Pildid ja failid
Saada pilte koos sõnumiga: millised mudelid neid võtavad, vastuvõetavad vormid ja nende piirangud.
POST https://api.shannon-ai.com/v1/chat/completions
Pilt liigub kasutaja sõnumi sees, selle content ühe osana. Näide loeb kohaliku faili ja saadab selle data URL-ina.
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) import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const image = fs.readFileSync("photo.jpg").toString("base64");
const response = await 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 } },
],
}],
});
console.log(response.choices[0].message.content); # Linux: base64 -w0 photo.jpg macOS: base64 -i photo.jpg
IMAGE=$(base64 -w0 photo.jpg)
curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d @- <<EOF
{
"model": "shannon-3",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,${IMAGE}"}}
]
}]
}
EOF {
"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
}
} Millised mudelid pilte võtavad
| Mudelid | Loeb |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | Pildid ja dokumendid: PDF-, Word-, PowerPoint-, Excel- ja lihtteksti failid. |
shannon-1.6-lite, shannon-1.6-pro | Pildid. |
shannon-2-lite, shannon-2-pro | Pildid päringutes, mis saadavad samuti tools või response_format. |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | Pildid. |
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. Pildiga päringule vastatakse olekuga 400. |
shannon-coder-1 | Tekst. |
GET /v1/models teatab pildisisendist id kohta kui capabilities.vision. Mudelid ja hinnad
- Shannoni mudelid loevad viimase kasutaja sõnumi faile. Pane pilt sõnumisse, mis selle kohta küsib.
- Shannon 3 perekond hoiab silmas ka mõnda varasemate kasutaja sõnumite pilti ja dokumenti, kui need saadeti päringus endas, ning loeb päringu kohta kindlat maksimaalset arvu pilte, alates esimesest.
- Hostitud avatud kaaludega mudelid loevad vestluse igas sõnumis olevaid pilte.
Vastuvõetavad vormid
Faili saadetakse ühel kahest viisist: päringu sees base64-na või aadressina, mille API toob. Iga fail liigub päringuga; API-l ei ole üleslaadimise lõpp-punkti.
| Lõpp-punkt | Päringus (base64) | Aadressi kaudu |
|---|---|---|
/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://…"}} |
Sama kasutaja sõnum igas formaadis:
{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{
"type": "image_url",
"image_url": {
"url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
}
]
} {
"role": "user",
"content": [
{"type": "input_text", "text": "What is in this picture?"},
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
]
} {
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/jpeg",
"data": "/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
}
]
} - Data URL on kujul
data:<media type>;base64,<data>. Osa;base64on nõutav. - Lõpp-punktides
/v1/chat/completionsja/v1/responsesvõibimage_urlolla string ise või objekt{"url": "…"}. - Faili tüüp tuleb data URL-ist või väljalt
media_type. Ilma selleta loetakse pilt kuiimage/png. - Päringus olevad failid lähevad päringu sisu suurusesse, mis võib olla kuni 32 MiB.
- Võetakse ühilduvuse tarbeks vastu:
image_url.detail.
Kaugfailide piirangud
Kui saadad aadressi, toob API faili enne mudeli käivitumist, nende piirangute piires:
| Piirang | Reegel |
|---|---|
| Suurus | Kuni 8 MiB faili kohta. |
| Aeg | 20 sekundit vastamiseks. |
| Ümbersuunamised | Kuni 5. |
| Aadress | http:// või https://, ilma kasutajanime ja paroolita aadressis, avaliku aadressiga hostis. |
| Hosti vastus | Olek vahemikus 200 ja mittetühi sisu. Faili tüüp loetakse päisest Content-Type. |
| Küsitakse kui | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
Kuidas pilte tokenites loetakse
Hostitud avatud kaaludega mudelitel loetakse pilt ühe tokenina iga 28 × 28 piksli laigu kohta: laius jagatud 28-ga, ümardatud üles, korda kõrgus jagatud 28-ga, ümardatud üles. Tulemus kuulub usage.prompt_tokens hulka ja arveldatakse sisendina.
- 1024 × 1024
- 1,369 tokenit
- 1920 × 1080
- 2,691 tokenit
- 512 × 512
- 361 tokenit
- Kaugpilt tuuakse kõigepealt, seega loetakse selle tegelikku suurust.
- Pilt, mille suurust ei saa lugeda, loetakse 1,024 tokeniks.
- Lugemise lõpp-punktid kasutavad data URL-ide jaoks sama reeglit. Nad ei too kaugaadressi ja loevad selle 1,024 tokeniks. Tokenite lugemine
- Shannoni mudeli puhul loe piltidega päringu hind vastuse väljalt
usage.
Dokumendid ja muud failid
Shannon 3 perekond (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) loeb ka dokumente. Dokumendi tekst võetakse välja ja antakse mudelile koos sinu sõnumiga.
| Dokument | Meediatüüp |
|---|---|
application/pdf | |
| Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| PowerPoint | application/vnd.openxmlformats-officedocument.presentationml.presentation |
| Excel | application/vnd.openxmlformats-officedocument.spreadsheetml.sheet |
Dokument on kasutaja sõnumi osa, nagu pilt:
| Lõpp-punkt | Päringus (base64) | Aadressi kaudu |
|---|---|---|
/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."}
]
}
]
} {
"model": "shannon-3",
"input": [
{
"role": "user",
"content": [
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjcKJeLjz9MK…"
},
{
"type": "input_text",
"text": "Summarise this report in five points."
}
]
}
]
} {
"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."}
]
}
]
} - Anna faili tegelik meediatüüp. Ilma selleta loetakse dokument kui
application/pdf. - Lihtteksti fail, näiteks CSV, loetakse tekstina ja lisatakse samal viisil.
- Kui dokumenti ei saa lugeda või fail on muud tüüpi, öeldakse seda mudelile ja ta võib seda vastuses mainida. Olek on ikkagi
200. - Igal teisel mudelil jäetakse dokumendi osa mudeli loetavast välja ja päringule vastatakse ülejäänu põhjal.
- Aadressi kaudu saadetud dokument tuuakse ülaltoodud kaugfailide piirangute all.
Vead
| Olek | Tüüp | Teade | Millal |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | Pilt saadeti hostitud avatud kaaludega mudelile, mis võtab ainult teksti. Sinu saldost ei võeta midagi. |
400 | invalid_request_error | audio and video input are not supported by any hosted model | Hostitud avatud kaaludega mudelile saadeti heli- või videoosa. |
413 | invalid_request_error | Failed to buffer the request body: … | Päringu sisu koos selles olevate failidega on suurem kui 32 MiB. Viga kannab code: "request_too_large". |
Shannoni mudel vastab olekuga 200, olenemata sellest, milliseid faile päring kannab: osa, mida ta ei loe, jäetakse välja. Vigade käsitlus