Shannon 3, o modelo de IA sen censura que revisa a súa propia resposta
Un bucle de razoamento iterativo no noso propio clúster de GPU: pensar, redactar, revisar, reescribir. Lite fai unha pasada. Pro fai ata dez, e pide os datos que sabe que lle faltan.
Resumo
Shannon 3 é unha familia de modelos de IA sen censura servida desde o noso propio clúster de GPU. A súa característica distintiva é a forma dunha quenda: o modelo pensa, escribe un borrador e despois relé o seu propio borrador fronte ao seu propio pensamento e reescribe o que non se sostén. Lite (shannon-3) fai unha soa pasada de pensar e redactar para a latencia máis baixa. Pro (shannon-3-pro) executa o bucle completo durante ata 10 iteracións, parando no momento en que unha revisión aproba o borrador, e ademais executa unha recolleita de coñecemento contra un modelo máis grande para completar os datos que detectou que faltaban. Toda a traza de razoamento é visible, na túa lingua. A entrada de imaxes e documentos é compatible nos dous niveis. O contexto no lanzamento de 3.0 era de 32,768 tokens.
Case todos os modelos de chat que usaches responden nunha soa pasada cara adiante. Escollen o primeiro token antes de coñecer o último, e unha vez emitida unha frase queda comprometida: o modelo pode contradicila despois, pero non pode volver atrás e arranxala. Iso funciona ben cando a resposta é curta e a pregunta ten unha soa parte. Funciona mal cando a resposta é longa, a pregunta ten catro partes e o parágrafo seis invalida en silencio o parágrafo dous. Shannon 3 existe porque non pensabamos que a solución a iso fose un modelo máis grande. A solución é deixar que o modelo lea o que acaba de escribir.
01Que é Shannon 3
Shannon 3 é unha familia de modelos de dous niveis. Os dous niveis execútanse no noso propio clúster de GPU en lugar de nunha API de inferencia de terceiros, e os dous están sen censura: non hai capa de negativas diante deles nin filtro de contido detrás. O que difire entre os niveis é canto traballo se lle permite facer a unha soa quenda antes de que a resposta che chegue.
Na API os dous niveis son identificadores de modelo ordinarios. Non hai punto final especial, nin SDK aparte, nin formato de petición feito á medida:
| Nivel | Identificador de modelo | Forma da quenda | Mellor para |
|---|---|---|---|
| Shannon 3 Lite | shannon-3 | Unha pasada de pensar + redactar | Chat, redacción, consultas, alto volume |
| Shannon 3 Pro | shannon-3-pro | Bucle completo, ata 10 pasadas, máis recolleita de coñecemento | Análise, texto longo, traballo sensible á corrección |
02Por que unha soa pasada cara adiante é a forma equivocada para preguntas difíciles
Un modelo que xera texto de esquerda a dereita toma unha secuencia irrevocable de decisións locais. Non ten goma de borrar. Cando leva 400 tokens dunha explicación e se dá conta de que o enfoque que escolleu era erróneo, as súas únicas opcións son continuar no enfoque erróneo ou engadir unha corrección — producindo esas respostas que todos recoñecemos, as que din en realidade, revisando o anterior a metade do camiño e che deixan a ti reconciliar dúas metades incompatibles.
A cadea de pensamento mellora isto pero non o resolve. Pensar primeiro dálle ao modelo un plan antes de comprometerse coa prosa, o que é un avance real; o borrador que segue segue escribíndose nunha soa pasada e segue entregándose sen relerse. Nada formula nunca a pregunta que un editor humano formula primeiro: esta resposta fai realmente o que dixo o pensamento que faría? Os modos de fallo que sobreviven á cadea de pensamento son concretos e recoñecibles:
- Subpreguntas omitidas. Preguntaches catro cousas. O pensamento listou catro cousas. A resposta cobre tres.
- Deriva do plan. O razoamento decídese por un enfoque; a prosa vai adoptando pouco a pouco outro distinto, e non hai unha soa frase na que fose mal.
- Aritmética e unidades. Un número calculado correctamente no pensamento transcríbese mal na resposta, ou unha cifra mensual preséntase como anual.
- Restricións ignoradas. Dixeches que sen dependencias externas; o código importa unha, e o pensamento non volve mencionar a restrición despois de recoñecela.
