Razina napora rezoniranja
NovoModel koji razmišlja vraća tekst svog razmišljanja uz odgovor, u zasebnom polju. Na hostiranim open-weight modelima jedno polje zahtjeva određuje koliko duboko model razmišlja prije nego odgovori.
POST https://api.shannon-ai.com/v1/chat/completions
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
response = client.chat.completions.create(
model="Kimi-K3-3BIT-REAP",
reasoning_effort="low",
messages=[{"role": "user", "content": "Is 221 a prime number?"}],
)
message = response.choices[0].message
print("Reasoning:", getattr(message, "reasoning_content", None))
print("Answer:", message.content)
print("Reasoning tokens:", response.usage.completion_tokens_details.reasoning_tokens) import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const response = await client.chat.completions.create({
model: "Kimi-K3-3BIT-REAP",
reasoning_effort: "low",
messages: [{ role: "user", content: "Is 221 a prime number?" }],
});
const message = response.choices[0].message;
console.log("Reasoning:", message.reasoning_content);
console.log("Answer:", message.content);
console.log("Reasoning tokens:", response.usage.completion_tokens_details.reasoning_tokens); curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "low",
"messages": [
{"role": "user", "content": "Is 221 a prime number?"}
]
}' Odgovor nosi tekst razmišljanja u reasoning_content, odgovor u content, a tokene razmišljanja u usage:
{
"id": "chatcmpl-2a6c8e0b4d1f4a3c9e7b5d3f1a8c6e4b",
"object": "chat.completion",
"created": 1791590400,
"model": "Kimi-K3-3BIT-REAP",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "No. 221 = 13 x 17, so it is not prime.",
"reasoning_content": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 14,
"completion_tokens": 43,
"total_tokens": 57,
"prompt_tokens_details": {"cached_tokens": 0},
"completion_tokens_details": {"reasoning_tokens": 27}
}
} Koji modeli razmišljaju
| Model | Vraća tekst razmišljanja | Primjenjuje polje effort |
|---|---|---|
shannon-1.6-lite | — | — |
shannon-1.6-pro, shannon-2-lite, shannon-2-pro, shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro, shannon-coder-1 | Da | — |
| Svaki hostirani open-weight model | Da | Da |
To su oznake capabilities.reasoning i capabilities.reasoning_effort koje GET /v1/models prijavljuje za svaki id. Odgovor nosi tekst razmišljanja samo kada ga je model proizveo. Modeli i cijene
Postavljanje effort
Svaki endpoint ima svoj zapis za effort. Svi biraju jednu od istih četiriju razina.
| Polje | Tip | Zadano | Opis | Primjenjuju |
|---|---|---|---|---|
reasoning_effort | string | high | /v1/chat/completions. Koliko duboko model razmišlja prije nego odgovori: off, low, medium ili high. | Hostirani open-weight modeli |
reasoning | object | string | /v1/chat/completions. Ista vrijednost kao {"effort": "low"} ili kao goli niz. Kada se pošalju oba polja, vrijedi reasoning_effort. | Hostirani open-weight modeli | |
reasoning.effort | string | high | /v1/responses. Zapisuje se kao objekt {"effort": "low"}. | Hostirani open-weight modeli |
thinking | object | /v1/messages. {"type": "enabled", "budget_tokens": n} ili {"type": "disabled"}. Proračun bira jednu od razina; vidi tablicu niže. | Hostirani open-weight modeli |
{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "low",
"messages": [{"role": "user", "content": "Is 221 a prime number?"}]
} {
"model": "Kimi-K3-3BIT-REAP",
"reasoning": {"effort": "low"},
"input": "Is 221 a prime number?"
} {
"model": "Kimi-K3-3BIT-REAP",
"max_tokens": 1024,
"thinking": {"type": "enabled", "budget_tokens": 2048},
"messages": [{"role": "user", "content": "Is 221 a prime number?"}]
} | Vrijednost | Prihvaća se i | Učinak |
|---|---|---|
off | none, minimal | Bez razmišljanja. Odgovor ne nosi tekst razmišljanja. |
low | Kratko razmišljanje. | |
medium | default | Srednja dubina. |
high | max | Najdublja razina. To je razina zahtjeva koji ne šalje vrijednost. |
- Vrijednosti se čitaju bez obzira na velika i mala slova.
