دوباره.- کامنتها:
result.data = [{"id", "text", "username", "timestamp", …}]و برای صفحهٔ بعدafterازresult.paging.cursors.after.
۵) پروفایلها و فالو
پیج: {"username", "biography", "followers_count", "media_count", "profile_picture_url"} · مخاطب (فقط کسی که پیام یا کامنت داده): {"username", "name", "profile_pic"} · فالو: result.follow (true/false) — مناسب «شرط فالو».
۶) سؤالهای آغازین و منوی ثابت
json{"ice_breakers": [{"locale": "default", "call_to_actions": [{"question": "ساعت کاری؟", "payload": "HOURS"}, {"question": "آدرس؟", "payload": "LOCATION"}]},
{"locale": "en_US", "call_to_actions": [{"question": "What are your hours?", "payload": "HOURS"}]}]}
json{"persistent_menu": [{"locale": "default", "call_to_actions": [
{"type": "postback", "title": "پشتیبانی", "payload": "CARE_HELP"}, {"type": "web_url", "title": "سایت", "url": "https://your-site.com/"}]}]}
کلیک کاربر روی سؤال یا دکمهٔ postback بهصورت رویداد messaging_postbacks به وبهوک شما میرسد (postback.payload).
۷) فایل برای ارسال
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/pages/17/uploads -H "Authorization: Bearer lsk-..." -F "file=@catalog.pdf"
پاسخ: {"file": {"id", "url", "name", "size", "type", "created_at"}} — url را در پیام تصویر یا فایل بفرستید. تا ۲۵MB؛ فقط فایلهای همین پیج دیده و حذف میشوند.
۸) وبهوک روی سایت شما
با تنظیم webhook_url، همهٔ رویدادهای پیج با POST به سایت شما فرستاده میشود (تا ۳ بار تلاش):
messaging (همراه پیامهای خود پیج با is_echo، تصویر، استوری، ریلز)، messaging_postbacks، comments، mentions،
و نتیجهٔ عملیات ناهمزمان action.<name> (مثل action.list_posts، action.send_message) با data = {request, success, result, error}.
json{"seq": 1532, "page_id": 17, "ref": "customer-42", "event_type": "messaging", "event_id": "client_ig_…",
"data": {"messaging": [{"sender": {"id": "1234567890"}, "recipient": {"id": "1784…"}, "timestamp": 1792344002389,
"message": {"mid": "aWdf…", "text": "سلام"}}]}}
شکل data همان رویداد اینستاگرام است و گاهی بهجای آرایهٔ messaging یک شیء تکی (data.sender, data.message) است؛ هر دو را بپذیرید.
event_id برای حذف تکراریها و seq شمارهٔ ترتیبی رویدادهای همین پیج است.
امضا: هدرهای X-Lemura-Signature: sha256=…، X-Lemura-Timestamp و X-Lemura-Event-Id؛ مقدار = HMAC-SHA256 رشتهٔ "{timestamp}.{raw_body}" با webhook_secret پیج.
php$raw = file_get_contents('php://input');
$ts = $_SERVER['HTTP_X_LEMURA_TIMESTAMP'] ?? '';
$sig = str_replace('sha256=', '', $_SERVER['HTTP_X_LEMURA_SIGNATURE'] ?? '');
$ok = abs(time() - (int)$ts) < 300 && hash_equals(hash_hmac('sha256', $ts . '.' . $raw, WEBHOOK_SECRET), $sig);
if (!$ok) { http_response_code(401); exit; }
$event = json_decode($raw, true); // سریع 200 برگردانید و کار سنگین را بعداً انجام دهید
جبران رویدادهای از دست رفته
همان پاکتهای وبهوک به ترتیب seq (تا ۱۴ روز اخیر) بهعلاوهٔ delivered و created_at؛ پاسخ next_after را برای صفحهٔ بعد بفرستید.
اگر سایتتان مدتی پایین بود یا وبهوک تنظیم نکردهاید، با همین endpoint همهچیز را بخوانید.
گزارش خلاصهٔ پیامها، کامنتها و پاسخهای لمورا با هزینهٔ هر کدام.
۹) تحلیل پیج و دادهٔ اینستاگرام
bashcurl -X POST https://lemura.ir/wp-json/lemuraai/v1/instagram/analyze -H "Authorization: Bearer lsk-..." -H "Content-Type: application/json" -d '{"username": "nike", "ai": true}'
خروجی: followers, following, posts_count, avg_likes, avg_comments, engagement_rate, posts_per_week, video_share, recent_posts, ai_review, cost.
