Modelle en pryse

ongesensureerde modelle

22

konteksvenster

256K

vanaf

$0.50 /1M

Gehuisveste oopgewig-modelle

262,144-token-konteks op elke id; inset en uitvoer afsonderlik gefaktureer; elke id aanvaar wat die model wat dit naboots aanvaar

Model	Inset	Gestruktureerde uitvoer	In / gekas / uit per 1M	Meer
DeepSeek-V4-Pro-08133BIT-REAPDeepSeek · 1.6T MoE · 49B activeOngesensureerd	Teks in	JSON-skema	$1.95 / $0.488 / $3.90	Meer
GLM-5.23BIT-REAPZ.ai · 744B MoE · 40B activeOngesensureerd	Teks in	JSON-skema	$0.73 / $0.183 / $2.34	Meer
Kimi-K33BIT-REAPMoonshot AI · 2.8T MoE · 104B activeOngesensureerd	Teks + beeld in	JSON-skema	$3.83 / $0.958 / $19.12	Meer
Nemotron3Ultra3BIT-REAPNVIDIA · 550B hybrid Mamba-Attention MoE · 55B activeOngesensureerd	Teks in	JSON-skema	$0.75 / $0.188 / $3.30	Meer
MiniMax-M33BIT-REAPMiniMax · 428B MoE · 23B active · sparse attentionOngesensureerd	Teks + beeld in	JSON-skema	$0.50 / $0.125 / $2.00	Meer
DeepSeek-V4-Flash-0731W4A16-AUTOROUND-REAPDeepSeek · 284B MoE · 13B activeOngesensureerd	Teks in	JSON-skema	$0.50 / $0.125 / $2.00	Meer
Kimi-K2.6W4A16-AUTOROUND-REAPMoonshot AI · 1T MoE · 32B activeOngesensureerd	Teks + beeld in	JSON-skema	$0.78 / $0.195 / $3.67	Meer
Laguna-S-2.1W4A16-AUTOROUND-REAPPoolside · 118B MoE · 8B activeOngesensureerd	Teks in	Geen gestruktureerde uitvoer nie	$0.50 / $0.125 / $2.00	Meer
inklingW4A16-AUTOROUND-REAPThinking Machines · 975B MoE · 41B activeOngesensureerd	Teks + beeld in	JSON-objek	$1.42 / $0.355 / $6.07	Meer
MiMo-V2.5-ProW8A16Xiaomi · 1.02T MoE · 42B active · 8-bitOngesensureerd	Teks in	JSON-skema	$0.50 / $0.125 / $2.00	Meer
MiMo-V2.5W8A16Xiaomi · 8-bit multimodal · W8A16Ongesensureerd	Teks + beeld in	JSON-skema	$0.50 / $0.125 / $2.00	Meer
Hy3W8A16Tencent · 295B MoE · 21B active · 8-bitOngesensureerd	Teks in	JSON-skema	$0.50 / $0.125 / $2.00	Meer

Shannon-modelle

een vaste tarief vir inset en uitvoer

Model	Konteks	Inset	Gestruktureerde uitvoer	Prys / 1M tokens
Shannon 1.6 Liteshannon-1.6-liteOngesensureerd	192K	Teks + beeld in	JSON-skema	$3.90
Shannon 1.6 Proshannon-1.6-proOngesensureerd	192K	Teks + beeld in	JSON-skema	$7.80
Shannon 2 Liteshannon-2-liteOngesensureerd	192K	Teks + beeld in	JSON-skema	$3.90
Shannon 2 Proshannon-2-proOngesensureerd	192K	Teks + beeld in	JSON-skema	$5.85
Shannon 3shannon-3Ongesensureerd	192K	Teks + beeld in	JSON-skema	$3.35
Shannon 3 Proshannon-3-proOngesensureerd	192K	Teks + beeld in	JSON-skema	$3.35
Shannon 3.1shannon-3.1Ongesensureerd	192K	Teks + beeld in	JSON-skema	$3.35
Shannon 3.1 Proshannon-3.1-proOngesensureerd	192K	Teks + beeld in	JSON-skema	$3.35
Shannon 3.5shannon-3.5Ongesensureerd	192K	Teks + beeld in	JSON-skema	$3.35
Shannon Coder 1shannon-coder-1Ongesensureerd	128K	Teks in	JSON-skema	$8.00

