Modeloj kaj prezoj

necenzuritaj modeloj

22

kunteksta fenestro

256K

ekde

$0.50 /1M

Gastigitaj malfermpezaj modeloj

kunteksto de 262,144 tokenoj ĉe ĉiu id; enigo kaj eligo fakturataj aparte; ĉiu id akceptas tion, kion akceptas la modelo, kiun ĝi imitas

Modelo	Enigo	Strukturita eligo	En / kashita / el per 1M	Pli
DeepSeek-V4-Pro-08133BIT-REAPDeepSeek · 1.6T MoE · 49B activeNecenzurita	Enigo: teksto	JSON-skemo	$1.95 / $0.488 / $3.90	Pli
GLM-5.23BIT-REAPZ.ai · 744B MoE · 40B activeNecenzurita	Enigo: teksto	JSON-skemo	$0.73 / $0.183 / $2.34	Pli
Kimi-K33BIT-REAPMoonshot AI · 2.8T MoE · 104B activeNecenzurita	Enigo: teksto + bildo	JSON-skemo	$3.83 / $0.958 / $19.12	Pli
Nemotron3Ultra3BIT-REAPNVIDIA · 550B hybrid Mamba-Attention MoE · 55B activeNecenzurita	Enigo: teksto	JSON-skemo	$0.75 / $0.188 / $3.30	Pli
MiniMax-M33BIT-REAPMiniMax · 428B MoE · 23B active · sparse attentionNecenzurita	Enigo: teksto + bildo	JSON-skemo	$0.50 / $0.125 / $2.00	Pli
DeepSeek-V4-Flash-0731W4A16-AUTOROUND-REAPDeepSeek · 284B MoE · 13B activeNecenzurita	Enigo: teksto	JSON-skemo	$0.50 / $0.125 / $2.00	Pli
Kimi-K2.6W4A16-AUTOROUND-REAPMoonshot AI · 1T MoE · 32B activeNecenzurita	Enigo: teksto + bildo	JSON-skemo	$0.78 / $0.195 / $3.67	Pli
Laguna-S-2.1W4A16-AUTOROUND-REAPPoolside · 118B MoE · 8B activeNecenzurita	Enigo: teksto	Neniu strukturita eligo	$0.50 / $0.125 / $2.00	Pli
inklingW4A16-AUTOROUND-REAPThinking Machines · 975B MoE · 41B activeNecenzurita	Enigo: teksto + bildo	JSON-objekto	$1.42 / $0.355 / $6.07	Pli
MiMo-V2.5-ProW8A16Xiaomi · 1.02T MoE · 42B active · 8-bitNecenzurita	Enigo: teksto	JSON-skemo	$0.50 / $0.125 / $2.00	Pli
MiMo-V2.5W8A16Xiaomi · 8-bit multimodal · W8A16Necenzurita	Enigo: teksto + bildo	JSON-skemo	$0.50 / $0.125 / $2.00	Pli
Hy3W8A16Tencent · 295B MoE · 21B active · 8-bitNecenzurita	Enigo: teksto	JSON-skemo	$0.50 / $0.125 / $2.00	Pli

Shannon-modeloj

unu fiksa prezo por enigo kaj eligo

Modelo	Kunteksto	Enigo	Strukturita eligo	Prezo / 1M tokenoj
Shannon 1.6 Liteshannon-1.6-liteNecenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.90
Shannon 1.6 Proshannon-1.6-proNecenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$7.80
Shannon 2 Liteshannon-2-liteNecenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.90
Shannon 2 Proshannon-2-proNecenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$5.85
Shannon 3shannon-3Necenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.35
Shannon 3 Proshannon-3-proNecenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.35
Shannon 3.1shannon-3.1Necenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.35
Shannon 3.1 Proshannon-3.1-proNecenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.35
Shannon 3.5shannon-3.5Necenzurita	192K	Enigo: teksto + bildo	JSON-skemo	$3.35
Shannon Coder 1shannon-coder-1Necenzurita	128K	Enigo: teksto	JSON-skemo	$8.00

Salti al Rapida komenco Provu la Playground

Kiel legi vicon

Ĉiu modelo fluas kaj povas voki ilojn. La aliaj funkcioj de la API estas priskribitaj en la paĝo Capabilities. Kapabloj

