Fara í efni
Myndir og skrár

Myndir og skrár

Sendu myndir með skilaboðum: hvaða líkön taka við þeim, samþykkt form og mörk þeirra.

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

Mynd ferðast inni í notandaskilaboðum, sem einn hluti content þeirra. Dæmið les staðbundna skrá og sendir hana sem 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
  }
}

Hvaða líkön taka við myndum

Líkön Les
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Myndir og skjöl: PDF, Word, PowerPoint, Excel og hreinar textaskrár.
shannon-1.6-lite, shannon-1.6-pro Myndir.
shannon-2-lite, shannon-2-pro Myndir, í beiðnum sem senda einnig tools eða response_format.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Myndir.
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 Texti. Beiðni með mynd er svarað með stöðunni 400.
shannon-coder-1 Texti.

GET /v1/models sýnir myndainntak fyrir hvert auðkenni sem capabilities.vision. Líkön og verð

  • Shannon-líkönin lesa skrár síðustu notandaskilaboða. Settu myndina í skilaboðin sem spyrja um hana.
  • Shannon 3 fjölskyldan heldur einnig nokkrum myndum og skjölum úr fyrri notandaskilaboðum í sjónmáli þegar þau voru send innfelld, og les fast hámark mynda á beiðni, talið frá þeirri fyrstu.
  • Hýst líkön með opnum þyngdum lesa myndir í öllum skilaboðum samtalsins.

Samþykkt form

Skrá er send á einn af tveimur vegum: inni í beiðninni sem base64, eða sem vistfang sem API sækir. Hver skrá ferðast með beiðninni; API hefur engan upphleðsluendapunkt.

Endapunktur Í beiðninni (base64) Með vistfangi
/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://…"}}

Sömu notandaskilaboð á hverju sniði:

{
  "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 hefur formið data:<media type>;base64,<data>. ;base64 hlutinn er skylda.
  • Á /v1/chat/completions og /v1/responses getur image_url verið strengurinn sjálfur eða hlutur {"url": "…"}.
  • Skráargerðin kemur úr data URL eða úr media_type. Án hennar er mynd lesin sem image/png.
  • Innfelldar skrár telja með í stærð beiðnameginmálsins, sem getur verið allt að 32 MiB.
  • Samþykkt vegna samhæfni: image_url.detail.

Mörk fyrir fjarskrár

Þegar þú sendir vistfang sækir API skrána áður en líkanið keyrir, innan þessara marka:

Mörk Regla
Stærð Allt að 8 MiB á skrá.
Tími 20 sekúndur til að svara.
Tilvísanir Í mesta lagi 5.
Vistfang http:// eða https://, án notandanafns eða lykilorðs í vistfanginu, á hýsli með opinbert vistfang.
Svar hýslisins Staða á 200-bilinu og meginmál sem er ekki tómt. Skráargerðin er lesin úr Content-Type.
Beðið um sem User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Hvernig myndir teljast í táknum

Á hýstum líkönum með opnum þyngdum telst mynd eitt tákn fyrir hvern 28 × 28 pixla reit: breiddin deilt með 28, rúnnað upp, sinnum hæðin deilt með 28, rúnnað upp. Niðurstaðan er hluti af usage.prompt_tokens og er gjaldfærð sem inntak.

1024 × 1024
1,369 tákn
1920 × 1080
2,691 tákn
512 × 512
361 tákn
  • Fjarmynd er sótt fyrst, svo raunveruleg stærð hennar er talin.
  • Mynd sem ekki er hægt að lesa stærðina á telst 1,024 tákn.
  • Talningarendapunktarnir nota sömu reglu fyrir data URL. Þeir sækja ekki fjarvistfang og telja það sem 1,024 tákn. Tókatalning
  • Fyrir Shannon-líkan skaltu lesa hvað beiðni með myndum kostaði úr usage í svarinu.

Skjöl og aðrar skrár

Shannon 3 fjölskyldan (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) les einnig skjöl. Texti skjalsins er dreginn út og gefinn líkaninu með skilaboðunum þínum.

Skjal Miðlagerð
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Skjal er hluti af notandaskilaboðunum, eins og mynd:

Endapunktur Í beiðninni (base64) Með vistfangi
/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."}
      ]
    }
  ]
}
  • Gefðu upp raunverulega miðlagerð skrárinnar. Án hennar er skjal lesið sem application/pdf.
  • Hrein textaskrá, svo sem CSV, er lesin sem texti og fest við á sama hátt.
  • Þegar ekki er hægt að lesa skjal, eða skráin er af annarri gerð, er líkaninu sagt það og það getur sagt frá því í svari sínu. Staðan er samt 200.
  • Á öllum öðrum líkönum er skjalahluti undanskilinn því sem líkanið les, og beiðninni er svarað út frá afganginum.
  • Skjal sem sent er með vistfangi er sótt innan marka fyrir fjarskrár hér að ofan.

Villur

Staða Gerð Skilaboð Hvenær
400 invalid_request_error <id> does not accept image input Mynd var send til hýsts líkans með opnum þyngdum sem tekur aðeins við texta. Ekkert er dregið af stöðunni þinni.
400 invalid_request_error audio and video input are not supported by any hosted model Hljóð- eða myndskeiðshluti var sendur til hýsts líkans með opnum þyngdum.
413 invalid_request_error Failed to buffer the request body: … Beiðnameginmálið, með innfelldum skrám sínum, er stærra en 32 MiB. Villan ber code: "request_too_large".

Shannon-líkan svarar með stöðunni 200 hvaða skrár sem beiðnin ber: hluti sem það les ekki er undanskilinn. Villumeðhöndlun