- Ocos con confianza. O modelo di no pensamento que non está seguro dun dato concreto, e despois afírmao rotundamente na resposta igual.
Todos e cada un destes detéctanse lendo o borrador. Ningún se detecta xerando o borrador con máis coidado.
03O bucle de razoamento, etapa a etapa
Unha quenda de Shannon 3 Pro é un bucle con catro etapas e unha condición de saída.
Pensar
O modelo traballa o problema antes de escribirche nada: descompón a pregunta, anota restricións, identifica o que sabe e o que non sabe, e decide un enfoque. O que produce aquí convértese no estándar co que despois se mide a resposta.
Redactar
O modelo escribe unha resposta completa e real — non un esquema. Ten que ser completa, porque a seguinte etapa avalía un artefacto rematado, e un bosquexo non se pode revisar en busca de modos de fallo que só aparecen a lonxitude completa.
Revisar
Esta é a etapa que fai que esta familia sexa o que é. O modelo le o borrador fronte ao pensamento — unha proba moito máis afiada que ler o borrador só. Preguntarlle a un modelo "é boa esta resposta?" convídao a dicir que si; preguntarlle "o plan dicía cubrir X, Y e Z baixo a restrición C — fai iso este texto?" dálle algo falsable que comprobar. A revisión nomea o que está mal en lugar de poñer unha nota.
Reescribir
Os problemas nomeados corríxense nun novo borrador. Isto é unha reescritura, non un parche: unha corrección que require reordenar o argumento ten permiso para reordenar o argumento. O novo borrador volve á revisión.
Parar
O bucle remata a primeira vez que unha revisión aproba o borrador — a saída normal, e na maioría das quendas ocorre moito antes do teito. O límite duro de 10 iteracións existe para casos patolóxicos, como unha pregunta xenuinamente ambigua na que cada reescritura cambia un defecto por outro, para que unha quenda non poida dar voltas indefinidamente.
Lite colle esas dúas primeiras etapas e para. Pensa, redacta e entrégache o borrador. Iso é unha decisión de produto deliberada, non un recorte accidental: nunha gran parte das mensaxes reais o primeiro borrador é a resposta correcta, e pagar a latencia da revisión para que cho digan é un mal intercambio. Lite é para cando queres que o modelo sexa rápido; Pro é para cando queres que estea seguro.
04A recolleita de coñecemento de Pro: pedir axuda en lugar de adiviñar
A autorrevisión detecta contradicións, omisións e violacións de restricións, porque a evidencia necesaria para detectalas xa está na quenda. O que non pode detectar é un dato que o modelo simplemente non ten. Un modelo que revisa o seu propio borrador pode concluír non estou seguro desta cifra e despois non ter a onde ir con esa conclusión.
Pro dálle a onde ir. Arredor da etapa de redacción realiza unha recolleita de coñecemento: identifica os datos concretos que lle faltan ou dos que non está seguro, consulta a un segundo modelo máis grande exactamente eses, e integra o que volve na resposta mellorada. É unha consulta dirixida guiada por un oco que o propio modelo nomeou, non unha segunda opinión xeneralizada.
Na práctica importan dúas propiedades. É acoutada: a recolleita pregunta polos ocos identificados en lugar de volver formular toda a pregunta, así que ao modelo máis grande se lle consulta onde engade información e non onde só engadiría outra voz. E está integrada: os datos recollidos volven pasar polo bucle e enfróntanse á mesma revisión que todo o demais, en lugar de chegar como un parágrafo engadido á forza.
Que cambia isto sobre a incerteza
O efecto máis útil da recolleita non é que Pro saiba máis. É que a incerteza de Pro se volve accionable. Un modelo que só sabe que non está seguro debe escoller entre matizalo todo e afirmar con confianza. Un que pode converter "non estou seguro disto" en "vou averigualo" matiza en menos sitios e é específico en máis deles.
05O razoamento é visible, e está na túa lingua
Amósaseche a traza enteira mentres se executa a quenda: o pensamento e, en Pro, cada revisión e o que obxectou. Isto non é unha vista de depuración que toleramos expoñer — é boa parte do que estás a mercar, e cambia a relación de traballo de tres formas concretas.
- Podes parar cedo. Se o pensamento interpreta mal a túa pregunta — un resultado común dun prompt ambiguo, non dun mal modelo — descóbrelo nos primeiros segundos, non despois de que chegue unha resposta completa que resolve o problema equivocado.