Kunteksta fenestro kaj eligaj limoj

• La kunteksta fenestro kovras ĉion, kion la modelo legas por unu respondo: viajn mesaĝojn, difinojn de iloj kaj bildojn.
• La familio Shannon 3 mem adaptas pli longan konversacion: ĝi tenas la plej novajn vicojn, kiuj eniras en la fenestron, kaj respondas.
• En fluo, tro longa prompt estas raportata kiel erara kadro kun tipo invalid_request_error kaj code: "context_length_exceeded".
• max_tokens akceptas valorojn de 1 ĝis 65,536 ĉe ĉiu modelo; max_output_tokens en GET /v1/models estas la supro de tiu intervalo. La defaŭlto estas 4,096.
• Ĉe ĉiu modelo, max_tokens estas la kvanto, kiun peto rezervas el via saldo.
• Kiel limon de la longeco de la respondo, max_tokens aplikas la gastigitaj malfermpezaj modeloj, shannon-1.6-lite, shannon-1.6-pro kaj shannon-coder-1.
• Ĉe la gastigitaj malfermpezaj modeloj ĝi limigas la tekston de la respondo. La rezonado antaŭ la respondo ne kalkuliĝas kontraŭ ĝi, kaj valoro sub 256 agas kiel 256.
• Fluo de shannon-1.6-lite, shannon-1.6-pro, shannon-coder-1 aŭ de la familio Shannon 3 finiĝas per finish_reason: "length" kiam la respondo estis detranĉita ĉe sia limo.

Limoj kaj saldo

Kiel prezo formiĝas

• Prezoj estas en USD por 1,000,000 tokenoj. Via saldo estas kalkulata en tokenoj, kiuj valoras $5.00 por 1,000,000, do prezo de modelo diras kiom da saldo ĝiaj tokenoj prenas.
• Shannon-modeloj havas unu prezon. Voko estas kalkulata laŭ usage.total_tokens je tiu prezo.
• Gastigitaj malfermpezaj modeloj havas tri prezojn. Enigo legita el la kaŝmemoro de prompt estas kalkulata laŭ la kaŝmemorita prezo, kiu estas 25% de la enig-prezo rondigita al $0.001. La cetero de la enigo estas kalkulata laŭ la enig-prezo, la eligo laŭ la elig-prezo.
• Gastigitaj malfermpezaj modeloj kalkulas tokenojn per la propra tokenizilo de ĉiu modelo. GET /v1/models markas tion kiel tokenizer: "original".
• shannon-coder-1 estas kalkulata en vokoj, ne en tokenoj, ĉe /v1/chat/completions kaj /v1/messages. Ĝia listigita prezo validas ĉe /v1/responses.

Kion peto rezervas, kalkulitaj ekzemploj de kosto kaj la kvoto de vokoj de Shannon Coder estas en Limoj kaj saldo. Limoj kaj saldo

Model-id

Sendu unu el ĉi tiuj id kiel 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

• Majuskloj kaj minuskloj ne gravas, kaj spacoj ĉirkaŭ la id estas forigitaj: SHANNON-3 kaj shannon-3 estas la sama modelo.
• La respondo ĉiam portas la publikigitan id en model, kiu ajn literumo estis sendita.
• Montra nomo kiel Shannon 3 ne estas id.

Kvar pli mallongaj literumoj estas akceptataj ankaŭ.

Id, kiu ne estas publikigita, ricevas respondon kun stato 400, tipo invalid_request_error kaj la mesaĝo unknown model: <id> ĉe ĉiuj tri endpoints. Neniu alia modelo respondas anstataŭ ĝi.

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

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

• Ĉiam sendu model. /v1/responses respondas peton sen ĝi per 400. Ĉe /v1/chat/completions kaj /v1/messages tian peton respondas shannon-1.6-lite.
• POST /v1/tokenize kaj POST /v1/messages/count_tokens akceptas la id de gastigitaj malfermpezaj modeloj.

Listo de modeloj

GET /v1/models redonas la modelojn de ĉi tiu paĝo kiel JSON, kun la samaj kuntekstaj fenestroj, prezoj kaj kapabloj. Uzu ĝin por plenigi modelelektilon aŭ por kontroli prezon en kodo.

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"

La respondo, mallongigita al unu ero de ĉiu speco:

{
  "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 ne bezonas ŝlosilon. La respondo estas sama por ĉiu vokanto kaj ne dependas de via plano.
• La listo enhavas la id, kiuj povas esti vokataj. Modelo, kiu en la momento ne povas esti servata, estas lasita ekster ĝi.
• Ne ekzistas endpoint por unu modelo: GET /v1/models/{id} respondas 404 kun tipo not_found_error.