ຮູບພາບ ແລະ ໄຟລ໌
ສົ່ງຮູບພາບພ້ອມຂໍ້ຄວາມ: model ໃດຮັບ, ຮູບແບບທີ່ຮັບ ແລະ ຂີດຈຳກັດຂອງມັນ.
POST https://api.shannon-ai.com/v1/chat/completions
ຮູບພາບເດີນທາງຢູ່ພາຍໃນຂໍ້ຄວາມ user, ເປັນໜຶ່ງສ່ວນຂອງ content. ຕົວຢ່າງອ່ານໄຟລ໌ໃນເຄື່ອງ ແລ້ວສົ່ງເປັນ 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
}
} model ໃດຮັບຮູບພາບ
| Model | ອ່ານ |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | ຮູບພາບ, ແລະ ເອກະສານ: PDF, Word, PowerPoint, Excel ແລະ ໄຟລ໌ຂໍ້ຄວາມທຳມະດາ. |
shannon-1.6-lite, shannon-1.6-pro | ຮູບພາບ. |
shannon-2-lite, shannon-2-pro | ຮູບພາບ, ໃນຄຳຮ້ອງຂໍທີ່ສົ່ງ tools ຫຼື response_format ນຳ. |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | ຮູບພາບ. |
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 | ຂໍ້ຄວາມ. ຄຳຮ້ອງຂໍທີ່ມີຮູບພາບຖືກຕອບດ້ວຍ status 400. |
shannon-coder-1 | ຂໍ້ຄວາມ. |
GET /v1/models ລາຍງານ input ຮູບພາບຂອງແຕ່ລະ id ເປັນ capabilities.vision. Model ແລະ ລາຄາ
- model Shannon ອ່ານໄຟລ໌ຂອງຂໍ້ຄວາມ user ສຸດທ້າຍ. ໃສ່ຮູບພາບໄວ້ໃນຂໍ້ຄວາມທີ່ຖາມກ່ຽວກັບມັນ.
- ຕະກູນ Shannon 3 ຍັງເກັບຮູບພາບ ແລະ ເອກະສານບາງສ່ວນຂອງຂໍ້ຄວາມ user ກ່ອນໜ້າໄວ້ໃນສາຍຕາ ເມື່ອພວກມັນຖືກສົ່ງແບບ inline, ແລະ ອ່ານຮູບພາບສູງສຸດຕາມຈຳນວນທີ່ກຳນົດຕໍ່ຄຳຮ້ອງຂໍ, ນັບຈາກອັນທຳອິດ.
- Hosted open-weight models ອ່ານຮູບພາບຂອງທຸກຂໍ້ຄວາມໃນການສົນທະນາ.
ຮູບແບບທີ່ຮັບ
ໄຟລ໌ຖືກສົ່ງໃນໜຶ່ງໃນສອງວິທີ: ພາຍໃນຄຳຮ້ອງຂໍເປັນ base64, ຫຼື ເປັນທີ່ຢູ່ທີ່ API ດຶງມາ. ທຸກໄຟລ໌ເດີນທາງພ້ອມຄຳຮ້ອງຂໍ; API ບໍ່ມີ endpoint ອັບໂຫຼດ.
| Endpoint | ໃນຄຳຮ້ອງຂໍ (base64) | ຜ່ານທີ່ຢູ່ |
|---|---|---|
/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://…"}} |
ຂໍ້ຄວາມ user ດຽວກັນໃນແຕ່ລະຮູບແບບ:
{
"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 ມີຮູບແບບ
data:<media type>;base64,<data>. ສ່ວນ;base64ຈຳເປັນ. - ໃນ
/v1/chat/completionsແລະ/v1/responses,image_urlສາມາດເປັນ string ເອງ ຫຼື object{"url": "…"}. - ປະເພດໄຟລ໌ມາຈາກ data URL ຫຼື ຈາກ
media_type. ຖ້າບໍ່ມີ, ຮູບພາບຈະຖືກອ່ານເປັນimage/png. - ໄຟລ໌ inline ນັບເຂົ້າຂະໜາດຂອງ body ຄຳຮ້ອງຂໍ, ເຊິ່ງໃຫຍ່ໄດ້ເຖິງ 32 MiB.
- ຮັບໄວ້ເພື່ອຄວາມເຂົ້າກັນໄດ້:
image_url.detail.
ຂີດຈຳກັດຂອງໄຟລ໌ລະຍະໄກ
ເມື່ອທ່ານສົ່ງທີ່ຢູ່, API ດຶງໄຟລ໌ກ່ອນທີ່ model ຈະເຮັດວຽກ, ພາຍໃນຂີດຈຳກັດເຫຼົ່ານີ້:
| ຂີດຈຳກັດ | ກົດ |
|---|---|
| ຂະໜາດ | ເຖິງ 8 MiB ຕໍ່ໄຟລ໌. |
| ເວລາ | 20 ວິນາທີເພື່ອຕອບ. |
| Redirect | ສູງສຸດ 5. |
| ທີ່ຢູ່ | http:// ຫຼື https://, ບໍ່ມີຊື່ຜູ້ໃຊ້ ຫຼື ລະຫັດຜ່ານໃນທີ່ຢູ່, ຢູ່ host ທີ່ມີທີ່ຢູ່ສາທາລະນະ. |
| ຄຳຕອບຂອງ host | status ໃນຊ່ວງ 200 ແລະ body ທີ່ບໍ່ວ່າງ. ປະເພດໄຟລ໌ຖືກອ່ານຈາກ Content-Type. |
| ຮ້ອງຂໍເປັນ | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
ຮູບພາບຖືກນັບເປັນ tokens ແນວໃດ
ໃນ hosted open-weight models, ຮູບພາບນັບໜຶ່ງ token ຕໍ່ໜຶ່ງ patch ຂະໜາດ 28 × 28 ພິກເຊວ: ຄວາມກວ້າງຫານ 28 ປັດຂຶ້ນ, ຄູນກັບຄວາມສູງຫານ 28 ປັດຂຶ້ນ. ຜົນລັບເປັນສ່ວນໜຶ່ງຂອງ usage.prompt_tokens ແລະ ຖືກຄິດເງິນເປັນ input.
