API Dokumentatioun

D'Infrastruktur vun Onzensuréiert Intelligenz

Déi onzensuréiert KI-API: Shannon-Modeller ouni Refuse a ouni Filteren, vun eise ganz eegene GPUen aus bedéngt. OpenAI- an Anthropic-kompatibel — setzt d'SDK an, déi Dir schonn benotzt, ee Schlëssel, Streaming, Tool Calling a Reasoning op all Endpoint.

22 onzensuréiert Modeller
256K Kontextfënster
ab $0.50/1M
3 kompatibel APIen
3 Netzwierker: TLS, Tor, I2P

Ufänke mat Bauen Playground testen

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.shannon-ai.com/v1"
)

response = client.chat.completions.create(
    model="shannon-3",
    messages=[
        {"role": "user", "content": "Hello, Shannon!"}
    ],
    max_tokens=1024
)

print(response.choices[0].message.content)

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api.shannon-ai.com/v1'
});

const response = await client.chat.completions.create({
  model: 'shannon-3',
  messages: [
    { role: 'user', content: 'Hello, Shannon!' }
  ],
  max_tokens: 1024
});

console.log(response.choices[0].message.content);

package main

import (
    "context"
    "fmt"
    openai "github.com/sashabaranov/go-openai"
)

func main() {
    config := openai.DefaultConfig("YOUR_API_KEY")
    config.BaseURL = "https://api.shannon-ai.com/v1"
    client := openai.NewClientWithConfig(config)

    resp, err := client.CreateChatCompletion(
        context.Background(),
        openai.ChatCompletionRequest{
            Model: "shannon-3",
            Messages: []openai.ChatCompletionMessage{
                {Role: "user", Content: "Hello, Shannon!"},
            },
            MaxTokens: 1024,
        },
    )
    if err != nil {
        panic(err)
    }
    fmt.Println(resp.Choices[0].Message.Content)
}

curl -X POST "https://api.shannon-ai.com/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "shannon-3",
    "messages": [
      {"role": "user", "content": "Hello, Shannon!"}
    ],
    "max_tokens": 1024
  }'

Modeller a Präisser PRO 1M TOKENS

Limiten, IDen a wéi d'Präisser entstinn

Hosted Open-Weight-Modeller 262,144-Token-Kontext bei all ID; Input an Output separat ofgerechent; all ID akzeptéiert dat, wat de Modell akzeptéiert, deen se nobild

DeepSeek-V4-Pro-0813 3BIT-REAP

DeepSeek · 1.6T MoE · 49B active

Onzensuréiert

Modell vun der Flaggschëff-Gréisst fir déift Reasoning a laangen Output.

Modell-ID DeepSeek-V4-Pro-0813-3BIT-REAP

Kontext
256K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$1.95 / $0.488 / $3.90

Méi
GLM-5.2 3BIT-REAP

Z.ai · 744B MoE · 40B active

Onzensuréiert

Staarkt Generalisten-Modell mat räichem méisproochegem Output.

Modell-ID GLM-5.2-3BIT-REAP

Kontext
256K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.73 / $0.183 / $2.34

Méi
Kimi-K3 3BIT-REAP

Moonshot AI · 2.8T MoE · 104B active

Onzensuréiert

High-End-Modell, ofgestëmmt op grëndlech, detailléiert Äntwerten.

Modell-ID Kimi-K3-3BIT-REAP

Kontext
256K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$3.83 / $0.958 / $19.12

Méi
Nemotron3Ultra 3BIT-REAP

NVIDIA · 550B hybrid Mamba-Attention MoE · 55B active

Onzensuréiert

Effizient grousst Modell mat staarkem Reasoning pro Dollar.

Modell-ID Nemotron3Ultra-3BIT-REAP

Kontext
256K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.75 / $0.188 / $3.30

Méi
MiniMax-M3 3BIT-REAP

MiniMax · 428B MoE · 23B active · sparse attention

Onzensuréiert

Séiere, bëllege Modell fir Aarbechtslaaschten mat héijem Volumen.

Modell-ID MiniMax-M3-3BIT-REAP

Kontext
256K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.50 / $0.125 / $2.00

Méi
DeepSeek-V4-Flash-0731 W4A16-AUTOROUND-REAP

DeepSeek · 284B MoE · 13B active

Onzensuréiert

Séiere DeepSeek-Modell, dee Vitesse a Qualitéit ausbalancéiert.