دادهٔ عمومی هر حساب اینستاگرام؛ پاسخ {"data": …, "cost": 400}.
| بخش | endpointها (فیلدها) |
|---|---|
| user | get_info_by_username (username), get_info_by_id (id), get_web_profile_info (username), get_media (id, count≤12, max_id), get_media_by_username (username, count), get_clips (id, count), get_guides (id), get_tags (id, count), get_followers (id, count≤50, max_id, query), get_following (id, count), get_stories (ids[]), get_highlights (id), get_live (id), get_similar_accounts (id), search (query), get_about (id) |
| media | get_info (id), get_info_by_shortcode (shortcode), get_comments (id, min_id, can_support_threading), get_likes_by_shortcode (shortcode), get_id_by_shortcode (shortcode), get_shortcode_by_id (id), search_clips (query) |
| hashtag | get_info (name), get_media (name, tab=recent|clips, page, max_id), search (query) |
| location · guide · highlight · comment · audio | location/get_info (id), location/get_media (id), location/search (query) · guide/get_info (id) · highlight/get_stories (ids[]) · comment/get_likes (id), comment/get_replies (id, media_id) · audio/get_media (id), audio/search (query) |
صفحهبندی: ورودی max_id از next_max_id پاسخ قبلی (کامنتها: min_id از next_min_id).
خطاها
| 400 missing_field / bad_field / upstream_error | ورودی ناقص یا نامعتبر، یا اینستاگرام درخواست را نپذیرفت (متن خطا در message) |
| 401 | کلید API نامعتبر |
| 402 insufficient_balance | موجودی کیف پول کافی نیست |
| 404 not_found | پیج، درخواست یا فایل متعلق به این حساب نیست، یا حساب اینستاگرام پیدا نشد |
| 409 page_inactive | پیج متوقف است؛ resume کنید |
| 410 state_expired | لینک اتصال منقضی شده؛ دوباره connect |
| 429 | سقف درخواست /instagram/*؛ بعد از Retry-After ثانیه |
| 502 / 503 | اینستاگرام موقتاً پاسخ نداد، ظرفیت اتصال موقتاً پر است (no_slot) یا سرویس غیرفعال است؛ کمی بعد تلاش کنید |
ابزارهای پلتفرم (وبسرویس ابزارها)
همهٔ ابزارهای هوش مصنوعی لمورا با همین کلید و همین کیف پول بهصورت API مستقیم در دسترس است:
POST https://lemura.ir/public/v1/tools/<tool_id>.
مستندات کامل هر ابزار (پارامترها، نمونه و تعرفه) در وبسرویس ابزارها است؛ این فهرست از همان منبع ساخته میشود.
صوت
| حذف نویز صدا audio_denoise |
حذف نویز و صدای مزاحم از فایل صوتی | ~260 ت |
| جداسازی صدای خواننده و موسیقی (میزبانی لمورا) local_audio_stems |
جداسازی صدای خواننده، موسیقی بیکلام، درامز و بیس | ~0 ت |
| ساخت موسیقی (میزبانی لمورا) local_music_gen |
ساخت موسیقی بیکلام از روی توضیح | ~0 ت |
| تبدیل صوت و ویدیوی طولانی به متن (میزبانی لمورا) local_speech_to_text |
تبدیل صوت و ویدیوی طولانی فارسی و انگلیسی به متن و SRT | ~0 ت |
| تبدیل متن فارسی به گفتار (میزبانی لمورا) local_tts_fa |
تبدیل متن فارسی به گفتار طبیعی | ~0 ت |
| تبدیل گفتار به متن speech_to_text |
تبدیل فایل صوتی و ویدیویی به متن و زیرنویس | ~800 ت |
| تبدیل متن به گفتار text_to_speech |
خواندن متن با صدای طبیعی فارسی و انگلیسی (MP3) | ~160 ت |
کد
| مفسر کد پایتون code_interpreter |
اجرای کد پایتون برای محاسبه، تحلیل داده و تبدیل فایل | ~115 ت |