- 1024 × 1024
- 1,369 tokens
- 1920 × 1080
- 2,691 tokens
- 512 × 512
- 361 tokens
- ຮູບພາບລະຍະໄກຖືກດຶງມາກ່ອນ, ດັ່ງນັ້ນຂະໜາດຈິງຂອງມັນຖືກນັບ.
- ຮູບພາບທີ່ອ່ານຂະໜາດບໍ່ໄດ້ນັບເປັນ 1,024 tokens.
- endpoint ນັບໃຊ້ກົດດຽວກັນສຳລັບ data URL. ພວກມັນບໍ່ດຶງທີ່ຢູ່ລະຍະໄກ ແລະ ນັບມັນເປັນ 1,024 tokens. ການນັບ token
- ສຳລັບ model Shannon, ໃຫ້ອ່ານຄ່າໃຊ້ຈ່າຍຂອງຄຳຮ້ອງຂໍທີ່ມີຮູບພາບຈາກ
usageໃນຄຳຕອບ.
ເອກະສານ ແລະ ໄຟລ໌ອື່ນ
ຕະກູນ Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) ອ່ານເອກະສານໄດ້ນຳ. ຂໍ້ຄວາມຂອງເອກະສານຖືກດຶງອອກ ແລະ ສົ່ງໃຫ້ model ພ້ອມຂໍ້ຄວາມຂອງທ່ານ.
| ເອກະສານ | 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 |
ເອກະສານເປັນສ່ວນໜຶ່ງຂອງຂໍ້ຄວາມ user, ຄືກັບຮູບພາບ:
| Endpoint | ໃນຄຳຮ້ອງຂໍ (base64) | ຜ່ານທີ່ຢູ່ |
|---|---|---|
/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."}
]
}
]
} - ໃຫ້ media type ທີ່ແທ້ຈິງຂອງໄຟລ໌. ຖ້າບໍ່ມີ, ເອກະສານຈະຖືກອ່ານເປັນ
application/pdf. - ໄຟລ໌ຂໍ້ຄວາມທຳມະດາ, ເຊັ່ນ CSV, ຖືກອ່ານເປັນຂໍ້ຄວາມ ແລະ ແນບໃນແບບດຽວກັນ.
- ເມື່ອອ່ານເອກະສານບໍ່ໄດ້, ຫຼື ໄຟລ໌ເປັນປະເພດອື່ນ, model ຈະຖືກບອກ ແລະ ສາມາດບອກໃນຄຳຕອບຂອງມັນ. status ຍັງເປັນ
200. - ໃນ model ອື່ນທັງໝົດ, ສ່ວນເອກະສານຖືກຕັດອອກຈາກສິ່ງທີ່ model ອ່ານ, ແລະ ຄຳຮ້ອງຂໍຖືກຕອບຈາກສ່ວນທີ່ເຫຼືອ.
- ເອກະສານທີ່ສົ່ງຜ່ານທີ່ຢູ່ຖືກດຶງມາພາຍໃຕ້ຂີດຈຳກັດຂອງໄຟລ໌ລະຍະໄກຂ້າງເທິງ.
ຂໍ້ຜິດພາດ
| ສະຖານະ | ປະເພດ | ຂໍ້ຄວາມ | ເມື່ອໃດ |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | ສົ່ງຮູບພາບໄປຫາ hosted open-weight model ທີ່ຮັບສະເພາະຂໍ້ຄວາມ. ບໍ່ມີຫຍັງຖືກຫັກຈາກ ຍອດເງິນ ຂອງທ່ານ. |
400 | invalid_request_error | audio and video input are not supported by any hosted model | ສົ່ງສ່ວນສຽງ ຫຼື ວິດີໂອໄປຫາ hosted open-weight model. |
413 | invalid_request_error | Failed to buffer the request body: … | body ຂອງຄຳຮ້ອງຂໍ, ພ້ອມໄຟລ໌ inline, ໃຫຍ່ກວ່າ 32 MiB. ຂໍ້ຜິດພາດມີ code: "request_too_large". |
model Shannon ຕອບດ້ວຍ status 200 ບໍ່ວ່າຄຳຮ້ອງຂໍຈະມີໄຟລ໌ຫຍັງ: ສ່ວນທີ່ມັນບໍ່ອ່ານຈະຖືກຕັດອອກ. ການຈັດການຂໍ້ຜິດພາດ