Shannon 3.1

მოდელების გამოშვებების უმეტესობა გთხოვთ, რომ შესაძლებლობების შესახებ განცხადება რწმენაზე მიიღოთ და დაელოდოთ, სანამ ბენჩმარკების ცხრილი დავას გადაწყვეტს. ეს გამოშვება უფრო ადვილად შესამოწმებელია: გახსენით ორი ჩანართი, ჩასვით ერთი და იგივე მოთხოვნა shannon-3-ში და shannon-3.1-ში და უყურეთ. პასუხის მოსვლის სისწრაფეში განსხვავება არ არის ძლივს შესამჩნევი და არც რენდერინგის ხრიკია. Shannon 3.0 შეგნებულად იყო შენელებული. Shannon 3.1 — აღარ არის.

01რა შეიცვალა რეალურად Shannon 3.1-ში

Shannon 3.0-მა შემოიტანა ის, რაც ამ ოჯახს განსაზღვრავს: იტერაციული მსჯელობის ციკლი. მოდელი პირველივე აზრზე არ პასუხობს. ის ფიქრობს, წერს მონახაზს, ამოწმებს საკუთარ მონახაზს კითხვასთან მიმართებით და აუმჯობესებს მას. Lite ამ ციკლის ერთ გავლას ასრულებს; Pro — სრულ ციკლს, მონახაზამდე ცოდნის მოკრეფის ნაბიჯის ჩათვლით. ეს დიზაინი დეტალურადაა აღწერილი Shannon 3-ის კვლევით სტატიაში და 3.1-ში მისგან არაფერი შეცვლილა.

შეიცვალა ქვემოთ მდებარე მექანიკა. Shannon 3.0 მესამე მხარის ინფერენს-ჰოსტით მომსახურდებოდა — მოდელის გაშვების გონივრული გზა და მისი მუშაობის შემზღუდველი პირობა ერთდროულად. თქვენ იმემკვიდრეობთ სხვისი მომსახურების კონფიგურაციას, სხვის რიგს, სხვის კონტექსტის ჭერს და სხვის წარმოდგენას იმაზე, თუ წამში რამდენი ტოკენის უფლება გაქვთ. Shannon 3.1 მუშაობს ჩვენსავე GPU კლასტერზე, იმ მომსახურების სტეკზე, რომელსაც ჩვენ ვაკონფიგურირებთ — და ამ სტატიის ყველა მთავარი ციფრი სწორედ ამ ერთი გადაწყვეტილების შედეგია.

	Shannon 3.0	Shannon 3.1
სად მუშაობს	მესამე მხარის ჰოსტი	ჩვენივე GPU კლასტერი
კონტექსტის ფანჯარა	32,768	196,608
გამოსავლის სტრიმინგი	ტემპირებული / შეზღუდული	ძრავის სრული სიჩქარე
წონები	ჰოსტის ნაგულისხმევი	4-ბიტიანი NVFP4
დეკოდირება	სტანდარტული	სპეკულაციური
მსჯელობის ციკლი	ფიქრი → მონახაზი → შემოწმება → გაუმჯობესება	უცვლელი
უარის თქმის ფენა	არ არის	არ არის
მოდელების იდენტიფიკატორები	shannon-3, shannon-3-pro	shannon-3.1, shannon-3.1-pro

02რატომ იგრძნობა Shannon 3.1 10-15-ჯერ სწრაფად

სიჩქარის ციფრი ის არის, რასაც ხალხი პირველად კითხულობს, ამიტომ ღირს ზუსტად ვთქვათ, საიდან მოდის იგი. ორი დამოუკიდებელი წვლილია და უფრო დიდი მათგან ნაკლებად ეფექტურია გარეგნულად.

