Към съдържанието
Изображения и файлове

Изображения и файлове

Изпращайте изображения със съобщение: кои модели ги приемат, приеманите форми и техните лимити.

POST https://api.shannon-ai.com/v1/chat/completions

Изображението пътува вътре в потребителско съобщение, като една част от неговия content. Примерът чете локален файл и го изпраща като data URL.

import base64
from openai import OpenAI

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

with open("photo.jpg", "rb") as f:
    image = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="shannon-3",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "What is in this picture?"},
            {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + image}},
        ],
    }],
)

print(response.choices[0].message.content)
200 JSON
{
  "id": "chatcmpl-8d1f3a5c7e9b4d2f6a8c0e2b4d6f8a1c",
  "object": "chat.completion",
  "created": 1791590400,
  "model": "shannon-3",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "A grey cat asleep on a windowsill, with a potted fern beside it.",
        "reasoning_content": null
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 286,
    "completion_tokens": 19,
    "total_tokens": 305
  }
}

Кои модели приемат изображения

Модели Чете
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Изображения и документи: PDF, Word, PowerPoint, Excel и обикновени текстови файлове.
shannon-1.6-lite, shannon-1.6-pro Изображения.
shannon-2-lite, shannon-2-pro Изображения, в заявки, които изпращат и tools или response_format.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Изображения.
DeepSeek-V4-Pro-0813-3BIT-REAP, GLM-5.2-3BIT-REAP, Nemotron3Ultra-3BIT-REAP, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP, Laguna-S-2.1-W4A16-AUTOROUND-REAP, MiMo-V2.5-Pro-W8A16, Hy3-W8A16 Текст. Заявка с изображение получава отговор със статус 400.
shannon-coder-1 Текст.

GET /v1/models отчита входа с изображения по id като capabilities.vision. Модели и цени

  • Моделите на Shannon четат файловете на последното потребителско съобщение. Поставете изображението в съобщението, което пита за него.
  • Семейството Shannon 3 държи в полезрението си и няколко изображения и документи от по-ранни съобщения на потребителя, когато те са изпратени вградено, и чете зададен максимален брой изображения на заявка, броени от първото.
  • Хостваните open-weight модели четат изображенията на всяко съобщение от разговора.

Приемани форми

Файлът се изпраща по един от два начина: вътре в заявката като base64 или като адрес, който API изтегля. Всеки файл пътува със заявката; API няма ендпоинт за качване.

Ендпоинт В заявката (base64) Чрез адрес
/v1/chat/completions {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,…"}} {"type": "image_url", "image_url": {"url": "https://…"}}
/v1/responses {"type": "input_image", "image_url": "data:image/jpeg;base64,…"} {"type": "input_image", "image_url": "https://…"}
/v1/messages {"type": "image", "source": {"type": "base64", "media_type": "image/jpeg", "data": "…"}} {"type": "image", "source": {"type": "url", "url": "https://…"}}

Същото потребителско съобщение във всеки формат:

{
  "role": "user",
  "content": [
    {"type": "text", "text": "What is in this picture?"},
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
      }
    }
  ]
}
  • Data URL има вида data:<media type>;base64,<data>. Частта ;base64 е задължителна.
  • На /v1/chat/completions и /v1/responses image_url може да е самият низ или обект {"url": "…"}.
  • Типът на файла идва от data URL или от media_type. Без такъв изображението се чете като image/png.
  • Вградените файлове се броят към размера на тялото на заявката, който може да е до 32 MiB.
  • Приема се за съвместимост: image_url.detail.

Лимити за отдалечени файлове

Когато изпратите адрес, API изтегля файла, преди моделът да се стартира, в рамките на тези лимити:

Лимит Правило
Размер До 8 MiB на файл.
Време 20 секунди за отговор.
Пренасочвания Най-много 5.
Адрес http:// или https://, без потребителско име или парола в адреса, на хост с публичен адрес.
Отговор на хоста Статус от диапазона 200 и непразно тяло. Типът на файла се чете от Content-Type.
Заявява се като User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Как се броят изображенията в токени

При хостваните open-weight модели изображението се брои за един токен на всеки фрагмент от 28 × 28 пиксела: ширината, разделена на 28 и закръглена нагоре, по височината, разделена на 28 и закръглена нагоре. Резултатът е част от usage.prompt_tokens и се таксува като вход.

1024 × 1024
1,369 токени
1920 × 1080
2,691 токени
512 × 512
361 токени
  • Отдалеченото изображение първо се изтегля, затова се брои реалният му размер.
  • Изображение, чийто размер не може да се прочете, се брои за 1,024 токена.
  • Ендпоинтите за броене прилагат същото правило за data URL. Те не извличат отдалечен адрес и го броят за 1,024 токена. Броене на токени
  • При модел на Shannon прочетете какво е струвала заявка с изображения от usage в отговора.

Документи и други файлове

Семейство Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) чете и документи. Текстът на документа се извлича и се дава на модела заедно със съобщението ви.

Документ Медиен тип
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Документът е част от потребителското съобщение, като изображението:

Ендпоинт В заявката (base64) Чрез адрес
/v1/chat/completions, /v1/messages {"type": "document", "source": {"type": "base64", "media_type": "application/pdf", "data": "…"}} {"type": "document", "source": {"type": "url", "url": "https://…"}}
/v1/responses {"type": "input_file", "file_data": "data:application/pdf;base64,…"} {"type": "input_file", "file_url": "https://…"}
{
  "model": "shannon-3",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "document",
          "source": {
            "type": "base64",
            "media_type": "application/pdf",
            "data": "JVBERi0xLjcKJeLjz9MK…"
          }
        },
        {"type": "text", "text": "Summarise this report in five points."}
      ]
    }
  ]
}
  • Дайте истинския медиен тип на файла. Без такъв документът се чете като application/pdf.
  • Обикновен текстов файл, като CSV, се чете като текст и се прикрепя по същия начин.
  • Когато документ не може да бъде прочетен или файлът е от друг тип, на модела се казва това и той може да го съобщи в отговора си. Статусът пак е 200.
  • При всеки друг модел частта за документ се пропуска от онова, което моделът чете, и на заявката се отговаря по останалото.
  • Документ, изпратен чрез адрес, се изтегля при лимитите за отдалечени файлове по-горе.

Грешки

Статус Тип Съобщение Кога
400 invalid_request_error <id> does not accept image input Изображение е изпратено към хостван open-weight модел, който приема само текст. От баланса ви не се удържа нищо.
400 invalid_request_error audio and video input are not supported by any hosted model Аудио или видео част е изпратена към хостван open-weight модел.
413 invalid_request_error Failed to buffer the request body: … Тялото на заявката, с вградените файлове, е по-голямо от 32 MiB. Грешката носи code: "request_too_large".

Модел на Shannon отговаря със статус 200, независимо какви файлове носи заявката: част, която не чете, се пропуска. Обработка на грешки