Modell-ID DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP

Kontext
256K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.50 / $0.125 / $2.00

Méi
Kimi-K2.6 W4A16-AUTOROUND-REAP

Moonshot AI · 1T MoE · 32B active

Onzensuréiert

Fäegt Modell fir alldeeglecht Reasoning an Entwërf.

Modell-ID Kimi-K2.6-W4A16-AUTOROUND-REAP

Kontext
256K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.78 / $0.195 / $3.67

Méi
Laguna-S-2.1 W4A16-AUTOROUND-REAP

Poolside · 118B MoE · 8B active

Onzensuréiert

Ultra-bëlleg Modell fir liicht Aufgaben.

Modell-ID Laguna-S-2.1-W4A16-AUTOROUND-REAP

Kontext
256K

Input
Text als Input

Strukturéiert Output
Keen strukturéierten Output
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.50 / $0.125 / $2.00

Méi
inkling W4A16-AUTOROUND-REAP

Thinking Machines · 975B MoE · 41B active

Onzensuréiert

Kreativt Modell mat enger markanter Schreifstëmm.

Modell-ID inkling-W4A16-AUTOROUND-REAP

Kontext
256K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Objet
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$1.42 / $0.355 / $6.07

Méi
MiMo-V2.5-Pro W8A16

Xiaomi · 1.02T MoE · 42B active · 8-bit

Onzensuréiert

Kompakte Pro-Modell fir strukturéierten, präzisen Output.

Modell-ID MiMo-V2.5-Pro-W8A16

Kontext
256K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.50 / $0.125 / $2.00

Méi
MiMo-V2.5 W8A16

Xiaomi · 8-bit multimodal · W8A16

Onzensuréiert

Klengt, flottt Modell fir einfach Aufgaben zu minimale Käschten.

Modell-ID MiMo-V2.5-W8A16

Kontext
256K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.50 / $0.125 / $2.00

Méi
Hy3 W8A16

Tencent · 295B MoE · 21B active · 8-bit

Onzensuréiert

Budget-Modell fir kuerz Gespréichsäntwerten.

Modell-ID Hy3-W8A16

Kontext
256K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Reasoning-Effort
- Prompt Caching
- Streaming
In / cached / out pro 1M

$0.50 / $0.125 / $2.00

Méi

Shannon-Modeller een Fixpräis fir Input an Output

Shannon 1.6 Lite

Onzensuréiert

Séier, effizient Äntwerten fir Alldagsaufgaben

Modell-ID shannon-1.6-lite

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Websich
- Streaming
Präis / 1M Tokens

$3.90
Shannon 1.6 Pro

Onzensuréiert

Fortgeschratt Reasoning fir komplex Problemer

Modell-ID shannon-1.6-pro

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$7.80
Shannon 2 Lite

Onzensuréiert

Shannon 2 Lite: séier Think-Draft-Review-Pipeline mat siichtbarer Reasoning-Spur. Alldagschat, Resumeeën a Q&A.

Modell-ID shannon-2-lite

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$3.90
Shannon 2 Pro

Onzensuréiert

Shannon 2 Pro: méi déif Think-Draft-Review-Duerchgäng fir Analyse, laang Texter a Reasoning a méi Schrëtt.

Modell-ID shannon-2-pro

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$5.85
Shannon 3

Onzensuréiert

Shannon-Modell vun der neister Generatioun mat séierem Reasoning zu engem niddrege Fixpräis.

Modell-ID shannon-3

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$3.35
Shannon 3 Pro

Onzensuréiert

Leeschtungsfäegere Shannon-3-Niveau fir komplex Aarbecht a méi Schrëtt.

Modell-ID shannon-3-pro

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$3.35
Shannon 3.1

Onzensuréiert

Shannon 3 op eiser eegener Hardware, Streaming mat voller Vitesse ouni Rate-Gate.

Modell-ID shannon-3.1

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$3.35

Méi
Shannon 3.1 Pro

Onzensuréiert

Déift Reasoning mat voller Vitesse an engem Recherche-Duerchgang am Hannergrond fir schwéier Froen.

Modell-ID shannon-3.1-pro

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Websich
- Streaming
Präis / 1M Tokens

$3.35

Méi
Shannon 3.5

Onzensuréiert

One streaming answer that thinks, searches, draws charts and diagrams and writes files inline.

