Saltar ao contido
Imaxes e ficheiros

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)
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
  }
}

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…"
      }
    }
  ]
}
  • Unha data URL ten a forma data:<media type>;base64,<data>. A parte ;base64 é obrigatoria.
  • En /v1/chat/completions e /v1/responses, image_url pode 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 como image/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 usage na 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
PDF 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."}
      ]
    }
  ]
}
  • 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