Úsilí uvažování
NovéModel, který uvažuje, vrací text uvažování vedle odpovědi, ve vlastním poli. U hostovaných modelů s otevřenými váhami jedno pole požadavku určuje, jak hluboce model před odpovědí uvažuje.
POST https://api.shannon-ai.com/v1/chat/completions
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
response = client.chat.completions.create(
model="Kimi-K3-3BIT-REAP",
reasoning_effort="low",
messages=[{"role": "user", "content": "Is 221 a prime number?"}],
)
message = response.choices[0].message
print("Reasoning:", getattr(message, "reasoning_content", None))
print("Answer:", message.content)
print("Reasoning tokens:", response.usage.completion_tokens_details.reasoning_tokens) import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const response = await client.chat.completions.create({
model: "Kimi-K3-3BIT-REAP",
reasoning_effort: "low",
messages: [{ role: "user", content: "Is 221 a prime number?" }],
});
const message = response.choices[0].message;
console.log("Reasoning:", message.reasoning_content);
console.log("Answer:", message.content);
console.log("Reasoning tokens:", response.usage.completion_tokens_details.reasoning_tokens); curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "low",
"messages": [
{"role": "user", "content": "Is 221 a prime number?"}
]
}' Odpověď nese text uvažování v reasoning_content, odpověď v content a tokeny uvažování v usage:
{
"id": "chatcmpl-2a6c8e0b4d1f4a3c9e7b5d3f1a8c6e4b",
"object": "chat.completion",
"created": 1791590400,
"model": "Kimi-K3-3BIT-REAP",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "No. 221 = 13 x 17, so it is not prime.",
"reasoning_content": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 14,
"completion_tokens": 43,
"total_tokens": 57,
"prompt_tokens_details": {"cached_tokens": 0},
"completion_tokens_details": {"reasoning_tokens": 27}
}
} Které modely uvažují
| Model | Vrací text uvažování | Uplatňuje pole úsilí |
|---|---|---|
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-coder-1 | Ano | — |
| Každý hostovaný model s otevřenými váhami | Ano | Ano |
Jsou to příznaky capabilities.reasoning a capabilities.reasoning_effort, které GET /v1/models hlásí u každého id. Odpověď nese text uvažování, jen když ho model vytvořil. Modely a ceny
Nastavení úsilí
Každý endpoint má vlastní zápis úsilí. Všechny vybírají jednu ze stejných čtyř úrovní.
| Pole | Typ | Výchozí | Popis | Uplatňují |
|---|---|---|---|---|
reasoning_effort | string | high | /v1/chat/completions. Jak hluboce model uvažuje, než odpoví: off, low, medium nebo high. | Hostované modely s otevřenými váhami |
reasoning | object | string | /v1/chat/completions. Stejná hodnota jako {"effort": "low"} nebo jako holý řetězec. Když se pošlou obě pole, platí reasoning_effort. | Hostované modely s otevřenými váhami | |
reasoning.effort | string | high | /v1/responses. Zapisuje se jako objekt {"effort": "low"}. | Hostované modely s otevřenými váhami |
thinking | object | /v1/messages. {"type": "enabled", "budget_tokens": n} nebo {"type": "disabled"}. Rozpočet vybírá jednu z úrovní; viz tabulka níže. | Hostované modely s otevřenými váhami |
{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "low",
"messages": [{"role": "user", "content": "Is 221 a prime number?"}]
} {
"model": "Kimi-K3-3BIT-REAP",
"reasoning": {"effort": "low"},
"input": "Is 221 a prime number?"
} {
"model": "Kimi-K3-3BIT-REAP",
"max_tokens": 1024,
"thinking": {"type": "enabled", "budget_tokens": 2048},
"messages": [{"role": "user", "content": "Is 221 a prime number?"}]
} | Hodnota | Přijímá se také | Účinek |
|---|---|---|
off | none, minimal | Žádné uvažování. Odpověď nenese žádný text uvažování. |
low | Stručné uvažování. | |
medium | default | Střední hloubka. |
high | max | Nejhlubší úroveň. Je to úroveň požadavku, který neposílá žádnou hodnotu. |
- Hodnoty se čtou bez ohledu na velikost písmen.