Modell-ID shannon-3.5

Kontext
192K

Input
Text + Bild als Input

Strukturéiert Output
JSON-Schema
- Tools
- Streaming
Präis / 1M Tokens

$3.35

Méi
Shannon Coder 1

Onzensuréiert

Spezialist fir Code an Tools: agentescht Editéieren, laang Dateien a strikt Tool-Loops.

Modell-ID shannon-coder-1

Kontext
128K

Input
Text als Input

Strukturéiert Output
JSON-Schema
- Tools
- Reasoning
- Streaming
Präis / 1M Tokens

$8.00

D'Dokumentatioun duerchsichen

Iwwer Tor an I2P erreechbar Onion-Service, I2P-Eepsite an en verschlësselte TLS-Mirror. Déiselwecht /v1-Routen, deeselwechte Schlëssel, Streaming abegraff; keng Cookien, kee JavaScript, keng Ufroen u Drëtt. Tor- an I2P-Endpoints

Bereet fir ze bauen?

Gratis Stuf bei all Kont abegraff. Äre Schlëssel ass nëmmen ee Klick ewech.

Kritt Ären API-Schlëssel Präisser kucken

D'Infrastruktur vun Onzensuréiert Intelligenz

Modeller a Präisser PRO 1M TOKENS

Hosted Open-Weight-Modeller 262,144-Token-Kontext bei all ID; Input an Output separat ofgerechent; all ID akzeptéiert dat, wat de Modell akzeptéiert, deen se nobild

DeepSeek-V4-Pro-0813 `3BIT-REAP`

GLM-5.2 `3BIT-REAP`

Kimi-K3 `3BIT-REAP`

Nemotron3Ultra `3BIT-REAP`

MiniMax-M3 `3BIT-REAP`

DeepSeek-V4-Flash-0731 `W4A16-AUTOROUND-REAP`

Kimi-K2.6 `W4A16-AUTOROUND-REAP`

Laguna-S-2.1 `W4A16-AUTOROUND-REAP`

inkling `W4A16-AUTOROUND-REAP`

MiMo-V2.5-Pro `W8A16`

MiMo-V2.5 `W8A16`

Hy3 `W8A16`

Shannon-Modeller een Fixpräis fir Input an Output

Shannon 1.6 Lite

Shannon 1.6 Pro

Shannon 2 Lite

Shannon 2 Pro

Shannon 3

Shannon 3 Pro

Shannon 3.1

Shannon 3.1 Pro

Shannon 3.5

Shannon Coder 1

D'Dokumentatioun duerchsichen

Bereet fir ze bauen?

Modeller a Präisser PRO 1M TOKENS

Hosted Open-Weight-Modeller 262,144-Token-Kontext bei all ID; Input an Output separat ofgerechent; all ID akzeptéiert dat, wat de Modell akzeptéiert, deen se nobild

DeepSeek-V4-Pro-0813 3BIT-REAP

GLM-5.2 3BIT-REAP

Kimi-K3 3BIT-REAP

Nemotron3Ultra 3BIT-REAP

MiniMax-M3 3BIT-REAP

DeepSeek-V4-Flash-0731 W4A16-AUTOROUND-REAP

Kimi-K2.6 W4A16-AUTOROUND-REAP

Laguna-S-2.1 W4A16-AUTOROUND-REAP

inkling W4A16-AUTOROUND-REAP

MiMo-V2.5-Pro W8A16

MiMo-V2.5 W8A16

Hy3 W8A16

Shannon-Modeller een Fixpräis fir Input an Output

Shannon 1.6 Lite

Shannon 1.6 Pro

Shannon 2 Lite

Shannon 2 Pro

Shannon 3

Shannon 3 Pro

Shannon 3.1

Shannon 3.1 Pro

Shannon 3.5

Shannon Coder 1

D'Dokumentatioun duerchsichen

Bereet fir ze bauen?

DeepSeek-V4-Pro-0813 `3BIT-REAP`

GLM-5.2 `3BIT-REAP`

Kimi-K3 `3BIT-REAP`

Nemotron3Ultra `3BIT-REAP`

MiniMax-M3 `3BIT-REAP`

DeepSeek-V4-Flash-0731 `W4A16-AUTOROUND-REAP`

Kimi-K2.6 `W4A16-AUTOROUND-REAP`

Laguna-S-2.1 `W4A16-AUTOROUND-REAP`

inkling `W4A16-AUTOROUND-REAP`

MiMo-V2.5-Pro `W8A16`

MiMo-V2.5 `W8A16`

Hy3 `W8A16`