Spring na Vinnige begin Probeer Speelgrond

Hoe om 'n ry te lees

Elke model stroom en kan gereedskap oproep. Die ander kenmerke van die API word op die bladsy Vermoëns beskryf. Vermoëns

Konteksvenster en uitvoerperke

• Die konteksvenster dek alles wat die model vir een antwoord lees: jou boodskappe, gereedskapdefinisies en beelde.
• Die Shannon 3-familie pas 'n langer gesprek self in: dit hou die nuutste beurte wat in die venster pas en antwoord.
• In 'n stroom word 'n prompt wat te lank is, as 'n foutraam gemeld met tipe invalid_request_error en code: "context_length_exceeded".
• max_tokens neem waardes van 1 tot 65,536 op elke model; max_output_tokens in GET /v1/models is die bopunt van daardie reeks. Die verstek is 4,096.
• Op elke model is max_tokens die bedrag wat 'n versoek van jou balans reserveer.
• As die perk op die lengte van die antwoord word max_tokens toegepas deur die gehuisveste oopgewig-modelle, shannon-1.6-lite, shannon-1.6-pro en shannon-coder-1.
• Op die gehuisveste oopgewig-modelle beperk dit die antwoordteks. Die redenering voor die antwoord tel nie daarteen nie, en 'n waarde onder 256 tree as 256 op.
• 'n Stroom van shannon-1.6-lite, shannon-1.6-pro, shannon-coder-1 of die Shannon 3-familie eindig met finish_reason: "length" wanneer die antwoord by sy perk afgesny is.

Perke en balans

Hoe 'n prys gevorm word

• Pryse is in USD per 1,000,000 tokens. Jou balans word in tokens getel wat $5.00 per 1,000,000 werd is, so 'n model se prys sê hoeveel balans sy tokens neem.
• Shannon-modelle het een prys. 'n Oproep word usage.total_tokens teen daardie prys gehef.
• Gehuisveste oopgewig-modelle het drie pryse. Inset wat uit die promptkas gelees word, word teen die gekasde prys gehef, wat 25% van die insetprys is, afgerond tot $0.001. Die res van die inset word teen die insetprys gehef, die uitset teen die uitsetprys.
• Gehuisveste oopgewig-modelle tel tokens met elke model se eie tokenizer. GET /v1/models merk dit as tokenizer: "original".
• shannon-coder-1 word op /v1/chat/completions en /v1/messages in oproepe getel, nie in tokens nie. Sy gelyste prys geld op /v1/responses.

Wat 'n versoek reserveer, uitgewerkte voorbeelde van 'n heffing en die Shannon Coder-oproep-toelaat is op Perke en balans. Perke en balans

Model-id's

Stuur een van hierdie id's as model.

shannon-1.6-lite
shannon-1.6-pro
shannon-2-lite
shannon-2-pro
shannon-3
shannon-3-pro
shannon-3.1
shannon-3.1-pro
shannon-3.5
shannon-coder-1
DeepSeek-V4-Pro-0813-3BIT-REAP
GLM-5.2-3BIT-REAP
Kimi-K3-3BIT-REAP
Nemotron3Ultra-3BIT-REAP
MiniMax-M3-3BIT-REAP
DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP
Kimi-K2.6-W4A16-AUTOROUND-REAP
Laguna-S-2.1-W4A16-AUTOROUND-REAP
inkling-W4A16-AUTOROUND-REAP
MiMo-V2.5-Pro-W8A16
MiMo-V2.5-W8A16
Hy3-W8A16

• Hoof- en kleinletters maak nie saak nie, en spasies om die id word verwyder: SHANNON-3 en shannon-3 is dieselfde model.
• Die antwoord dra altyd die gepubliseerde id in model, watter spelling jy ook al gestuur het.
• 'n Vertoonnaam soos Shannon 3 is nie 'n id nie.

