Imaxes e ficheiros
Envía imaxes cunha mensaxe: que modelos as aceptan, as formas aceptadas e os seus límites.
POST https://api.shannon-ai.com/v1/chat/completions
Unha imaxe viaxa dentro dunha mensaxe de usuario, como unha parte do seu content. O exemplo le un ficheiro local e envíao como 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) 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
}
} Que modelos aceptan imaxes
| Modelos | Le |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | Imaxes e documentos: PDF, Word, PowerPoint, Excel e ficheiros de texto simple. |
shannon-1.6-lite, shannon-1.6-pro | Imaxes. |
shannon-2-lite, shannon-2-pro | Imaxes, en solicitudes que tamén envían tools ou response_format. |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | Imaxes. |
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 | Texto. Unha solicitude cunha imaxe recibe o estado 400. |
shannon-coder-1 | Texto. |
GET /v1/models informa a entrada de imaxe por id como capabilities.vision. Modelos e prezos
- Os modelos Shannon len os ficheiros da última mensaxe de usuario. Pon a imaxe na mensaxe que pregunta por ela.
- A familia Shannon 3 tamén ten en conta algunhas imaxes e documentos de mensaxes de usuario anteriores cando se enviaron en liña, e le un máximo fixo de imaxes por solicitude, contadas desde a primeira.
- Os modelos open-weight alojados len as imaxes de todas as mensaxes da conversa.
Formas aceptadas
Un ficheiro envíase de dúas maneiras: dentro da solicitude en base64, ou como un enderezo que a API descarga. Todos os ficheiros viaxan coa solicitude; a API non ten endpoint de subida.
| Endpoint | Na solicitude (base64) | Por enderezo |
|---|---|---|
/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://…"}} |
A mesma mensaxe de usuario en cada formato:
{
"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…"
}
}
]
} - Unha data URL ten a forma
data:<media type>;base64,<data>. A parte;base64é obrigatoria. - En
/v1/chat/completionse/v1/responses,image_urlpode ser a propia cadea ou un obxecto{"url": "…"}. - O tipo de ficheiro vén da data URL ou de
media_type. Sen el, unha imaxe lese comoimage/png. - Os ficheiros en liña contan para o tamaño do corpo da solicitude, que pode ser de ata 32 MiB.
- Aceptado por compatibilidade:
image_url.detail.
Límites para ficheiros remotos
Cando envías un enderezo, a API descarga o ficheiro antes de que se execute o modelo, dentro destes límites:
| Límite | Regra |
|---|---|
| Tamaño | Ata 8 MiB por ficheiro. |
| Tempo | 20 segundos para responder. |
| Redireccións | Como máximo 5. |
| Enderezo | http:// ou https://, sen nome de usuario nin contrasinal no enderezo, nun host con enderezo público. |
| Resposta do host | Un estado do intervalo 200 e un corpo que non estea baleiro. O tipo de ficheiro lese de Content-Type. |
| Solicitado como | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
Como contan as imaxes en tokens
Nos modelos open-weight alojados, unha imaxe conta un token por cada parche de 28 × 28 píxeles: o ancho dividido entre 28, redondeado cara arriba, multiplicado pola altura dividida entre 28, redondeada cara arriba. O resultado forma parte de usage.prompt_tokens e factúrase como entrada.
- 1024 × 1024
- 1,369 tokens
- 1920 × 1080
- 2,691 tokens
- 512 × 512
- 361 tokens
- Unha imaxe remota descárgase primeiro, así que se conta o seu tamaño real.
- Unha imaxe cuxo tamaño non se pode ler conta 1,024 tokens.
- Os endpoints de reconto usan a mesma regra para as data URL. Non descargan un enderezo remoto e contan 1,024 tokens por el. Reconto de tokens
- Para un modelo Shannon, le o que custou unha solicitude con imaxes en
usagena resposta.
Documentos e outros ficheiros
A familia Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) tamén le documentos. O texto do documento extráese e dáselle ao modelo coa túa mensaxe.
| Documento | Tipo de medio |
|---|---|
application/pdf | |
| Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| PowerPoint | application/vnd.openxmlformats-officedocument.presentationml.presentation |
| Excel | application/vnd.openxmlformats-officedocument.spreadsheetml.sheet |
Un documento é unha parte da mensaxe do usuario, como unha imaxe:
| Endpoint | Na solicitude (base64) | Por enderezo |
|---|---|---|
/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."}
]
}
]
} - Indica o tipo de medio real do ficheiro. Sen el, un documento lese como
application/pdf. - Un ficheiro de texto simple, como CSV, lese como texto e anéxase da mesma maneira.
- Cando un documento non se pode ler, ou o ficheiro é doutro tipo, o modelo recibe esa información e pode dicilo na súa resposta. O estado segue sendo
200. - En todos os demais modelos, unha parte de documento queda fóra do que le o modelo, e a solicitude respóndese co resto.
- Un documento enviado por enderezo descárgase segundo os límites para ficheiros remotos indicados arriba.
Erros
| Estado | Tipo | Mensaxe | Cando |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | Enviouse unha imaxe a un modelo open-weight alojado que só acepta texto. Non se descontou nada do teu saldo. |
400 | invalid_request_error | audio and video input are not supported by any hosted model | Enviouse unha parte de audio ou vídeo a un modelo open-weight alojado. |
413 | invalid_request_error | Failed to buffer the request body: … | O corpo da solicitude, cos seus ficheiros en liña, é maior de 32 MiB. O erro leva code: "request_too_large". |
Un modelo Shannon responde co estado 200 sexan cales sexan os ficheiros que leve a solicitude: unha parte que non le queda fóra. Xestión de erros