ჩვენ მოვხსენით სიჩქარის შემზღუდველი

Shannon 3.0-ის გამოსავალი გადიოდა ტემპის შემზღუდავ ფენას. ტოკენები ტოვებდნენ ძრავას, ჩერდებოდნენ და თქვენს კავშირზე გრაფიკით გადიოდნენ. ეს არც შემთხვევითობა იყო და არც შეცდომა. როცა საერთო ინფერენს-ჰოსტი ხდება ვიწრო ყელი, გამოსავლის ტემპირება ტვირთს ასწორებს, ხელს უშლის გრძელ გენერაციას სლოტის მონოპოლიზაციაში და აიძულებს ნაკადს, მოვიდეს პროგნოზირებადი, კითხვადი რიტმით და არა აფეთქებებით. ეს დასაცავი საინჟინრო არჩევანია — და ის ყოველ ცალკეულ პასუხზე ყველა მომხმარებელს რეალურ დროს ართმევდა.

Shannon 3.1-ს არც სიჩქარის შემზღუდველი აქვს და არც ჩვენების ტემპირება. ტოკენები თქვენს ნაკადში იწერება მაშინვე, როგორც კი ძრავა მათ აწარმოებს. თუ ძრავა სწრაფად აგენერირებს, თქვენც სწრაფად ხედავთ გენერაციას. მოდელსა და თქვენს ტერმინალს, ჩატის ფანჯარას ან SSE-მკითხველს შორის არანაირი გამასწორებელი ბუფერი აღარ დგას. გრძელი პასუხისთვის — 2,000-ტოკენიანი ანალიზი, გენერირებული კოდის ფაილი — მარტო ეს იძლევა იმ გაუმჯობესების უმეტეს ნაწილს, რასაც შეამჩნევთ.

გულახდილი შედეგი: ნაკადი ახლა აფეთქებადია. სპეკულაციური დეკოდირება (იხ. ქვემოთ) მიღებულ ტოკენებს მოკლე მიმდევრობებად გზავნის, ამიტომ ტექსტი შეიძლება ხილული ბლოკებით მოვიდეს და არა მეტრონომივით სიტყვა-სიტყვით. თუ თქვენი ინტერფეისი 3.0-ის გლუვ რიტმზეა აგებული, ის მაინც იმუშავებს — ტოკენების თანმიმდევრობა და შიგთავსი უცვლელია — მაგრამ თუ საბეჭდი მანქანის ეფექტი გირჩევნიათ, შესაძლოა გინდოდეთ საკუთარი კლიენტის მხარეს გლუვი ჩვენების დაბრუნება. ჩვენ გვგონია, რომ ხალხის უმეტესობას წამები უფრო სჭირდება.

თავად ძრავაც დაჩქარდა

შემზღუდველის მოხსნა მხოლოდ მაშინ შველის, თუ მის უკან სწრაფი რამ დგას. მეორე წვლილი არის 03 სექციაში აღწერილი მომსახურების სტეკი: 4-ბიტიანი NVFP4 წონები და სპეკულაციური დეკოდირება მიმდინარე თაობის, FP4-ნატიურ ამაჩქარებლებზე ჩვენსავე კლასტერში. ერთად ისინი ზრდიან იმ ჭერს, რომელსაც შემზღუდველის მოხსნა ხილულს ხდის.

პასუხის სრული ლატენტობა შედარებით მასშტაბში, Shannon Lab-ის შიდა შეფასება, 2026 წლის სექტემბერი. დიაპაზონი ასახავს მოთხოვნის სიგრძესა და დონეს: მოკლე მოთხოვნები Lite-ზე ქვედა ზღვართან არის, გრძელი გენერაციები Pro-ზე — ზედასთან.

03რას აკეთებს რეალურად სპეკულაციური დეკოდირება

„სპეკულაციური დეკოდირების ინფერენსი“ მარკეტინგულ სიტყვად იქცა, ამიტომ აი, მექანიზმი — უბრალოდ.