- Hodnota
defaultznamenámedium. Vynechání pole znamenáhigh. - Modely Shannon (
shannon-*) si hloubku nastavují samy v každém požadavku;GET /v1/modelspro ně hlásíreasoning_effort: false.
Rozpočet thinking na /v1/messages
Na /v1/messages úroveň vybírá pole thinking. budget_tokens vybírá jednu z úrovní výše; není to vlastní limit tokenů. adaptive se čte jako enabled.
| Posíláte | Úroveň |
|---|---|
{"type": "disabled"} | off |
{"type": "enabled", "budget_tokens": n} s n do 2,048 | low |
n od 2,049 do 8,192 | medium |
Větší n, nebo enabled bez budget_tokens | high |
Bez pole thinking | high |
Kde text uvažování přichází
Text uvažování je vždy oddělen od odpovědi. Každý formát pro něj má své místo:
| Endpoint | Bez streamování | Se streamováním |
|---|---|---|
/v1/chat/completions | choices[0].message.reasoning_content: řetězec, nebo null, když model žádné uvažování nevytvořil. | Chunky s choices[0].delta.reasoning_content, před chunky s delta.content. |
/v1/responses | Položka output {"type": "reasoning", "summary": [{"type": "summary_text", "text": "…"}]} před položkou message. Když uvažování není, položka chybí. | response.output_item.added s položkou reasoning, potom události response.reasoning_summary_text.delta a jedna response.reasoning_summary_text.done. |
/v1/messages | První blok obsahu {"type": "thinking", "thinking": "…"}, potom blok text. Když uvažování není, blok thinking chybí. | Blok obsahu thinking: content_block_start, události content_block_delta s thinking_delta, content_block_stop. Následuje blok textu. |
{
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "No. 221 = 13 x 17, so it is not prime.",
"reasoning_content": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 14,
"completion_tokens": 43,
"total_tokens": 57,
"prompt_tokens_details": {"cached_tokens": 0},
"completion_tokens_details": {"reasoning_tokens": 27}
}
} {
"output": [
{
"id": "rs_6f0a2c4e8b1d4f3a9c7e5b3d1f8a6c4e",
"type": "reasoning",
"summary": [
{
"type": "summary_text",
"text": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
}
]
},
{
"id": "msg_1b3d5f7a9c2e4b6d8f0a2c4e6b8d0f1a",
"type": "message",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "No. 221 = 13 x 17, so it is not prime.",
"annotations": []
}
]
}
],
"usage": {
"input_tokens": 14,
"input_tokens_details": {"cached_tokens": 0},
"output_tokens": 43,
"output_tokens_details": {"reasoning_tokens": 27},
"total_tokens": 57
}
} {
"content": [
{
"type": "thinking",
"thinking": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
{"type": "text", "text": "No. 221 = 13 x 17, so it is not prime."}
],
"stop_reason": "end_turn",
"usage": {
"input_tokens": 14,
"cache_read_input_tokens": 0,
"cache_creation_input_tokens": 0,
"output_tokens": 43
}
} Kde hledat, podle modelu:
| Modely | Kde text přichází |
|---|---|
| Hostované modely s otevřenými váhami | Na každém endpointu, se streamováním i bez něj. Požadavek s úsilím off nebo s response_format / text.format dostane odpověď bez textu uvažování. |
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | Na každém endpointu, se streamováním i bez něj, kdykoli model text uvažování vytvořil. |
shannon-2-lite, shannon-2-pro | /v1/chat/completions, bez streamování: v message.reasoning_content. Se streamováním, v požadavku bez tools nebo response_format: stream nese komentářové řádky : thinking, dokud model uvažuje, potom chunky odpovědi. /v1/messages, se streamováním: blok thinking před blokem textu. |
shannon-1.6-pro, shannon-coder-1 | Ve streamovaných odpovědích a v odpovědích na požadavky, které nesou tools, kdykoli model text uvažování vytvořil. |
Na /v1/responses nese nestreamovaná odpověď položku reasoning u rodiny Shannon 3 a u hostovaných modelů s otevřenými váhami.