- Vrijednost
defaultznačimedium. Izostavljanje polja značihigh. - Shannon modeli (
shannon-*) sami određuju dubinu u svakom zahtjevu;GET /v1/modelsza njih prijavljujereasoning_effort: false.
Proračun thinking na /v1/messages
Na /v1/messages polje thinking bira razinu. budget_tokens bira jednu od gornjih razina; nije vlastito ograničenje tokena. adaptive se čita kao enabled.
| Vi šaljete | Razina |
|---|---|
{"type": "disabled"} | off |
{"type": "enabled", "budget_tokens": n} s n do 2,048 | low |
n od 2,049 do 8,192 | medium |
Veći n ili enabled bez budget_tokens | high |
Bez polja thinking | high |
Gdje tekst razmišljanja stiže
Tekst razmišljanja uvijek je odvojen od odgovora. Svaki format ima svoje mjesto za njega:
| Endpoint | Bez streaminga | Sa streamingom |
|---|---|---|
/v1/chat/completions | choices[0].message.reasoning_content: niz ili null kada model nije proizveo ništa. | Chunkovi s choices[0].delta.reasoning_content, prije chunkova s delta.content. |
/v1/responses | Stavka output {"type": "reasoning", "summary": [{"type": "summary_text", "text": "…"}]} prije stavke message. Bez stavke kada nema razmišljanja. | response.output_item.added sa stavkom reasoning, zatim događaji response.reasoning_summary_text.delta i jedan response.reasoning_summary_text.done. |
/v1/messages | Prvi blok sadržaja {"type": "thinking", "thinking": "…"}, zatim blok text. Bez bloka thinking kada nema razmišljanja. | Blok sadržaja thinking: content_block_start, događaji content_block_delta s thinking_delta, content_block_stop. Slijedi blok teksta. |
{
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "No. 221 = 13 x 17, so it is not prime.",
"reasoning_content": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 14,
"completion_tokens": 43,
"total_tokens": 57,
"prompt_tokens_details": {"cached_tokens": 0},
"completion_tokens_details": {"reasoning_tokens": 27}
}
} {
"output": [
{
"id": "rs_6f0a2c4e8b1d4f3a9c7e5b3d1f8a6c4e",
"type": "reasoning",
"summary": [
{
"type": "summary_text",
"text": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
}
]
},
{
"id": "msg_1b3d5f7a9c2e4b6d8f0a2c4e6b8d0f1a",
"type": "message",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "No. 221 = 13 x 17, so it is not prime.",
"annotations": []
}
]
}
],
"usage": {
"input_tokens": 14,
"input_tokens_details": {"cached_tokens": 0},
"output_tokens": 43,
"output_tokens_details": {"reasoning_tokens": 27},
"total_tokens": 57
}
} {
"content": [
{
"type": "thinking",
"thinking": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
{"type": "text", "text": "No. 221 = 13 x 17, so it is not prime."}
],
"stop_reason": "end_turn",
"usage": {
"input_tokens": 14,
"cache_read_input_tokens": 0,
"cache_creation_input_tokens": 0,
"output_tokens": 43
}
} Gdje tražiti, po modelu:
| Modeli | Gdje tekst stiže |
|---|---|
| Hostirani open-weight modeli | Na svakom endpointu, sa streamingom ili bez njega. Zahtjev s effort off ili s response_format / text.format dobiva odgovor bez teksta razmišljanja. |
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | Na svakom endpointu, sa streamingom ili bez njega, kad god je model proizveo tekst razmišljanja. |
shannon-2-lite, shannon-2-pro | /v1/chat/completions, bez streaminga: u message.reasoning_content. Sa streamingom, u zahtjevu bez tools ili response_format: stream nosi retke komentara : thinking dok model razmišlja, zatim chunkove odgovora. /v1/messages, sa streamingom: blok thinking prije bloka teksta. |
shannon-1.6-pro, shannon-coder-1 | U streamanim odgovorima i u odgovorima na zahtjeve koji nose tools, kad god je model proizveo tekst razmišljanja. |
Na /v1/responses odgovor bez streaminga nosi stavku reasoning za obitelj Shannon 3 i hostirane open-weight modele.
