Joan edukira
Irudiak eta fitxategiak

Irudiak eta fitxategiak

Bidali irudiak mezu batekin: zein modelok hartzen dituzten, onartutako formak eta haien mugak.

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

Irudi bat erabiltzaile-mezu baten barruan doa, bere content-en zati gisa. Laginak fitxategi lokal bat irakurtzen du eta data URL gisa bidaltzen du.

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
  }
}

Zein modelok hartzen dituzten irudiak

Modeloak Irakurtzen du
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Irudiak, eta dokumentuak: PDF, Word, PowerPoint, Excel eta testu soileko fitxategiak.
shannon-1.6-lite, shannon-1.6-pro Irudiak.
shannon-2-lite, shannon-2-pro Irudiak, tools edo response_format ere bidaltzen duten eskaeretan.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Irudiak.
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 Testua. Irudia duen eskaerari 400 egoerarekin erantzuten zaio.
shannon-coder-1 Testua.

GET /v1/models-ek irudi-sarrera id bakoitzeko jakinarazten du capabilities.vision gisa. Modeloak eta prezioak

  • Shannon modeloek azken erabiltzaile-mezuko fitxategiak irakurtzen dituzte. Jarri irudia hari buruz galdetzen duen mezuan.
  • Shannon 3 familiak, gainera, aurreko erabiltzaile-mezuetako irudi eta dokumentu batzuk ikusgai mantentzen ditu lerroan bidali zirenean, eta eskaera bakoitzeko gehienezko irudi-kopuru finko bat irakurtzen du, lehenengotik kontatuta.
  • Pisu irekiko modelo ostatatuek elkarrizketako mezu guztietako irudiak irakurtzen dituzte.

Onartutako formak

Fitxategi bat bi modutan bidaltzen da: eskaeraren barruan base64 gisa, edo API-ak eskuratzen duen helbide gisa. Fitxategi bakoitza eskaerarekin batera doa; API-ak ez du igoera-endpoint-ik.

Endpoint-a Eskaeran (base64) Helbide bidez
/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://…"}}

Erabiltzaile-mezu bera formatu bakoitzean:

{
  "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 batek data:<media type>;base64,<data> forma du. ;base64 zatia beharrezkoa da.
  • /v1/chat/completions eta /v1/responses endpoint-etan, image_url kate bera izan daiteke edo {"url": "…"} objektu bat.
  • Fitxategi-mota data URL-tik edo media_type-tik dator. Bat gabe, irudi bat image/png gisa irakurtzen da.
  • Lerroko fitxategiak eskaera-gorputzaren tamainan kontatzen dira, 32 MiB arte izan dezakeena.
  • Bateragarritasunerako onartua: image_url.detail.

Urruneko fitxategien mugak

Helbide bat bidaltzen duzunean, API-ak fitxategia eskuratzen du modeloa exekutatu aurretik, mugen barruan:

Muga Araua
Tamaina 8 MiB arte fitxategi bakoitzeko.
Denbora 20 segundo erantzuteko.
Birbideratzeak 5 gehienez.
Helbidea http:// edo https://, helbidean erabiltzaile-izenik edo pasahitzik gabe, helbide publikoa duen ostalari batean.
Ostalariaren erantzuna 200 tarteko egoera bat eta hutsik ez dagoen gorputz bat. Fitxategi-mota Content-Type-tik irakurtzen da.
Honela eskatua User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Irudiak tokenetan nola kontatzen diren

Pisu irekiko modelo ostatatuetan irudi batek token bat kontatzen du 28 × 28 pixeleko adabaki bakoitzeko: zabalera 28ra zatituta, gora biribilduta, bider altuera 28ra zatituta, gora biribilduta. Emaitza usage.prompt_tokens-en parte da eta sarrera gisa fakturatzen da.

1024 × 1024
1,369 token
1920 × 1080
2,691 token
512 × 512
361 token
  • Urruneko irudi bat lehenik eskuratzen da, beraz bere benetako tamaina kontatzen da.
  • Tamaina irakurri ezin den irudi batek 1,024 token kontatzen ditu.
  • Kontaketa-endpoint-ek arau bera erabiltzen dute data URL-entzat. Ez dute urruneko helbiderik eskuratzen eta 1,024 token gisa kontatzen dute. Tokenen kontaketa
  • Shannon modelo batentzat, irakurri irudiak dituen eskaera batek zenbat kostatu duen erantzuneko usage-tik.

Dokumentuak eta beste fitxategi batzuk

Shannon 3 familiak (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) dokumentuak ere irakurtzen ditu. Dokumentuaren testua ateratzen da eta zure mezuarekin batera ematen zaio modeloari.

Dokumentua Media mota
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Dokumentu bat erabiltzaile-mezuaren zati bat da, irudi bat bezala:

Endpoint-a Eskaeran (base64) Helbide bidez
/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."}
      ]
    }
  ]
}
  • Eman fitxategiaren benetako media mota. Bat gabe, dokumentu bat application/pdf gisa irakurtzen da.
  • Testu soileko fitxategi bat, adibidez CSV, testu gisa irakurtzen da eta modu berean erantsi.
  • Dokumentu bat irakurri ezin denean, edo fitxategia beste mota batekoa denean, modeloari hala esaten zaio eta bere erantzunean esan dezake. Egoera 200 izaten jarraitzen du.
  • Beste edozein modelotan dokumentu-zatia modeloak irakurtzen duenetik kanpo uzten da, eta eskaerari gainerakoarekin erantzuten zaio.
  • Helbide bidez bidalitako dokumentu bat goiko urruneko fitxategien mugen arabera eskuratzen da.

Erroreak

Egoera Mota Mezua Noiz
400 invalid_request_error <id> does not accept image input Irudi bat bidali da testua bakarrik hartzen duen pisu irekiko modelo ostatatu batera. Ez da ezer kentzen zure saldotik.
400 invalid_request_error audio and video input are not supported by any hosted model Audio- edo bideo-zati bat bidali da pisu irekiko modelo ostatatu batera.
413 invalid_request_error Failed to buffer the request body: … Eskaera-gorputza, lerroko fitxategiekin, 32 MiB baino handiagoa da. Erroreak code: "request_too_large" darama.

Shannon modelo batek 200 egoerarekin erantzuten du eskaerak fitxategi zein daramanean: irakurtzen ez duen zati bat kanpoan uzten da. Errore‑kudeaketa