ენობრივი მოდელი ჩვეულებრივ ერთ ტოკენს აწარმოებს ერთ წინსვლით გატარებაზე. ამ გატარებაში მთავარი დამამძიმებელი არითმეტიკა კი არა, მეხსიერების გამტარუნარიანობაა — რაიმეს გამოსათვლელად წონები უნდა წაიკითხოს, მათი წაკითხვა კი ბევრად მეტ დროს ითხოვს, ვიდრე თავად გამოთვლა. GPU დროის უმეტეს ნაწილს მეხსიერების მოლოდინში ატარებს, გამომთვლელი ერთეულები კი უქმად დგას. 500 ტოკენის გენერაცია ნიშნავს ამ ლატენტობის 500-ჯერ, თანმიმდევრულად გადახდას.

სპეკულაციური დეკოდირება სწორედ თანმიმდევრულ ნაწილს უტევს. პატარა და იაფი მონახაზის მოდელი გვთავაზობს შემდეგი სავარაუდო ტოკენების მოკლე მიმდევრობას — ვთქვათ, ოთხს ან რვას. შემდეგ მთავარი მოდელი ამ მთელ მიმდევრობას აფასებს ერთ პაკეტურ წინსვლით გატარებაზე, რაც ერთი ტოკენის შეფასებაზე ძლივს ძვირია, რადგან ძვირადღირებული ნაწილი (წონების წაკითხვა) ორივე შემთხვევაში ერთხელ ხდება. ყოველი შემოთავაზებული ტოკენი, რომელსაც მთავარი მოდელი დაეთანხმება, მიიღება და მაშინვე იგზავნება. პირველივე უთანხმოებაზე მიმდევრობა წყდება და იქიდან ჩვეულებრივი დეკოდირება გრძელდება.

საქმეს მიღების მაჩვენებელი აკეთებს. პროგნოზირებად ტექსტზე — შაბლონურ კოდზე, კოდის სტრუქტურაზე, არგუმენტის დამაკავშირებელ ქსოვილზე — მონახაზის მოდელი კარგად ხვდება და გრძელი მიმდევრობები ერთბაშად ეშვება. ჭეშმარიტად რთულ ტოკენებზე მიღება ეცემა და სისტემა შეუფერხებლად უბრუნდება ჩვეულებრივ, თითო-ტოკენიან დეკოდირებას. სწორედ ეს ასიმეტრიაა სასურველი: ის აჩქარებს მარტივ ნაწილებს და არ ეხება რთულებს.

რატომ არის 4-ბიტიანი წონები იმავე აბზაცში

რადგან ვიწრო ყელი მეხსიერების გამტარუნარიანობაა, წონების შემცირება პირდაპირ სიჩქარის ბერკეტია და არა მხოლოდ მეხსიერების მოცულობისა. NVFP4 არის 4-ბიტიანი მცურავმძიმიანი ფორმატი წვრილმარცვლოვანი ბლოკური მასშტაბირებით — სწორედ ეს აძლევს მას საშუალებას შეინარჩუნოს სიზუსტე იქ, სადაც ძველი 4-ბიტიანი მთელრიცხვოვანი კვანტიზაციის სქემები მას კარგავდნენ. დაახლოებით მეოთხედი ბაიტი წასაკითხად თითო წინსვლით გატარებაზე ნიშნავს პროპორციულად ნაკლებ დროს მეხსიერების მოლოდინში და ბევრად მეტ თავისუფალ ადგილს გრძელი კონტექსტის KV-ქეშისთვის, რომელსაც 196K ფანჯარა მოითხოვს.

ეს ორი უბრალოდ არ ჯამდება, არამედ მრავლდება: ნაკლები ბაიტი თითო გატარებაზე და ნაკლები გატარება თითო გაგზავნილ ტოკენზე. სწორედ ეს ხდის შეუზღუდავ, სრული სიჩქარის სტრიმინგს ხელმისაწვდომს მომსახურებისთვის და არა ხარჯად, რომელიც ტემპირებით უნდა დავიბრუნოთ — ზუსტად ის, რასაც ტემპის ფენა 3.0-ზე აკეთებდა.