- Podes auditar o razoamento por separado da resposta. Unha resposta correcta acadada por un razoamento erróneo é un risco, porque non sobrevivirá á seguinte pregunta.
- Podes ver fallar o bucle. Cando Pro queima varias iteracións sen converxer, iso móstrase en lugar de ocultarse — e é información real, que normalmente significa que a pregunta está mal especificada.
A traza escríbese na túa propia lingua, non se xera en inglés e se traduce ao final. Se traballas en xaponés, árabe, turco ou portugués, o modelo razoa nesa lingua — o que mantén a terminoloxía da traza coherente coa terminoloxía da resposta, e evita as costuras que aparecen cando un modelo pensa nunha lingua e fala noutra.
06Sen censura: sen capa de negativas, sen filtro de saída
Shannon 3 ofrécese sen capa de negativas e sen filtrado de contido na saída. O comportamento de negativa non está presente no produto a ningún nivel: nin como envoltorio que inspecciona a túa mensaxe antes de que o modelo a vexa, nin como clasificador que inspecciona a resposta antes de que ti a vexas, nin como reflexo do que haxa que convencer ao modelo para que renuncie. Iso é materialmente distinto das dúas cousas que a xente adoita querer dicir cando di "sen censura":
| Enfoque | Que fai | Como falla |
|---|---|---|
| Jailbreak vía prompt de sistema | Instrúe a un modelo aliñado para que se comporte coma se non o estivese | Degrádase ao longo dunha conversa longa; a negativa volve baixo presión |
| Eliminación do filtro de saída | Deixa de bloquear texto que o modelo xa produciu | O modelo segue escribindo texto matizado e evasivo — non se bloqueou nada, é que nunca se escribiu |
| Shannon 3 | Non hai capa de negativas que eliminar nin filtro que desactivar — o comportamento simplemente non está | Deixa o xuízo enteiramente na túa man; o modelo non vai declinar no teu nome |
Na práctica, Shannon 3 aborda a pregunta que fixeches en lugar da pregunta máis segura que hai ao seu carón: ficción con antagonistas reais, temas de seguridade tratados tecnicamente e non á altura dunha nota de prensa, información médica, legal e financeira dada directamente coas advertencias que realmente proceden — e sen sermón final sobre por que puideches preguntar iso. Tampouco dilúe o bucle: unha revisión é libre de dicir que o borrador está mal, o que é un tipo de resistencia distinto e máis útil que unha negativa.
O que a ausencia dunha capa de negativas non fai é volver correcto o modelo. Un modelo sen censura é exactamente igual de capaz de equivocarse con confianza que un censurado, e de forma máis visible, xa que non se refuxiará na vaguidade cando dubide. Ese é un dos mellores argumentos a favor do bucle: sen un reflexo de negativa no medio, a autorrevisión fai o traballo de seguridade que lle importa a un usuario profesional — detectar erros. O teu uso do modelo segue rexido pola nosa Política de Uso Responsable e pola lei do teu país.
Non publicamos puntuacións de benchmark para Shannon 3 nin facemos afirmacións comparativas fronte a outros modelos. O beneficio do bucle é estrutural — detecta clases de erro que unha soa pasada non pode detectar — e preferimos describir ese mecanismo con precisión antes que asignarlle unha cifra que non verificamos de forma independente. Todo o anterior describe o que fai unha quenda; a forma máis rápida de comprobalo é executar unha e ler a traza.
07Visión, documentos e xeración de imaxes
Os dous niveis aceptan imaxes e documentos como anexos e lenos como parte da quenda. Unha captura de pantalla dunha compilación fallida, unha pizarra fotografada, un esquema, unha páxina de contrato escaneada ou un PDF poden ser o obxecto da pregunta en lugar de algo que teñas que transcribir antes. En Pro, os anexos participan no bucle coma todo o demais: se unha revisión decide que o borrador respondeu a unha pregunta que a imaxe non sustenta, iso reescríbese.
A xeración e edición de imaxes están dispoñibles no chat como ferramenta, non como o propósito do modelo. Shannon 3 é un modelo de razoamento que pode producir ou editar unha imaxe cando a conversa o require, non un modelo de imaxe cunha interface de chat pegada. A distinción fixa ben as expectativas: xulga esta familia por como pensa, e trata as imaxes como unha comodidade que che aforra un cambio de contexto.