تولید اسناد
| تولید سند Word docx_generate |
ساخت سند Word (نامه، گزارش، قرارداد، رزومه) یا پر کردن قالب Word | ~270 ت |
| تولید PDF pdf_generate |
تبدیل متن و HTML به PDF زیبا با فونت فارسی (فاکتور، گواهی، گزارش) | ~270 ت |
| ابزارهای PDF pdf_tools |
ادغام، جداسازی، چرخش، واترمارک و تبدیل صفحات PDF | ~165 ت |
| تولید پاورپوینت pptx_generate |
ساخت ارائهٔ پاورپوینت با اسلاید، تم، یادداشت و تصویر — فارسی و راستبهچپ | ~320 ت |
| ساخت QR کد qrcode_generate |
ساخت کیوآر کد برای لینک، متن، وایفای یا کارت ویزیت | ~35 ت |
| تولید اکسل xlsx_generate |
ساخت فایل اکسل با چند شیت، فرمول و نمودار | ~220 ت |
مالی
| بازار رمزارز crypto_market |
قیمت لحظهای و نمودار ارزهای دیجیتال از صرافیهای معتبر | ~65 ت |
| بازار سهام و تحلیل تکنیکال stock_market |
قیمت سهام، طلا و ارز بههمراه تحلیل تکنیکال و نمودار | ~65 ت |
تصویر
| ویرایش تصویر image_edit |
تغییر اندازه، برش، چرخش، فیلتر، واترمارک و تبدیل فرمت عکس | ~68 ت |
| تصویرسازی انیمه (میزبانی لمورا) local_image_anime |
تصویرسازی انیمه روی سرور اختصاصی لمورا | ~0 ت |
| تولید تصویر SDXL (میزبانی لمورا) local_image_sdxl |
تولید تصویر SDXL روی سرور اختصاصی لمورا | ~0 ت |
| حذف پسزمینه تصویر remove_background |
حذف پسزمینهٔ عکس و ساخت PNG شفاف | ~330 ت |
پردازش زبان
| تحلیل متن (spaCy + fastText) nlp_analyze |
تشخیص زبان و استخراج نام اشخاص، مکانها و سازمانها | ~45 ت |
| پردازش زبان فارسی (Hazm) persian_nlp |
نرمالسازی و تحلیل متن فارسی (نیمفاصله، ریشهیابی، جملهبندی) | ~45 ت |
| خلاصهسازی و تحلیل احساس text_summarize |
خلاصهسازی متنهای طولانی و تحلیل احساس نظرات | ~76 ت |
پردازش فایل
| فشردهسازی و استخراج آرشیو archive_tools |
ساخت و باز کردن فایلهای فشردهٔ zip و 7z | ~90 ت |
| استخراج محتوای اصلی صفحه وب html_extract |
خواندن متن اصلی یک صفحهٔ وب یا مقاله | ~65 ت |
| تشخیص متن از تصویر (OCR) ocr_image |
خواندن متن فارسی و انگلیسی از عکس و PDF اسکنشده | ~550 ت |
| استخراج متن و جدول PDF pdf_extract |
استخراج متن و جدولهای فایل PDF | ~180 ت |
پایگاه دانش (RAG)
| ساخت پایگاه دانش (RAG) knowledge_index |
ساخت پایگاه دانش اختصاصی از فایلها و صفحات شما | ~250 ت |
| جستجو در پایگاه دانش knowledge_search |
پرسش و جستجو در پایگاه دانش اختصاصی شما | ~35 ت |
ویدیو و انیمیشن
| انیمیشن سفارشی با کد React animation_code |
ساخت انیمیشن کاملاً سفارشی با کد React (Remotion) | ~3,000 ت |
| ساخت انیمیشن و موشنگرافیک animation_render |
ساخت ویدیو و موشنگرافیک با صحنه، متن فارسی، نمودار، موسیقی و ترنزیشن | ~2,400 ت |
| ترجمه و زیرنویس فارسی ویدیو (میزبانی لمورا) local_video_subtitle |
ترجمه و زیرنویس فارسی ویدیو روی سرور اختصاصی لمورا | ~0 ت |
مصورسازی و داده
| ساخت نمودار chart_generate |
ساخت نمودار میلهای، خطی، دایرهای و ... از دادهها | ~68 ت |
| تولید دادهٔ آزمایشی fake_data |
تولید دادهٔ آزمایشی واقعینما (نام، شماره، آدرس، ...) | ~35 ت |
وب
| مرورگر هدلس browser_render |
باز کردن سایت در مرورگر واقعی و گرفتن اسکرینشات یا PDF | ~260 ت |
| استخراج داده از وب (Scraper) web_scrape |
استخراج متن، لینک، جدول و اطلاعات از صفحات وب | ~55 ت |