04196,608 ტოკენი: რას ხსნის 6-ჯერ დიდი ფანჯარა

Shannon 3.0-ს 32,768-ტოკენიანი ფანჯარა ჰქონდა: სამუშაო სესია, და არა დოკუმენტი. დაახლოებით 70-80 გვერდი პროზა, გამოკლებული ის, რასაც მსჯელობის ციკლი საკუთარ ფიქრზე ხარჯავს, გამოკლებული თქვენი სისტემური მოთხოვნა, გამოკლებული აქამდე მიმდინარე საუბარი. რეალური სამუშაო მუდმივად ეხეთქებოდა ამ კედელს, შემოვლითი გზები კი — ნაწილებად დაჭრა, შეჯამება, საკუთარ მასალაზე ძიება-ამოღება — ყველა ანგრევს სწორედ იმას, რისი შენარჩუნებაც გინდოდათ. 196,608 ტოკენი სულ სხვა კატეგორიის ამოცანაა.

კონკრეტულად, ეს არის დაახლოებით 400-500 გვერდი ინგლისური ტექსტი, ან საშუალო ზომის კოდის ბაზა ტესტებითა და README-ით, ან ერთი პროექტის ერთწლიანი შეხვედრების ჩანაწერები, ან სრული საკონტრაქტო პაკეტი ყველა დანართით — ერთ საუბარში, ერთი კითხვით მისაწვდომი, თქვენსა და მასალას შორის დამჭრელი ფენის გარეშე.

• კითხვები მთელ რეპოზიტორიაზე. ჩატვირთეთ კოდი და იკითხეთ, რატომ აღწევს ხარვეზი პროდაქშენამდე, იმის ნაცვლად, რომ ჩასვათ ის სამი ფაილი, რომლებზეც უკვე ეჭვი გქონდათ. მოდელს შეუძლია იპოვოს ის ფაილი, რომლის ჩართვაზეც არ გიფიქრიათ.
• გრძელი დოკუმენტების ანალიზი ძიება-ამოღების გარეშე. ძიება-ამოღება დანაკარგებიანი წინასწარი ფილტრია, რომელიც წყვეტს, რის ნახვის უფლება აქვს მოდელს. 196K-ზე მისი გამოტოვება ხშირად შეგიძლიათ და მიეცით მოდელს ყველაფრის წაკითხვის საშუალება, რაც აქრობს ჩავარდნების მთელ კლასს, სადაც სწორი პასაჟი საერთოდ არ ამოღებულა.
• საუბრები, რომლებიც თანმიმდევრული რჩება. გრძელი სამუშაო სესია აღარ კარგავს ჩუმად საკუთარ დასაწყისს. შეზღუდვები, რომლებიც მესამე შეტყობინებაში დააწესეთ, მოქმედებს მერვოცდაათეშიც.
• ადგილი მსჯელობის ციკლისთვის. ციკლის საკუთარი ფიქრი, მონახაზი და შემოწმება კონტექსტს ხარჯავს. 3.0-ზე ეს ნაბიჯები თქვენს მასალას მწირ ბიუჯეტში ეჯიბრებოდნენ. 3.1-ზე ისინი კომფორტულად ეტევა — და ეს ნაწილობრივ ხსნის, რატომ მოვიდა ხარისხის ზრდა და ფანჯრის გაზრდა ერთად.
• დიდი შერეული შემავალი მონაცემები. სურათები, დოკუმენტიდან ამოღებული ტექსტი და კოდი ერთ სვლაში, ისე რომ არ დაგჭირდეთ გადარჩევა, რომლის ჩართვის საშუალებაც გაქვთ.

ერთი გულახდილი დათქმა, რომელიც ყველა გრძელკონტექსტიან მოდელს ეხება, ჩვენსაც: დიდი ფანჯარა ტევადობაა და არა გარანტია მასზე ერთგვაროვანი ყურადღებისა. სტრუქტურა კვლავ შველის. კითხვის ბოლოსკენ განთავსება, დოკუმენტების მონიშვნა და მოდელისთვის იმის თქმა, თუ რას უნდა ეძებოს — ეს ყველაფერი გაზომვადად აუმჯობესებს შედეგებს 150K ტოკენზე ისე, როგორც 5K-ზე უბრალოდ არ აკეთებს.

