ຂ້າມໄປຫາເນື້ອຫາ
ຮູບພາບ ແລະ ໄຟລ໌

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)
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
  }
}

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…"
      }
    }
  ]
}
  • data URL ມີຮູບແບບ data:<media type>;base64,<data>. ສ່ວນ ;base64 ຈຳເປັນ.
  • ໃນ /v1/chat/completions ແລະ /v1/responses, image_url ສາມາດເປັນ string ເອງ ຫຼື object {"url": "…"}.
  • ປະເພດໄຟລ໌ມາຈາກ data URL ຫຼື ຈາກ media_type. ຖ້າບໍ່ມີ, ຮູບພາບຈະຖືກອ່ານເປັນ image/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 usage ໃນຄຳຕອບ.

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
PDF 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."}
      ]
    }
  ]
}
  • 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