Čitanje streama
U streamu tekst razmišljanja dolazi prvi, u zasebnim deltama, a odgovor slijedi. Ispišite ili spremite to dvoje odvojeno:
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
stream = client.chat.completions.create(
model="Kimi-K3-3BIT-REAP",
reasoning_effort="medium",
stream=True,
messages=[{"role": "user", "content": "Is 221 a prime number?"}],
)
for chunk in stream:
if not chunk.choices:
continue
delta = chunk.choices[0].delta
reasoning = getattr(delta, "reasoning_content", None)
if reasoning:
print(reasoning, end="", flush=True) # the reasoning text comes first
if delta.content:
print(delta.content, end="", flush=True) # then the answer import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const stream = await client.chat.completions.create({
model: "Kimi-K3-3BIT-REAP",
reasoning_effort: "medium",
stream: true,
messages: [{ role: "user", content: "Is 221 a prime number?" }],
});
for await (const chunk of stream) {
const delta = chunk.choices[0]?.delta ?? {};
if (delta.reasoning_content) process.stdout.write(delta.reasoning_content); // the reasoning text comes first
if (delta.content) process.stdout.write(delta.content); // then the answer
} curl -N https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "medium",
"stream": true,
"messages": [
{"role": "user", "content": "Is 221 a prime number?"}
]
}' Prvi chunk hostiranog open-weight modela, razmišljanje ili odgovor, nosi i delta.role: "assistant". Streaming
Tokeni razmišljanja i naplata
Na hostiranim open-weight modelima tokeni razmišljanja su izlazni tokeni: naplaćuju se po cijeni izlaza modela, a izlazni broj ih već uključuje. usage ovdje prikazuje udio razmišljanja:
| Endpoint | Polje | Napomena |
|---|---|---|
/v1/chat/completions | usage.completion_tokens_details.reasoning_tokens | Već uključeno u completion_tokens. |
/v1/responses | usage.output_tokens_details.reasoning_tokens | Već uključeno u output_tokens. |
/v1/messages | usage.output_tokens | Razmišljanje i odgovor zajedno. Ovaj format nema zasebnog brojača. |
- Na hostiranim open-weight modelima
max_tokensograničava tekst odgovora. Tokeni razmišljanja ne računaju se u to ograničenje. - Budući da se razmišljanje naplaćuje kao izlaz, razina effort je ujedno i postavka troška:
offne proizvodi tokene razmišljanja. - Shannon modeli prijavljuju
prompt_tokens,completion_tokensitotal_tokens(input_tokensioutput_tokensna/v1/messages) bez udjela razmišljanja i naplaćuju jednu fiksnu cijenu po tokenu. Modeli i cijene
Razmišljanje u sljedećem zahtjevu
Razmišljanje ne morate slati natrag. Blok thinking ili stavka reasoning u razgovoru koji šaljete ne prosljeđuje se modelu, pa se okret asistenta može vratiti sa ili bez njega. Blok thinking ima dva polja, type i thinking; nema signature.
Greške
| Status | Tip | Poruka | Kada |
|---|---|---|---|
400 | invalid_request_error | unknown reasoning effort '<value>'; expected off, low, medium or high | Hostirani open-weight model primio je vrijednost izvan popisa, na primjer xhigh. S vašeg stanja ništa se ne uzima. |
422 | invalid_request_error | Failed to deserialize the JSON body into the target type: … | reasoning_effort nije niz. |
Greške autentikacije, stanja i poslužitelja iste su kao za svaki zahtjev. Upravljanje greškama