05Lite და Pro: shannon-3.1 და shannon-3.1-pro

ორი დონე იმით განსხვავდება, თუ მსჯელობის ციკლის რა ნაწილს ასრულებს — და მათ შორის არჩევანისთვის მხოლოდ ამ განსხვავებას აქვს მნიშვნელობა.

	shannon-3.1 (Lite)	shannon-3.1-pro (Pro)
მსჯელობა	ერთი გავლა	სრული ციკლი + ცოდნის მოკრეფა
თვითშემოწმება	არა	დიახ
კონტექსტის ფანჯარა	196,608	196,608
სტრიმინგი	სრული სიჩქარე, შეუზღუდავი	სრული სიჩქარე, შეუზღუდავი
ხედვა და დოკუმენტები	დიახ	დიახ
სურათის გენერაციის ინსტრუმენტი	დიახ	დიახ
რისთვის გამოდგება	სამუშაოს უმეტესობა, დიდი მოცულობა	რთული კითხვები, პირველი მონახაზი არასაკმარისია

ნაგულისხმევად გამოიყენეთ Lite. კარგი მსჯელობის მოდელის ერთი გავლა რეალური მოთხოვნების დიდ უმრავლესობას ართმევს თავს, 3.1-ზე კი ის იმდენად სწრაფია, რომ ციკლის ლოდინი აღარ იგრძნობა. Pro-ს მიმართეთ მაშინ, როცა კითხვა ისეთია, სადაც პირველი პასუხი ჩვეულებრივ სასწავლებლად მცდარია: არქიტექტურული კომპრომისები, შემტევი ანალიზი, ყველაფერი, სადაც გინდოდათ კომპეტენტურ კოლეგას ღამე გამოეძინა ამაზე. Pro-ს თვითშემოწმების ნაბიჯი დეკორაცია არ არის — ეს არის მოდელი, რომელიც საკუთარ შეცდომებს პოულობს მანამ, სანამ ეს თქვენ მოგიწევდათ.

0632%-იანი ინტელექტის ზრდა და როგორ უნდა წავიკითხოთ ის

Shannon Lab-ის საკუთარი შეფასებით, Shannon 3.1 Shannon 3.0-ს 32%-ით აჯობებს ინტელექტში. გვინდა ნათლად ვთქვათ, რა არის ეს და რა არა.

ეს ჩვენი ციფრია, ჩვენი შიდა შეფასების ნაკრებიდან, გაზომილი იმ ამოცანებზე, რომლებსაც ამ მოდელებთან ხალხის რეალური მოთხოვნების წარმომადგენლად მივიჩნევთ. ეს არ არის მესამე მხარის ბენჩმარკი და ჩვენ არც ლიდერბორდის ცხრილს ვაშენებთ ერთი შიდა აგრეგატის ირგვლივ და არც ცალკეული ბენჩმარკების დანაწევრებას ვაქვეყნებთ — ასეთი დანაწევრება გარე შედარებადობის იმ დონეს გულისხმობს, რომელიც შიდა ნაკრებს არ გააჩნია.

რასაც ვიტყვით, არის ის, თუ საიდან მოდის ეს ზრდა, რადგან ეს ნაწილი საიდუმლო არ არის. უფრო დიდი კონტექსტის ფანჯარა ნიშნავს, რომ ნაკლები მასალის მოშორება უწევს მოდელს, სანამ მასზე იმსჯელებს — ხოლო გრძელ სესიებში აშკარა უჭკუობის დიდი ნაწილი სინამდვილეში უბრალოდ ამნეზიაა. ჩვენს კონტროლს დაქვემდებარებული მომსახურების სტეკი ნიშნავს, რომ მოდელი მუშაობს იმ კონფიგურაციით, რომელიც ჩვენ განვსაზღვრეთ და არა ჰოსტის ნაგულისხმევით. მსჯელობის ციკლს კი — დიზაინში უცვლელს — ახლა აქვს ადგილი, რომ ნამდვილად იმუშაოს ფანჯარაში და არა ჩაიჭყლიტოს 32K-ის ჭერში, რომელსაც თქვენს შემავალ მონაცემებს უზიარებდა.

