Shannon 3, il modello IA senza censura che rivede la propria risposta
Un ciclo di ragionamento iterativo sul nostro cluster GPU: pensa, redige, rivede, riscrive. Lite fa un passaggio. Pro ne fa fino a dieci e chiede i fatti che sa di non avere.
In sintesi
Shannon 3 è una famiglia di modelli IA senza censura serviti dal nostro cluster GPU. La sua caratteristica distintiva è la forma di un turno: il modello pensa, scrive una bozza, poi rilegge la propria bozza a fronte del proprio ragionamento e riscrive ciò che non regge. Lite (shannon-3) esegue un solo passaggio di pensiero e stesura per la latenza più bassa. Pro (shannon-3-pro) esegue il ciclo completo per fino a 10 iterazioni, fermandosi nel momento in cui una revisione approva la bozza, e in più esegue una raccolta della conoscenza verso un modello più grande per colmare i fatti che ha notato mancare. L'intera traccia di ragionamento è visibile, nella tua lingua. L'input di immagini e documenti è supportato su entrambi i livelli. Il contesto al lancio della 3.0 era di 32.768 token.
Quasi tutti i modelli di chat che hai usato rispondono in un singolo passaggio in avanti. Scelgono il primo token prima di conoscere l'ultimo, e una volta emessa una frase è vincolante: il modello può contraddirla più avanti, ma non può tornare indietro a correggerla. Funziona bene quando la risposta è breve e la domanda ha una sola parte. Funziona male quando la risposta è lunga, la domanda ha quattro parti e il sesto paragrafo invalida silenziosamente il secondo. Shannon 3 esiste perché non pensavamo che la soluzione fosse un modello più grande. La soluzione è lasciare che il modello legga ciò che ha appena scritto.
01Che cos'è Shannon 3
Shannon 3 è una famiglia di modelli a due livelli. Entrambi i livelli girano sul nostro cluster GPU e non su un'API di inferenza di terze parti, ed entrambi sono senza censura: non c'è alcuno strato di rifiuto davanti a loro né alcun filtro sui contenuti dietro. Ciò che differisce tra i livelli è quanto lavoro a un singolo turno è permesso fare prima che la risposta ti raggiunga.
Nell'API i due livelli sono normali id di modello. Non c'è un endpoint speciale, né un SDK separato, né un formato di richiesta su misura:
| Livello | Id del modello | Forma del turno | Ideale per |
|---|---|---|---|
| Shannon 3 Lite | shannon-3 | Un passaggio di pensiero + stesura | Chat, stesura, ricerche, grandi volumi |
| Shannon 3 Pro | shannon-3-pro | Ciclo completo, fino a 10 passaggi, più raccolta della conoscenza | Analisi, testi lunghi, lavoro sensibile alla correttezza |
02Perché un singolo passaggio in avanti è la forma sbagliata per le domande difficili
Un modello che genera testo da sinistra a destra compie una sequenza irrevocabile di decisioni locali. Non ha una gomma. Quando è a 400 token dentro una spiegazione e si accorge che l'inquadratura scelta era sbagliata, le sue uniche opzioni sono continuare nell'inquadratura sbagliata o aggiungere una correzione — producendo le risposte che tutti riconoscono, quelle che a metà dicono in realtà, rivedendo quanto sopra e lasciano a te il compito di conciliare due metà incompatibili.
La catena di pensiero migliora la situazione ma non la risolve. Pensare prima dà al modello un piano prima che si vincoli alla prosa, ed è un guadagno reale; la bozza che segue è comunque scritta in un solo passaggio e consegnata senza essere riletta. Nulla pone mai la domanda che un revisore umano pone per prima: questa risposta fa davvero ciò che il ragionamento diceva che avrebbe fatto? Le modalità di fallimento che sopravvivono alla catena di pensiero sono specifiche e riconoscibili:
- Sotto-domande lasciate cadere. Hai chiesto quattro cose. Il ragionamento ne elencava quattro. La risposta ne copre tre.
- Deriva dal piano. Il ragionamento sceglie un approccio; la prosa ne adotta gradualmente un altro, e non c'è una singola frase in cui sia andata storta.
- Calcoli e unità di misura. Un numero calcolato correttamente nel ragionamento viene trascritto male nella risposta, oppure una cifra mensile viene presentata come annuale.
- Vincoli ignorati. Hai detto niente dipendenze esterne; il codice ne importa una, e dopo averlo riconosciuto il ragionamento non menziona mai più il vincolo.
