Mine sisu juurde
Pildid ja failid

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)
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
  }
}

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…"
      }
    }
  ]
}
  • Data URL on kujul data:<media type>;base64,<data>. Osa ;base64 on nõutav.
  • Lõpp-punktides /v1/chat/completions ja /v1/responses võib image_url olla string ise või objekt {"url": "…"}.
  • Faili tüüp tuleb data URL-ist või väljalt media_type. Ilma selleta loetakse pilt kui image/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
PDF 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."}
      ]
    }
  ]
}
  • 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