07ხედვა, დოკუმენტები და სურათის გენერაცია

Shannon 3.1 კითხულობს სურათებსა და დოკუმენტებს. ეკრანის ანაბეჭდები, დიაგრამები, ფოტოები, სკანირებული გვერდები, PDF-ები და ტექსტური დოკუმენტები შეიძლება საუბარში მოხვდეს და ყველაფერ დანარჩენთან ერთად გაანალიზდეს. 196K ფანჯართან ერთად სწორედ ეს ხდის მთელი დოკუმენტის სამუშაო პროცესებს პრაქტიკულს: გრძელი ანგარიში და მისი დიაგრამები ერთ სვლაში, ისე რომ წინასწარ არ გადაწყვიტოთ, რომელი გვერდების ნახვის უფლება აქვს მოდელს.

სურათის გენერაცია და რედაქტირება ხელმისაწვდომია ჩატში, ინსტრუმენტის სახით. მოითხოვეთ სურათი და მოდელი ინსტრუმენტს იმავე საუბარში, ჩაშენებულად გამოიძახებს — აქამდე განხილული ყველაფრის კონტექსტით. რედაქტირება იმავენაირად მუშაობს: მიეცით სურათი და აღწერეთ ცვლილება. არ არსებობს ცალკე რეჟიმი, რომელზეც უნდა გადახვიდეთ, და არც ცალკე ინტერფეისი, რომელიც უნდა შეისწავლოთ.

08Shannon 3.1-ის გამოძახება API-დან

Shannon 3.1 ხელმისაწვდომია სამივე API-დიალექტზე, თითოეულზე სტრიმინგით. იგივე მოდელები, სამი ფორმის მოთხოვნა — აირჩიეთ ის, რომელიც უკვე არსებულ SDK-ს შეესაბამება.

ბოლოწერტილი	ფორმა	სტრიმინგი
/v1/chat/completions	OpenAI-თავსებადი	დიახ
/v1/messages	Anthropic-თავსებადი	დიახ
/v1/responses	Responses	დიახ

{
  "model": "shannon-3.1",
  "stream": true,
  "messages": [
    { "role": "user", "content": "Summarize this contract set and flag anything unusual." }
  ]
}

სრული მსჯელობის ციკლის გასაშვებად შეცვალეთ "shannon-3.1" "shannon-3.1-pro"-ით. თუ უკვე იძახებთ shannon-3-ს, მიგრაცია მხოლოდ მოდელის იდენტიფიკატორია და მეტი არაფერი: მოთხოვნისა და პასუხის ფორმები უცვლელია, არსებული სტრიმინგ-კლიენტები კი აგრძელებენ მუშაობას. ერთადერთი ქცევითი განსხვავება, რასაც უნდა ელოდოთ, არის 02 სექციაში აღწერილი უფრო აფეთქებადი ნაკადი — იგივე ტოკენები, იგივე თანმიმდევრობა, უფრო ადრე და ნაკლებად თანაბარი ბლოკებით.

პარამეტრების სრული ცნობარი, ავთენტიფიკაცია, შეცდომების სემანტიკა და ინტერაქტიული სათამაშო მოედანი API-ის დოკუმენტაციაშია. სხვა მოდელების ბარათები და ტექნიკური მასალები Shannon-ის კვლევებშია.