- Lacune sicure di sé. Il modello dice nel ragionamento di non essere sicuro di un fatto specifico, e poi lo afferma comunque senza riserve nella risposta.
Ognuno di questi casi viene colto rileggendo la bozza. Nessuno viene colto generando la bozza con più attenzione.
03Il ciclo di ragionamento, fase per fase
Un turno di Shannon 3 Pro è un ciclo con quattro fasi e una condizione di uscita.
Pensa
Il modello lavora sul problema prima di scrivere qualsiasi cosa per te: scompone la domanda, annota i vincoli, individua ciò che sa e ciò che non sa, sceglie un approccio. Quello che produce qui diventa lo standard con cui la risposta verrà poi misurata.
Redigi
Il modello scrive una risposta completa e reale — non una scaletta. Deve essere completa, perché la fase successiva valuta un artefatto finito, e un abbozzo non può essere revisionato per modalità di fallimento che compaiono solo a lunghezza piena.
Rivedi
È la fase che rende questa famiglia ciò che è. Il modello legge la bozza a fronte del ragionamento — una verifica molto più netta che leggere la bozza da sola. Chiedere a un modello "questa risposta è buona?" lo invita a dire di sì; chiedere "il piano diceva di coprire X, Y e Z sotto il vincolo C — questo testo lo fa?" gli dà qualcosa di falsificabile da controllare. La revisione nomina ciò che è sbagliato invece di assegnare un voto.
Riscrivi
I problemi nominati vengono corretti in una nuova bozza. È una riscrittura, non una toppa: una correzione che richiede di riordinare l'argomentazione può riordinare l'argomentazione. La nuova bozza torna alla revisione.
Fermati
Il ciclo termina la prima volta che una revisione approva la bozza — l'uscita normale, e nella maggior parte dei turni avviene ben prima del tetto. Il limite rigido di 10 iterazioni esiste per i casi patologici, come una domanda genuinamente ambigua in cui ogni riscrittura scambia un difetto con un altro, così che un turno non possa girare all'infinito.
Lite prende le stesse prime due fasi e si ferma. Pensa, redige, ti consegna la bozza. È una decisione di prodotto deliberata, non un accidente di una versione ridotta: in una larga parte dei messaggi reali la prima bozza è la risposta giusta, e pagare la latenza di una revisione per farselo dire è un cattivo affare. Lite è per quando vuoi che il modello sia rapido; Pro è per quando vuoi che sia sicuro.
04La raccolta della conoscenza di Pro: chiedere aiuto invece di tirare a indovinare
L'autorevisione coglie contraddizioni, omissioni e violazioni di vincoli, perché le prove necessarie per coglierle sono già nel turno. Non può cogliere un fatto che il modello semplicemente non possiede. Un modello che rivede la propria bozza può concludere non sono sicuro di questa cifra e poi non avere dove andare con quella conclusione.
Pro gli dà un posto dove andare. Attorno alla fase di stesura esegue una raccolta della conoscenza: individua i fatti specifici che gli mancano o di cui non è sicuro, interroga su esattamente quelli un secondo modello più grande e integra ciò che torna nella risposta migliorata. È una ricerca mirata guidata da una lacuna che il modello stesso ha nominato, non un secondo parere generico.
Nella pratica contano due proprietà. È circoscritta: la raccolta chiede delle lacune individuate invece di riproporre l'intera domanda, così il modello più grande viene consultato dove aggiunge informazione e non dove aggiungerebbe soltanto una voce diversa. Ed è integrata: i fatti raccolti tornano nel ciclo e affrontano la stessa revisione di tutto il resto, invece di arrivare come un paragrafo appiccicato.
Cosa cambia questo riguardo all'incertezza
L'effetto più utile della raccolta non è che Pro sappia di più. È che l'incertezza di Pro diventa azionabile. Un modello che sa soltanto di non essere sicuro deve scegliere tra mettere le mani avanti ovunque e affermare con sicurezza. Uno che può trasformare "non ne sono sicuro" in "vado a scoprirlo" mette le mani avanti in meno punti ed è specifico in molti di più.
05Il ragionamento è visibile, ed è nella tua lingua
L'intera traccia ti viene mostrata mentre il turno procede: il ragionamento e, su Pro, ogni revisione con le sue obiezioni. Non è una vista di debug che tolleriamo di esporre — è buona parte di ciò che stai acquistando, e cambia il rapporto di lavoro in tre modi concreti.
- Puoi fermarti presto. Se il ragionamento fraintende la tua domanda — esito comune di un prompt ambiguo, non di un modello scadente — lo scopri nei primi secondi, non dopo che è arrivata un'intera risposta che risolve il problema sbagliato.
