Անցնել բովանդակությանը
Պատկերներ և ֆայլեր

Պատկերներ և ֆայլեր

Պատկերներ ուղարկեք հաղորդագրության հետ. որ մոդելներն են ընդունում դրանք, ընդունվող ձևերը և դրանց սահմանաչափերը։

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

Պատկերը ճանապարհորդում է օգտատիրոջ հաղորդագրության ներսում՝ որպես նրա content-ի մեկ մաս։ Օրինակը կարդում է տեղական ֆայլ և ուղարկում այն որպես 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
  }
}

Որ մոդելներն են ընդունում պատկերներ

Մոդելներ Կարդում է
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Պատկերներ և փաստաթղթեր՝ PDF, Word, PowerPoint, Excel և պարզ տեքստային ֆայլեր։
shannon-1.6-lite, shannon-1.6-pro Պատկերներ։
shannon-2-lite, shannon-2-pro Պատկերներ՝ այն հարցումներում, որոնք ուղարկում են նաև tools կամ response_format։
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Պատկերներ։
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 Տեքստ։ Պատկեր պարունակող հարցմանը պատասխանվում է 400 կարգավիճակով։
shannon-coder-1 Տեքստ։

GET /v1/models-ը պատկերի մուտքը յուրաքանչյուր id-ի համար ցույց է տալիս որպես capabilities.vision։ Մոդելներ և գներ

  • Shannon մոդելները կարդում են վերջին օգտատիրոջ հաղորդագրության ֆայլերը։ Պատկերը դրեք այն հաղորդագրության մեջ, որը նրա մասին է հարցնում։
  • Shannon 3 ընտանիքը նաև պահում է տեսադաշտում նախորդ օգտատիրոջ հաղորդագրությունների մի քանի պատկեր և փաստաթուղթ, երբ դրանք ուղարկվել են ներկառուցված, և կարդում է պատկերների որոշակի առավելագույն քանակ մեկ հարցումում՝ հաշված առաջինից։
  • Hosted open-weight մոդելները կարդում են զրույցի յուրաքանչյուր հաղորդագրության պատկերները։

Ընդունվող ձևեր

Ֆայլն ուղարկվում է երկու եղանակից մեկով՝ հարցման ներսում որպես base64, կամ որպես հասցե, որը API-ն բեռնում է։ Յուրաքանչյուր ֆայլ ճանապարհորդում է հարցման հետ. API-ն վերբեռնման endpoint չունի։

Endpoint Հարցման մեջ (base64) Հասցեով
/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://…"}}

Օգտատիրոջ նույն հաղորդագրությունը յուրաքանչյուր ձևաչափում.

{
  "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-ն ունի data:<media type>;base64,<data> ձևը։ ;base64 մասը պարտադիր է։
  • /v1/chat/completions-ում և /v1/responses-ում image_url-ը կարող է լինել հենց տողը կամ {"url": "…"} օբյեկտը։
  • Ֆայլի տեսակը վերցվում է data URL-ից կամ media_type-ից։ Առանց դրա պատկերը կարդացվում է որպես image/png։
  • Ներկառուցված ֆայլերը հաշվվում են հարցման մարմնի չափի մեջ, որը կարող է լինել մինչև 32 MiB։
  • Ընդունվում է համատեղելիության համար՝ image_url.detail։

Հեռավոր ֆայլերի սահմանաչափեր

Երբ հասցե եք ուղարկում, API-ն ֆայլը բեռնում է մինչև մոդելի աշխատելը՝ այս սահմաններում.

Սահմանաչափ Կանոն
Չափ Մինչև 8 MiB յուրաքանչյուր ֆայլի համար։
Ժամանակ 20 վայրկյան պատասխանելու համար։
Վերահասցեավորումներ Առավելագույնը 5։
Հասցե http:// կամ https://, առանց օգտանվան կամ գաղտնաբառի հասցեում, հանրային հասցե ունեցող հոսթի վրա։
Հոսթի պատասխանը 200 շարքի կարգավիճակ և ոչ դատարկ մարմին։ Ֆայլի տեսակը կարդացվում է Content-Type-ից։
Հարցվում է որպես User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Ինչպես են պատկերները հաշվվում թոքեններով

Hosted open-weight մոդելների վրա պատկերը հաշվվում է մեկ թոքեն յուրաքանչյուր 28 × 28 պիքսելանոց հատվածի համար՝ լայնությունը բաժանած 28-ի և կլորացրած վերև, բազմապատկած բարձրությունը բաժանած 28-ի և կլորացրած վերև։ Արդյունքը usage.prompt_tokens-ի մաս է և հաշվարկվում է որպես մուտք։

1024 × 1024
1,369 թոքեն
1920 × 1080
2,691 թոքեն
512 × 512
361 թոքեն
  • Հեռավոր պատկերը նախ բեռնվում է, ուստի հաշվվում է նրա իրական չափը։
  • Պատկերը, որի չափը հնարավոր չէ կարդալ, հաշվվում է 1,024 թոքեն։
  • Հաշվարկի endpoint-ները data URL-ների համար օգտագործում են նույն կանոնը։ Դրանք հեռավոր հասցեն չեն բեռնում և այն հաշվում են որպես 1,024 թոքեն։ Թոքենների հաշվարկ
  • Shannon մոդելի համար պատկերներով հարցման արժեքը կարդացեք պատասխանի usage-ից։

Փաստաթղթեր և այլ ֆայլեր

Shannon 3 ընտանիքը (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) կարդում է նաև փաստաթղթեր։ Փաստաթղթի տեքստը հանվում է և տրվում մոդելին ձեր հաղորդագրության հետ։

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

Փաստաթուղթը օգտատիրոջ հաղորդագրության մաս է, ինչպես պատկերը.

Endpoint Հարցման մեջ (base64) Հասցեով
/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."}
      ]
    }
  ]
}
  • Տվեք ֆայլի իրական media type-ը։ Առանց դրա փաստաթուղթը կարդացվում է որպես application/pdf։
  • Պարզ տեքստային ֆայլը, օրինակ՝ CSV, կարդացվում է որպես տեքստ և կցվում նույն ձևով։
  • Երբ փաստաթուղթը հնարավոր չէ կարդալ, կամ ֆայլն այլ տեսակի է, մոդելին այդ մասին հայտնվում է, և այն կարող է դա նշել իր պատասխանում։ Կարգավիճակը դարձյալ 200 է։
  • Մյուս բոլոր մոդելների վրա փաստաթղթի մասը դուրս է թողնվում մոդելի կարդացածից, և հարցմանը պատասխանվում է մնացածով։
  • Հասցեով ուղարկված փաստաթուղթը բեռնվում է վերևում նշված հեռավոր ֆայլերի սահմանաչափերով։

Սխալներ

Կարգավիճակ Տեսակ Հաղորդագրություն Երբ
400 invalid_request_error <id> does not accept image input Պատկեր է ուղարկվել hosted open-weight մոդելին, որն ընդունում է միայն տեքստ։ Ձեր մնացորդից ոչինչ չի հանվում։
400 invalid_request_error audio and video input are not supported by any hosted model Աուդիո կամ վիդեո մաս է ուղարկվել hosted open-weight մոդելին։
413 invalid_request_error Failed to buffer the request body: … Հարցման մարմինը՝ ներկառուցված ֆայլերով, մեծ է 32 MiB-ից։ Սխալը կրում է code: "request_too_large"։

Shannon մոդելը պատասխանում է 200 կարգավիճակով՝ անկախ հարցման կրած ֆայլերից. այն, ինչ չի կարդում, դուրս է թողնվում։ Սխալների մշակում