08Xanela de contexto, e cara a onde foi despois a liña 3.x
Shannon 3.0 lanzouse cunha xanela de contexto de 32,768 tokens. Esa é a cifra histórica honesta, e paga a pena dicila claramente, porque un bucle consome contexto de forma distinta a un modelo dunha soa pasada: o teu prompt, os teus anexos, o pensamento e cada ciclo de borrador e revisión viven no mesmo orzamento.
32K é cómodo para a maior parte do traballo de chat e análise — un documento longo, un ficheiro de código substancial, unha pregunta detallada de varias partes con marxe para que o bucle se execute. Queda xusto para entradas realmente grandes, e esa restrición é exactamente o que abordou a seguinte versión. Shannon 3.1 eleva substancialmente a xanela de contexto e cambia a que se lle pode apuntar o bucle; se estás a avaliar esta familia hoxe, le ese artigo en segundo lugar e trata a cifra de aquí como historia.
09Chamar a Shannon 3 desde a API
Shannon 3 está dispoñible a través dos tres dialectos da nosa API, nos mesmos modelos, con streaming en cada un:
| Dialecto | Punto final | Úsao cando |
|---|---|---|
| Compatible con OpenAI | /v1/chat/completions | Xa tes código cliente de OpenAI — cambia a URL base e o identificador do modelo |
| Compatible con Anthropic | /v1/messages | A túa infraestrutura está construída arredor do formato Messages |
| Responses | /v1/responses | Queres o formato de petición/resposta máis novo |
Pasa shannon-3 ou shannon-3-pro como identificador de modelo. Hai dúas cousas que convén prever no lado do cliente. As quendas de Pro tardan máis, e nunha cantidade variable, porque o número de iteracións depende da pregunta — fixa os tempos de espera contra o teito e non contra a media, e prefire o streaming para que o usuario vexa progreso en lugar dun indicador xirando. E a traza de razoamento é contido que podes escoller mostrar; cando os usuarios están agardando, mostrala adoita ser mellor que ocultala, porque converte tempo morto en algo lexible. Os esquemas de petición e resposta, os detalles de streaming e un playground en vivo están na documentación da API.
10Escoller un nivel
O bucle de Pro xustifica a súa latencia en proporción a canto hai que se poida equivocar.
| A túa tarefa | Nivel | Por que |
|---|---|---|
| Pregunta factual rápida, resposta curta | shannon-3 | O primeiro borrador é a resposta; a revisión non ten nada que detectar |
| Automatización de alto volume ou limitada pola latencia | shannon-3 | O tempo de quenda previsible é a restrición determinante |
| Análise de varias partes con restricións | shannon-3-pro | As subpreguntas omitidas e as violacións de restricións son exactamente o que detecta a revisión |
| Texto longo que ten que soster o conxunto | shannon-3-pro | A contradición interna é unha propiedade da lonxitude completa, invisible mentres se redacta |
| Calquera cousa con números sobre os que vas actuar | shannon-3-pro | A revisión volve comprobar a aritmética e as unidades fronte ao pensamento |
| Preguntas que tocan datos no límite do modelo | shannon-3-pro | A recolleita de coñecemento converte un oco nomeado nunha consulta |
Un patrón práctico: usa Lite mentres aínda estás afinando o que preguntar, e despois volve executar a pregunta xa asentada unha vez en Pro. Paga a pena pagar polo bucle na versión da pregunta que realmente querías facer.
11Limitacións que convén coñecer antes de comprometerte
Unha tarxeta de modelo que só lista virtudes é un anuncio. Aquí está onde Shannon 3 te vai defraudar:
- Pro é máis lento, e de forma imprevisible. Unha quenda que converxe en dúas iteracións e outra que chega a dez difiren varias veces en tempo de reloxo. Se necesitas latencia acoutada, usa Lite.
- A revisión non é unha proba. Un modelo que comproba o seu propio traballo comparte os seus propios puntos cegos. O bucle detecta de forma fiable a incoherencia entre pensamento e borrador; non detecta de forma fiable un erro sostido con confianza no propio pensamento.
- O contexto compártese co bucle. Con 32K, unha entrada moi longa máis varios borradores de lonxitude completa é unha restrición real en 3.0. Consulta Shannon 3.1 para o teito elevado.
