Gå til indhold
Billeder og filer

Billeder og filer

Send billeder med en besked: hvilke modeller der tager dem, de accepterede former og deres grænser.

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

Et billede rejser inde i en brugerbesked som én del af dens content. Eksemplet læser en lokal fil og sender den som en 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
  }
}

Hvilke modeller der tager billeder

Modeller Læser
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Billeder og dokumenter: PDF-, Word-, PowerPoint-, Excel- og ren tekstfiler.
shannon-1.6-lite, shannon-1.6-pro Billeder.
shannon-2-lite, shannon-2-pro Billeder, i anmodninger der også sender tools eller response_format.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Billeder.
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 Tekst. En anmodning med et billede besvares med status 400.
shannon-coder-1 Tekst.

GET /v1/models rapporterer billedinput per id som capabilities.vision. Modeller og priser

  • Shannon-modellerne læser filerne i den sidste brugerbesked. Læg billedet i den besked, der spørger om det.
  • Shannon 3-familien holder også nogle få billeder og dokumenter fra tidligere brugerbeskeder i sigte, når de blev sendt inline, og læser et fast maksimalt antal billeder per anmodning, talt fra det første.
  • De hostede open-weight-modeller læser billederne i alle samtalens beskeder.

Accepterede former

En fil sendes på en af to måder: inde i anmodningen som base64 eller som en adresse, API'et henter. Hver fil rejser med anmodningen; API'et har intet upload-endpoint.

Endpoint I anmodningen (base64) Via adresse
/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://…"}}

Den samme brugerbesked i hvert format:

{
  "role": "user",
  "content": [
    {"type": "text", "text": "What is in this picture?"},
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
      }
    }
  ]
}
  • En data-URL har formen data:<media type>;base64,<data>. Delen ;base64 er påkrævet.
  • På /v1/chat/completions og /v1/responses kan image_url være selve strengen eller et objekt {"url": "…"}.
  • Filtypen kommer fra data-URL'en eller fra media_type. Uden en læses et billede som image/png.
  • Inline-filer tæller med i størrelsen af anmodningens body, som kan være op til 32 MiB.
  • Accepteret af hensyn til kompatibilitet: image_url.detail.

Grænser for eksterne filer

Når du sender en adresse, henter API'et filen, før modellen kører, inden for disse grænser:

Grænse Regel
Størrelse Op til 8 MiB per fil.
Tid 20 sekunder til at svare.
Omdirigeringer Højst 5.
Adresse http:// eller https://, uden brugernavn eller adgangskode i adressen, på en vært med en offentlig adresse.
Værtens svar En status i 200-området og en body, der ikke er tom. Filtypen læses fra Content-Type.
Anmodet som User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Sådan tæller billeder i tokens

På de hostede open-weight-modeller tæller et billede én token for hvert felt på 28 × 28 pixel: bredden divideret med 28, rundet op, gange højden divideret med 28, rundet op. Resultatet er en del af usage.prompt_tokens og afregnes som input.

1024 × 1024
1,369 tokens
1920 × 1080
2,691 tokens
512 × 512
361 tokens
  • Et eksternt billede hentes først, så dets reelle størrelse tælles.
  • Et billede, hvis størrelse ikke kan læses, tæller 1,024 tokens.
  • Tælle-endpointsene bruger den samme regel for data-URL'er. De henter ikke en ekstern adresse og tæller den som 1,024 tokens. Tælling af tokens
  • For en Shannon-model kan du se, hvad en anmodning med billeder kostede, i usage i svaret.

Dokumenter og andre filer

Shannon 3-familien (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) læser også dokumenter. Dokumentets tekst tages ud og gives til modellen sammen med din besked.

Dokument Medietype
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Et dokument er en del af brugerbeskeden, ligesom et billede:

Endpoint I anmodningen (base64) Via adresse
/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."}
      ]
    }
  ]
}
  • Angiv filens rigtige medietype. Uden en læses et dokument som application/pdf.
  • En ren tekstfil, f.eks. CSV, læses som tekst og vedhæftes på samme måde.
  • Når et dokument ikke kan læses, eller filen er af en anden type, får modellen besked om det og kan sige det i sit svar. Status er stadig 200.
  • På alle andre modeller udelades en dokumentdel fra det, modellen læser, og anmodningen besvares ud fra resten.
  • Et dokument, der sendes via adresse, hentes under grænserne for fjernfiler ovenfor.

Fejl

Status Type Besked Hvornår
400 invalid_request_error <id> does not accept image input Et billede blev sendt til en hostet open-weight-model, der kun tager tekst. Der trækkes intet fra din saldo.
400 invalid_request_error audio and video input are not supported by any hosted model En lyd- eller videodel blev sendt til en hostet open-weight-model.
413 invalid_request_error Failed to buffer the request body: … Anmodningens body med dens inline-filer er større end 32 MiB. Fejlen indeholder code: "request_too_large".

En Shannon-model svarer med status 200, uanset hvilke filer anmodningen indeholder: en del, den ikke læser, udelades. Fejlhåndtering