09კვლავ უცენზურო და ამ მხრივ უცვლელი

Shannon 3.1-ს არ აქვს უარის თქმის ფენა და გამოსავალზე კონტენტის ფილტრაცია. ეს იგივე პოზიციაა, რაც Shannon-ის მთელ ხაზზე, და ჩვენსავე კლასტერზე გადასვლისას არ შეცვლილა — თუ რამე, მომსახურების სტეკის კონტროლი მის გარანტირებას აადვილებს, რადგან მოდელსა და თქვენ შორის აღარ დგას შუამავალი ჰოსტი საკუთარი პოლიტიკით.

ღირს ამის პირდაპირ თქმა, რადგან ეს არის აშკარა კითხვა გამოშვებაზე, რომელმაც მთელი გამოსავლის გზა შეცვალა: ტემპის ფენის მოხსნა არ ნიშნავდა მის ადგილას მოდერაციის ფენის ჩასმას. არაფერი ამოწმებს, გადაწერს ან ზღუდავს ნაკადს. რასაც მოდელი აწარმოებს, ის მოდის. Shannon 3.1, რამდენადაც ვიცით, ამ ზომის კონტექსტის ფანჯრით ყველაზე სწრაფი ხელმისაწვდომი უცენზურო AI მოდელია — და ეს ორი თვისება ერთმანეთთანაა დაკავშირებული, რადგან ორივე მოდის იქიდან, რომ ჩვენს საკუთარ ინფრასტრუქტურას ვმართავთ და არა სხვისგან ვქირაობთ შესაბამისობის ფორმაში ჩამოსხმულ სიმძლავრეს.

უცენზურო არ ნიშნავს ანგარიშვალდებულების გარეშეს. გამოყენებას არეგულირებს ჩვენი პასუხისმგებლიანი გამოყენების პოლიტიკა, ხოლო ვალდებულება, რომელიც მოსდევს მოდელს, რომელიც რთულ მასალასთან იმუშავებს, არის ის, რომ თქვენც პასუხისმგებლობით მოეკიდოთ მას.

10თავად გაუშვით შედარება

აქ მოცემული ყოველი მტკიცება დაახლოებით ორ წუთში შესამოწმებელია და გვირჩევნია შეამოწმოთ, ვიდრე დაგვიჯეროთ.

1. აირჩიეთ მოთხოვნა იმ სამუშაოდან, რომელსაც რეალურად აკეთებთ. გრძელი უკეთესია — ის ამოწმებს როგორც ფანჯარას, ისე სტრიმინგს.
2. გაუშვით shannon-3-ზე. დააფიქსირეთ, რამდენ ხანში მოვიდა პირველი ტოკენი და რამდენში დასრულდა პასუხი.
3. გაუშვით იდენტური მოთხოვნა shannon-3.1-ზე. დააფიქსირეთ იგივე ორი რიცხვი.
4. შემდეგ წაიკითხეთ ორივე პასუხი საათის უგულებელყოფით და გადაწყვიტეთ, რომელი გინდოდათ.

სიჩქარის განსხვავება მყისიერი და აშკარა იქნება. ხარისხის განსხვავება კი ის არის, რომელზეც ღირს დაფიქრება — ის ყველაზე ნათლად გრძელ შემავალ მონაცემებზე ჩანს, სადაც 3.0 ჩუმად თქვენი მასალის იმაზე ნაკლებ ნაწილთან მუშაობდა, ვიდრე გეგონათ.

11ხშირად დასმული კითხვები

---

ამ სტატიაში მოცემული წარმადობისა და ინტელექტის ციფრები Shannon Lab-ის საკუთარი გაზომვებია შიდა შეფასებიდან, 2026 წლის სექტემბერი, და მოცემულია როგორც პროდუქტის მაჩვენებლები და არა მესამე მხარის ბენჩმარკის შედეგები. კონტექსტის ფანჯარა, მოდელების იდენტიფიკატორები და API-ის ხელმისაწვდომობა პროდუქტის სპეციფიკაციებია. Shannon AI-ს ოპერირებს Shannon Lab LLC, ნიუ-მექსიკო, აშშ. დაკავშირებული მასალა: Shannon 3 · Shannon-ის კვლევების ინდექსი · API-ის დოკუმენტაცია.