- A recolleita só cobre ocos que o modelo detecta. Converte "non estou seguro disto" nunha consulta, o que é un avance real — pero un dato no que o modelo se equivoca con confianza nunca se marca como ausente, así que nunca se recolle.
- Sen censura significa sen censura. O modelo non vai negarse e non vai suavizar. Se o teu produto necesita un límite de negativa, constrúeo onde o poidas ver en lugar de agardar que o modelo cho proporcione.
12Preguntas frecuentes
Que é Shannon 3?
Shannon 3 é unha familia de modelos sen censura executados no noso propio clúster de GPU. O que a distingue é a forma dunha quenda: en lugar dunha soa pasada cara adiante, pensa, redacta unha resposta e despois revisa ese borrador fronte ao seu propio pensamento e reescríbeo. Ofrécese en dous niveis, shannon-3 (Lite) e shannon-3-pro (Pro).
Cal é a diferenza entre Shannon 3 Lite e Shannon 3 Pro?
Lite executa unha soa pasada de pensar e redactar, mantendo a latencia preto da dun modelo ordinario. Pro executa o bucle completo, revisando e reescribindo cada borrador durante ata 10 iteracións e parando antes no momento en que unha revisión o aproba. Pro tamén realiza unha recolleita de coñecemento, consultando a un segundo modelo máis grande os datos que identificou como ausentes.
Está Shannon 3 realmente sen censura?
Si. Shannon 3 ofrécese sen capa de negativas e sen filtro de contido na saída. O comportamento de negativa non está presente no propio modelo, así que non hai nada que reapareza en silencio a medio camiño dunha conversa longa como fai unha persoa ficticia definida nun prompt. O uso do modelo segue rexido pola nosa Política de Uso Responsable e pola lei do teu país.
O bucle de revisión mellora realmente as respostas?
Axuda máis onde unha soa pasada é estruturalmente débil: respostas longas cuxo final contradí o seu comezo, preguntas de varias partes nas que unha parte se omite en silencio, erros de aritmética e de unidades, e código que ignora unha restrición indicada. Axuda menos en consultas curtas, onde o primeiro borrador xa é a resposta. Por iso existe Lite.
Que pasa se a revisión nunca aproba o borrador?
O bucle detense no seu teito de 10 iteracións e devolve o mellor borrador ao que chegou, en lugar de dar voltas indefinidamente. Como a traza é visible, tamén podes ler as obxeccións que nunca se resolveron — o que adoita significar que a pregunta era o bastante ambigua como para que cada reescritura cambiase un defecto por outro, e é un sinal para reformulala.
Pode Shannon 3 ler imaxes e documentos?
Si. Ambos os niveis aceptan anexos de imaxe e documento e lenos como parte da quenda, así que unha captura de pantalla, un diagrama, unha páxina escaneada ou un PDF poden ser o obxecto da pregunta en lugar de algo que teñas que transcribir antes. A xeración e edición de imaxes tamén están dispoñibles no chat, pero como unha ferramenta que o modelo pode chamar, non como o seu propósito.
Podo ver o razoamento do modelo?
Si. A traza móstrase mentres se executa a quenda, escrita na túa propia lingua en lugar de traducida do inglés ao final. En Pro ves cada ciclo de revisión, o que fai visible cando o modelo detecta o seu propio erro — e igualmente visible cando non o fai.
Cal era a xanela de contexto de Shannon 3 no lanzamento?
Shannon 3.0 lanzouse cunha xanela de contexto de 32,768 tokens, compartida entre o teu prompt, os anexos, a traza de razoamento e a resposta. Shannon 3.1 eleva esa cifra; consulta o artigo de Shannon 3.1 para o número actual.
Proba o bucle ti mesmo
Fai a mesma pregunta dúas veces — unha en Lite, outra en Pro — e mira o que cambia a revisión.
Comezar a conversar Ler a documentación da APIshannon-3 · shannon-3-pro · streaming nos tres dialectos da API
Shannon 3 está operado por Shannon Lab LLC, Novo México, EUA. As cifras aquí describen a configuración do lanzamento de 3.0; consulta a tarxeta de modelo de Shannon 3.1 para os límites actuais e o índice de investigación para o resto da familia. Non publicamos puntuacións de benchmark para Shannon 3 nin facemos afirmacións comparativas de rendemento.