- Puoi verificare il ragionamento separatamente dalla risposta. Una risposta corretta raggiunta con un ragionamento sbagliato è un rischio, perché non sopravviverà alla domanda successiva.
- Puoi vedere il ciclo fallire. Quando Pro brucia diverse iterazioni senza convergere, la cosa viene mostrata invece che nascosta — ed è informazione reale, di solito significa che la domanda è sottospecificata.
La traccia è scritta nella tua lingua, non generata in inglese e tradotta alla fine. Se lavori in giapponese, arabo, turco o portoghese, il modello ragiona in quella lingua — il che mantiene la terminologia della traccia coerente con quella della risposta ed evita le cuciture che compaiono quando un modello pensa in una lingua e parla in un'altra.
06Senza censura: nessuno strato di rifiuto, nessun filtro sull'output
Shannon 3 non ha alcuno strato di rifiuto né filtri sui contenuti in uscita. Il comportamento di rifiuto non è presente nel prodotto a nessun livello: non come involucro che ispeziona il tuo messaggio prima che il modello lo veda, non come classificatore che ispeziona la risposta prima che tu la veda, e non come riflesso da cui il modello va dissuaso. È materialmente diverso dalle due cose che di solito si intendono dicendo "senza censura":
| Approccio | Cosa fa | Come fallisce |
|---|---|---|
| Jailbreak via prompt di sistema | Istruisce un modello allineato a comportarsi come se non lo fosse | Decade in una lunga conversazione; il rifiuto ritorna sotto pressione |
| Rimozione del filtro sull'output | Smette di bloccare testo che il modello ha già prodotto | Il modello scrive comunque testo prudente ed evasivo — nulla è stato bloccato, semplicemente non è mai stato scritto |
| Shannon 3 | Nessuno strato di rifiuto da rimuovere e nessun filtro da disattivare — quel comportamento semplicemente non c'è | Mette il giudizio interamente in mano a te; il modello non declinerà al posto tuo |
Nella pratica Shannon 3 affronta la domanda che hai posto invece di quella più sicura lì accanto: narrativa con antagonisti veri, argomenti di sicurezza discussi tecnicamente e non all'altezza di un comunicato stampa, informazioni mediche, legali e finanziarie date in modo diretto con gli avvertimenti effettivamente giustificati — e senza una predica finale sul perché tu abbia chiesto. Non annacqua nemmeno il ciclo: una revisione è libera di dire che la bozza è sbagliata, che è un tipo di obiezione diverso e più utile di un rifiuto.
Ciò che l'assenza di uno strato di rifiuto non fa è rendere corretto il modello. Un modello senza censura è esattamente altrettanto capace di sbagliare con sicurezza quanto uno censurato, e in modo più visibile, dato che non si rifugia nella vaghezza quando è incerto. È uno degli argomenti migliori a favore del ciclo: senza un riflesso di rifiuto di mezzo, l'autorevisione svolge il lavoro di sicurezza che conta per un utente professionale — cogliere gli errori. Il tuo uso del modello resta regolato dalla nostra Politica di Uso Responsabile e dalla legge del luogo in cui ti trovi.
Non pubblichiamo punteggi di benchmark per Shannon 3 e non facciamo confronti diretti con altri modelli. Il beneficio del ciclo è strutturale — coglie classi di errore che un singolo passaggio non può cogliere — e preferiamo descrivere quel meccanismo con precisione piuttosto che attaccarci un numero che non abbiamo verificato in modo indipendente. Tutto quanto sopra descrive cosa fa un turno; il modo più rapido di verificarlo è eseguirne uno e leggere la traccia.
07Visione, documenti e generazione di immagini
Entrambi i livelli accettano immagini e documenti come allegati e li leggono come parte del turno. Lo screenshot di una build fallita, la foto di una lavagna, uno schema, la pagina scansionata di un contratto o un PDF possono essere l'oggetto della domanda invece di qualcosa che devi trascrivere prima. Su Pro gli allegati partecipano al ciclo come tutto il resto: se una revisione decide che la bozza ha risposto a una domanda che l'immagine non sostiene, quella parte viene riscritta.
La generazione e la modifica di immagini sono disponibili in chat come strumento, non come scopo del modello. Shannon 3 è un modello di ragionamento che può produrre o modificare un'immagine quando la conversazione lo richiede, non un modello di immagini con un'interfaccia di chat attaccata. La distinzione imposta le aspettative correttamente: giudica la famiglia da come pensa e tratta le immagini come una comodità che ti risparmia un cambio di contesto.
