Neidio i'r cynnwys
Delweddau a ffeiliau

Delweddau a ffeiliau

Anfonwch ddelweddau gyda neges: pa fodelau sy'n eu cymryd, y ffurfiau a dderbynnir a'u terfynau.

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

Mae delwedd yn teithio y tu mewn i neges defnyddiwr, fel un rhan o'i content. Mae'r enghraifft yn darllen ffeil leol ac yn ei hanfon fel URL data.

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
  }
}

Pa fodelau sy'n cymryd delweddau

Modelau Yn darllen
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Delweddau, a dogfennau: ffeiliau PDF, Word, PowerPoint, Excel a thestun plaen.
shannon-1.6-lite, shannon-1.6-pro Delweddau.
shannon-2-lite, shannon-2-pro Delweddau, mewn ceisiadau sydd hefyd yn anfon tools neu response_format.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Delweddau.
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 Testun. Atebir cais gyda delwedd â statws 400.
shannon-coder-1 Testun.

Mae GET /v1/models yn adrodd mewnbwn delwedd am bob id fel capabilities.vision. Modelau a phrisiau

  • Mae'r modelau Shannon yn darllen ffeiliau neges ddiwethaf y defnyddiwr. Rhowch y ddelwedd yn y neges sy'n holi amdani.
  • Mae teulu Shannon 3 hefyd yn cadw ychydig o ddelweddau a dogfennau o negeseuon defnyddiwr cynharach mewn golwg pan gawsant eu hanfon yn fewnol, ac yn darllen uchafswm penodol o ddelweddau fesul cais, wedi'u cyfrif o'r cyntaf.
  • Mae'r modelau pwysau agored a gynhelir yn darllen delweddau pob neges yn y sgwrs.

Ffurfiau a dderbynnir

Anfonir ffeil mewn un o ddwy ffordd: y tu mewn i'r cais fel base64, neu fel cyfeiriad y mae'r API yn ei nôl. Mae pob ffeil yn teithio gyda'r cais; nid oes gan yr API bwynt terfyn uwchlwytho.

Pwynt terfyn Yn y cais (base64) Yn ôl cyfeiriad
/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://…"}}

Yr un neges defnyddiwr ym mhob fformat:

{
  "role": "user",
  "content": [
    {"type": "text", "text": "What is in this picture?"},
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
      }
    }
  ]
}
  • Mae gan URL data y ffurf data:<media type>;base64,<data>. Mae'r rhan ;base64 yn ofynnol.
  • Ar /v1/chat/completions a /v1/responses, gall image_url fod y llinyn ei hun neu'n wrthrych {"url": "…"}.
  • Daw math y ffeil o'r URL data neu o media_type. Hebddo, darllenir delwedd fel image/png.
  • Mae ffeiliau mewnol yn cyfrif tuag at faint corff y cais, a all fod hyd at 32 MiB.
  • Derbynnir er mwyn cydnawsedd: image_url.detail.

Terfynau ar gyfer ffeiliau o bell

Pan anfonwch gyfeiriad, mae'r API yn nôl y ffeil cyn i'r model redeg, o fewn y terfynau hyn:

Terfyn Rheol
Maint Hyd at 8 MiB am bob ffeil.
Amser 20 eiliad i ateb.
Ailgyfeiriadau 5 ar y mwyaf.
Cyfeiriad http:// neu https://, heb enw defnyddiwr na chyfrinair yn y cyfeiriad, ar westeiwr â chyfeiriad cyhoeddus.
Ateb y gwesteiwr Statws yn yr ystod 200 a chorff nad yw'n wag. Darllenir math y ffeil o Content-Type.
Gofynnir fel User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Sut mae delweddau'n cyfrif mewn tokenau

Ar y modelau pwysau agored a gynhelir mae delwedd yn cyfrif un tocen am bob darn picsel 28 × 28: y lled wedi'i rannu â 28, wedi'i dalgrynnu i fyny, wedi'i luosi â'r uchder wedi'i rannu â 28, wedi'i dalgrynnu i fyny. Mae'r canlyniad yn rhan o usage.prompt_tokens ac fe'i codir fel mewnbwn.

1024 × 1024
1,369 tokenau
1920 × 1080
2,691 tokenau
512 × 512
361 tokenau
  • Caiff delwedd o bell ei nôl yn gyntaf, felly cyfrifir ei maint go iawn.
  • Mae delwedd na ellir darllen ei maint yn cyfrif 1,024 o docenau.
  • Mae'r pwyntiau terfyn cyfrif yn defnyddio'r un rheol ar gyfer URLau data. Nid ydynt yn nôl cyfeiriad o bell ac yn ei gyfrif fel 1,024 o docenau. Cyfrif tokenau
  • Ar gyfer model Shannon, darllenwch beth gostiodd cais gyda delweddau o usage yn yr ateb.

Dogfennau a ffeiliau eraill

Mae teulu Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) yn darllen dogfennau hefyd. Caiff testun y ddogfen ei dynnu allan a'i roi i'r model gyda'ch neges.

Dogfen Math o gyfrwng
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Mae dogfen yn rhan o neges y defnyddiwr, fel delwedd:

Pwynt terfyn Yn y cais (base64) Yn ôl cyfeiriad
/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."}
      ]
    }
  ]
}
  • Rhowch wir fath cyfrwng y ffeil. Hebddo, darllenir dogfen fel application/pdf.
  • Darllenir ffeil testun plaen, fel CSV, fel testun a'i hatodi yn yr un modd.
  • Pan na ellir darllen dogfen, neu pan fo'r ffeil o fath arall, dywedir hynny wrth y model a gall ei ddweud yn ei ateb. Mae'r statws yn 200 o hyd.
  • Ar bob model arall gadewir rhan dogfen allan o'r hyn y mae'r model yn ei ddarllen, ac ateb y cais yw o'r gweddill.
  • Mae dogfen a anfonir yn ôl cyfeiriad yn cael ei nôl o dan y terfynau ar gyfer ffeiliau o bell uchod.

Gwallau

Statws Math Neges Pryd
400 invalid_request_error <id> does not accept image input Anfonwyd delwedd i fodel pwysau agored a gynhelir sy'n cymryd testun yn unig. Ni thynnir dim o'ch balans.
400 invalid_request_error audio and video input are not supported by any hosted model Anfonwyd rhan sain neu fideo i fodel pwysau agored a gynhelir.
413 invalid_request_error Failed to buffer the request body: … Mae corff y cais, gyda'i ffeiliau mewnol, yn fwy na 32 MiB. Mae'r gwall yn cario code: "request_too_large".

Mae model Shannon yn ateb gyda statws 200 pa ffeiliau bynnag y mae'r cais yn eu cario: gadewir rhan nad yw'n ei darllen allan. Rheoli gwallau