Vier korter spellings word ook aanvaar.

'n Id wat nie gepubliseer is nie, word op al drie eindpunte met status 400, tipe invalid_request_error en die boodskap unknown model: <id> beantwoord. Geen ander model antwoord in sy plek nie.

{
  "error": {
    "type": "invalid_request_error",
    "message": "unknown model: gpt-4o"
  }
}

{
  "type": "error",
  "error": {
    "type": "invalid_request_error",
    "message": "unknown model: gpt-4o"
  }
}

• Stuur altyd model. /v1/responses beantwoord 'n versoek daarsonder met 400. Op /v1/chat/completions en /v1/messages word so 'n versoek deur shannon-1.6-lite beantwoord.
• POST /v1/tokenize en POST /v1/messages/count_tokens neem die id's van die gehuisveste oopgewig-modelle.

Lys modelle

GET /v1/models gee die modelle van hierdie bladsy as JSON terug, met dieselfde konteksvensters, pryse en vermoëns. Gebruik dit om 'n modelkieser te vul of om 'n prys in kode na te gaan.

GET https://api.shannon-ai.com/v1/models

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.shannon-ai.com/v1"
)

for model in client.models.list():
    print(model.id)

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api.shannon-ai.com/v1'
});

for await (const model of client.models.list()) {
  console.log(model.id);
}

curl "https://api.shannon-ai.com/v1/models"

Die antwoord, verkort tot een inskrywing van elke soort:

{
  "object": "list",
  "data": [
    {
      "id": "shannon-3",
      "object": "model",
      "created": 1700000000,
      "owned_by": "shannon-ai",
      "display_name": "Shannon 3",
      "context_window": 196608,
      "max_output_tokens": 65536,
      "pricing": {
        "input_per_million_usd": 3.35,
        "output_per_million_usd": 3.35,
        "currency": "USD"
      },
      "capabilities": {
        "tools": true,
        "vision": true,
        "reasoning": true,
        "reasoning_effort": false,
        "streaming": true,
        "json_schema": true
      },
      "endpoints": [
        "/v1/chat/completions",
        "/v1/messages",
        "/v1/responses"
      ]
    },
    {
      "id": "MiniMax-M3-3BIT-REAP",
      "object": "model",
      "created": 1700000000,
      "owned_by": "shannon-ai",
      "display_name": "MiniMax-M3 · 3BIT-REAP",
      "context_window": 262144,
      "max_output_tokens": 65536,
      "pricing": {
        "input_per_million_usd": 0.5,
        "cached_input_per_million_usd": 0.125,
        "output_per_million_usd": 2,
        "currency": "USD"
      },
      "tokenizer": "original",
      "capabilities": {
        "tools": true,
        "vision": true,
        "reasoning": true,
        "reasoning_effort": true,
        "streaming": true,
        "response_format": true,
        "json_schema": true,
        "prompt_caching": true
      },
      "endpoints": [
        "/v1/chat/completions",
        "/v1/messages",
        "/v1/responses",
        "/v1/messages/count_tokens",
        "/v1/tokenize"
      ]
    }
  ]
}

• GET /v1/models het geen sleutel nodig nie. Die antwoord is dieselfde vir elke oproeper en hang nie van jou plan af nie.
• Die lys hou die id's wat opgeroep kan word. 'n Model wat op die oomblik nie bedien kan word nie, word daaruit gelaat.
• Daar is geen eindpunt vir een model nie: GET /v1/models/{id} antwoord 404 met tipe not_found_error.