Čtení streamu
Ve streamu přichází text uvažování první, ve vlastních deltách, a odpověď následuje. Vypisujte nebo ukládejte obojí zvlášť:
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
stream = client.chat.completions.create(
model="Kimi-K3-3BIT-REAP",
reasoning_effort="medium",
stream=True,
messages=[{"role": "user", "content": "Is 221 a prime number?"}],
)
for chunk in stream:
if not chunk.choices:
continue
delta = chunk.choices[0].delta
reasoning = getattr(delta, "reasoning_content", None)
if reasoning:
print(reasoning, end="", flush=True) # the reasoning text comes first
if delta.content:
print(delta.content, end="", flush=True) # then the answer import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const stream = await client.chat.completions.create({
model: "Kimi-K3-3BIT-REAP",
reasoning_effort: "medium",
stream: true,
messages: [{ role: "user", content: "Is 221 a prime number?" }],
});
for await (const chunk of stream) {
const delta = chunk.choices[0]?.delta ?? {};
if (delta.reasoning_content) process.stdout.write(delta.reasoning_content); // the reasoning text comes first
if (delta.content) process.stdout.write(delta.content); // then the answer
} curl -N https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "medium",
"stream": true,
"messages": [
{"role": "user", "content": "Is 221 a prime number?"}
]
}' První chunk hostovaného modelu s otevřenými váhami, uvažování nebo odpověď, nese také delta.role: "assistant". Streamování
Tokeny uvažování a účtování
U hostovaných modelů s otevřenými váhami jsou tokeny uvažování výstupní tokeny: účtují se za výstupní cenu modelu a počet výstupu je už zahrnuje. Podíl uvažování zde ukazuje usage:
| Endpoint | Pole | Poznámka |
|---|---|---|
/v1/chat/completions | usage.completion_tokens_details.reasoning_tokens | Už zahrnuto v completion_tokens. |
/v1/responses | usage.output_tokens_details.reasoning_tokens | Už zahrnuto v output_tokens. |
/v1/messages | usage.output_tokens | Uvažování a odpověď dohromady. Tento formát nemá samostatný počet. |
- U hostovaných modelů s otevřenými váhami
max_tokensomezuje text odpovědi. Tokeny uvažování se do něj nepočítají. - Protože se uvažování účtuje jako výstup, je úroveň úsilí také nastavením nákladů:
offnevytváří žádné tokeny uvažování. - Modely Shannon hlásí
prompt_tokens,completion_tokensatotal_tokens(input_tokensaoutput_tokensna/v1/messages) bez podílu uvažování a účtují jednu jednotnou cenu za token. Modely a ceny
Uvažování v dalším požadavku
Uvažování nemusíte posílat zpět. Blok thinking nebo položka reasoning v konverzaci, kterou posíláte, se modelu nepředává, takže kolo asistenta může jít zpět s nimi i bez nich. Blok thinking má dvě pole, type a thinking; signature nemá.
Chyby
| Stav | Typ | Zpráva | Kdy |
|---|---|---|---|
400 | invalid_request_error | unknown reasoning effort '<value>'; expected off, low, medium or high | Hostovaný model s otevřenými váhami dostal hodnotu mimo seznam, například xhigh. Ze zůstatku se nic nestrhne. |
422 | invalid_request_error | Failed to deserialize the JSON body into the target type: … | reasoning_effort není řetězec. |
Chyby ověření, zůstatku a serveru jsou stejné jako u každého požadavku. Zpracování chyb