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) 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
}
} 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…"
}
}
]
} {
"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…"
}
}
]
} - Data URL-ն ունի
data:<media type>;base64,<data>ձևը։;base64մասը պարտադիր է։ /v1/chat/completions-ում և/v1/responses-ումimage_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 որպեսimage/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 |
|---|---|
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."}
]
}
]
} {
"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."}
]
}
]
} - 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
200է։ - 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