08Finestra di contesto, e dove è andata poi la linea 3.x
Shannon 3.0 è stato lanciato con una finestra di contesto da 32.768 token. È la cifra storica onesta, e vale la pena dirla chiaramente, perché un ciclo consuma contesto in modo diverso da un modello a passaggio singolo: il tuo prompt, i tuoi allegati, il ragionamento e ogni ciclo di stesura e revisione vivono nello stesso budget.
32K sono comodi per la maggior parte del lavoro di chat e analisi — un documento lungo, un file di codice consistente, una domanda dettagliata a più parti con spazio perché il ciclo giri. Sono stretti per input davvero grandi, ed è esattamente il vincolo che la release successiva ha affrontato. Shannon 3.1 alza sensibilmente la finestra di contesto e cambia ciò su cui il ciclo può essere puntato; se stai valutando la famiglia oggi, leggi quell'articolo per secondo e considera il numero qui come storia.
09Chiamare Shannon 3 dall'API
Shannon 3 è disponibile attraverso tutti e tre i nostri dialetti API, sugli stessi modelli, con streaming su ciascuno:
| Dialetto | Endpoint | Usalo quando |
|---|---|---|
| Compatibile OpenAI | /v1/chat/completions | Hai già codice client OpenAI — cambia l'URL di base e l'id del modello |
| Compatibile Anthropic | /v1/messages | Il tuo stack è costruito attorno al formato Messages |
| Responses | /v1/responses | Vuoi il formato di richiesta/risposta più recente |
Passa shannon-3 o shannon-3-pro come id del modello. Due cose vale la pena prevederle lato client. I turni di Pro durano di più, e di una quantità variabile, perché il numero di iterazioni dipende dalla domanda — imposta i timeout sul tetto invece che sulla media, e preferisci lo streaming così che l'utente veda l'avanzamento invece di una rotellina. E la traccia di ragionamento è contenuto che puoi scegliere di mostrare; quando gli utenti stanno aspettando, mostrarla di solito è meglio che nasconderla, perché converte tempo morto in qualcosa di leggibile. Gli schemi di richiesta e risposta, i dettagli sullo streaming e un playground dal vivo sono nella documentazione API.
10Scegliere un livello
Il ciclo di Pro si ripaga la latenza in proporzione a quanto c'è da sbagliare.
| Il tuo compito | Livello | Perché |
|---|---|---|
| Domanda fattuale rapida, risposta breve | shannon-3 | La prima bozza è la risposta; la revisione non ha nulla da cogliere |
| Automazione ad alto volume o vincolata dalla latenza | shannon-3 | Il vincolo stringente è un tempo di turno prevedibile |
| Analisi a più parti con vincoli | shannon-3-pro | Sotto-domande lasciate cadere e violazioni di vincoli sono esattamente ciò che la revisione coglie |
| Testi lunghi che devono stare in piedi | shannon-3-pro | La contraddizione interna è una proprietà della lunghezza piena, invisibile mentre si redige |
| Qualsiasi cosa con numeri su cui agirai | shannon-3-pro | La revisione ricontrolla calcoli e unità di misura a fronte del ragionamento |
| Domande che toccano fatti al limite del modello | shannon-3-pro | La raccolta della conoscenza trasforma una lacuna nominata in una ricerca |
Uno schema pratico: usa Lite mentre stai ancora capendo cosa chiedere, poi rilancia una volta su Pro la domanda ormai definita. Il ciclo vale la spesa sulla versione della domanda che intendevi davvero.
11Limiti da conoscere prima di impegnarti
Una scheda tecnica che elenca solo i punti di forza è una pubblicità. Ecco dove Shannon 3 ti deluderà:
- Pro è più lento, e in modo imprevedibile. Un turno che converge in due iterazioni e uno che arriva a dieci differiscono di diverse volte in tempo reale. Se ti serve una latenza limitata, usa Lite.
- La revisione non è una dimostrazione. Un modello che controlla il proprio lavoro condivide i propri punti ciechi. Il ciclo coglie in modo affidabile l'incoerenza tra ragionamento e bozza; non coglie in modo affidabile un errore sostenuto con sicurezza nel ragionamento stesso.
- Il contesto è condiviso con il ciclo. A 32K, un input molto lungo più diverse bozze a lunghezza piena sono un vincolo reale sulla 3.0. Vedi Shannon 3.1 per il tetto alzato.
- La raccolta colma solo le lacune che il modello nota. Trasforma "non ne sono sicuro" in una ricerca, il che è un guadagno reale — ma un fatto su cui il modello sbaglia con sicurezza non viene mai segnalato come mancante, quindi non viene mai raccolto.
- Senza censura significa senza censura. Il modello non rifiuterà e non addolcirà. Se il tuo prodotto ha bisogno di un confine di rifiuto, costruiscilo dove puoi vederlo invece di sperare che lo fornisca il modello.
12Domande frequenti
Che cos'è Shannon 3?
Shannon 3 è una famiglia di modelli senza censura eseguiti sul nostro cluster GPU. Ciò che la distingue è la forma di un turno: invece di un solo passaggio in avanti, il modello pensa, redige una risposta, poi rivede quella bozza a fronte del proprio ragionamento e la riscrive. È disponibile in due livelli, shannon-3 (Lite) e shannon-3-pro (Pro).
Qual è la differenza tra Shannon 3 Lite e Shannon 3 Pro?
Lite esegue un solo passaggio di pensiero e stesura, mantenendo la latenza vicina a quella di un modello ordinario. Pro esegue il ciclo completo, rivedendo e riscrivendo ogni bozza per un massimo di 10 iterazioni e fermandosi in anticipo nel momento in cui una revisione la approva. Pro esegue inoltre una raccolta della conoscenza, interrogando un secondo modello più grande sui fatti che ha individuato come mancanti.
Shannon 3 è davvero senza censura?
Sì. Shannon 3 non ha alcuno strato di rifiuto né filtri sui contenuti in uscita. Il comportamento di rifiuto non è presente nel modello stesso, quindi non c'è nulla che ritorni silenziosamente a metà di una lunga conversazione come accade con una persona simulata via prompt. L'uso del modello resta comunque regolato dalla nostra Politica di Uso Responsabile e dalla legge del luogo in cui ti trovi.
Il ciclo di revisione migliora davvero le risposte?
Aiuta soprattutto dove un singolo passaggio è strutturalmente debole: risposte lunghe la cui conclusione contraddice l'inizio, domande a più parti in cui una parte viene silenziosamente lasciata cadere, errori di calcolo e di unità di misura, e codice che ignora un vincolo dichiarato. Aiuta meno sulle ricerche brevi, dove la prima bozza è già la risposta. È per questo che esiste Lite.
Cosa succede se la revisione non approva mai la bozza?
Il ciclo si ferma al suo tetto di 10 iterazioni e restituisce la migliore bozza raggiunta, invece di girare all'infinito. Poiché la traccia è visibile, puoi anche leggere le obiezioni che non sono mai state risolte — il che di solito significa che la domanda era abbastanza ambigua da far sì che ogni riscrittura scambiasse un difetto con un altro, ed è un segnale per riformularla.
Shannon 3 può leggere immagini e documenti?
Sì. Entrambi i livelli accettano allegati di immagini e documenti e li leggono come parte del turno, quindi uno screenshot, un diagramma, una pagina scansionata o un PDF possono essere l'oggetto della domanda invece di qualcosa che devi trascrivere prima. Anche la generazione e la modifica di immagini sono disponibili in chat, ma come strumento che il modello può richiamare, non come suo scopo.
Posso vedere il ragionamento del modello?
Sì. La traccia viene mostrata mentre il turno procede, scritta nella tua lingua invece di essere tradotta dall'inglese alla fine. Su Pro segui ogni ciclo di revisione, il che rende visibile quando il modello coglie il proprio errore — e altrettanto visibile quando non lo coglie.
Qual era la finestra di contesto di Shannon 3 al lancio?
Shannon 3.0 è stato lanciato con una finestra di contesto da 32.768 token, condivisa tra il tuo prompt, gli eventuali allegati, la traccia di ragionamento e la risposta. Shannon 3.1 alza quella cifra; vedi l'articolo su Shannon 3.1 per il numero attuale.
Prova tu stesso il ciclo
Fai la stessa domanda due volte — una su Lite, una su Pro — e guarda cosa cambia la revisione.
Inizia a Chattare Leggi la documentazione APIshannon-3 · shannon-3-pro · streaming su tutti e tre i dialetti API
Shannon 3 è gestito da Shannon Lab LLC, New Mexico, USA. Le cifre qui riportate descrivono la configurazione di lancio della 3.0; vedi la scheda tecnica di Shannon 3.1 per i limiti attuali e l'indice research per il resto della famiglia. Non pubblichiamo punteggi di benchmark per Shannon 3 e non facciamo dichiarazioni comparative sulle prestazioni.