Прескокни до содржината
Слики и датотеки

Слики и датотеки

Испраќајте слики со порака: кои модели ги прифаќаат, прифатените облици и нивните ограничувања.

POST https://api.shannon-ai.com/v1/chat/completions

Сликата патува во пораката на корисникот, како еден дел од нејзината content. Примерот чита локална датотека и ја испраќа како 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
  }
}

Кои модели прифаќаат слики

Модели Чита
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Слики и документи: PDF, Word, PowerPoint, Excel и датотеки со обичен текст.
shannon-1.6-lite, shannon-1.6-pro Слики.
shannon-2-lite, shannon-2-pro Слики, во барања што испраќаат и tools или response_format.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Слики.
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 Текст. Барање со слика се одговара со статус 400.
shannon-coder-1 Текст.

GET /v1/models го пријавува влезот на слики по ид како capabilities.vision. Модели и цени

  • Моделите Shannon ги читаат датотеките од последната порака на корисникот. Ставете ја сликата во пораката што се однесува на неа.
  • Фамилијата Shannon 3 задржува во вид и неколку слики и документи од претходните пораки на корисникот кога биле испратени вградено, и чита утврден максимален број слики по барање, броејќи од првата.
  • Хостираните open-weight модели ги читаат сликите од секоја порака во разговорот.

Прифатени облици

Датотеката се испраќа на еден од два начина: во барањето како base64, или како адреса што API-то ја презема. Секоја датотека патува со барањето; API-то нема ендпоинт за прикачување.

Ендпоинт Во барањето (base64) По адреса
/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://…"}}

Истата порака од корисникот во секој формат:

{
  "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 има облик data:<media type>;base64,<data>. Делот ;base64 е задолжителен.
  • На /v1/chat/completions и /v1/responses, image_url може да биде самиот стринг или објект {"url": "…"}.
  • Типот на датотеката доаѓа од data URL или од media_type. Без него, сликата се чита како image/png.
  • Вградените датотеки се вбројуваат во големината на телото на барањето, која може да биде до 32 MiB.
  • Прифатено заради компатибилност: image_url.detail.

Ограничувања за далечински датотеки

Кога ќе испратите адреса, API-то ја презема датотеката пред да се изврши моделот, во овие ограничувања:

Ограничување Правило
Големина До 8 MiB по датотека.
Време 20 секунди за одговор.
Пренасочувања Најмногу 5.
Адреса http:// или https://, без корисничко име или лозинка во адресата, на хост со јавна адреса.
Одговор на хостот Статус од опсегот 200 и тело што не е празно. Типот на датотеката се чита од Content-Type.
Се бара како User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Како сликите се бројат во токени

На хостираните open-weight модели сликата брои по еден токен за секое поле од 28 × 28 пиксели: ширината поделена со 28, заокружена нагоре, помножена со висината поделена со 28, заокружена нагоре. Резултатот е дел од usage.prompt_tokens и се наплатува како влез.

1024 × 1024
1,369 токени
1920 × 1080
2,691 токени
512 × 512
361 токени
  • Далечинската слика се презема прво, па се брои нејзината вистинска големина.
  • Слика чија големина не може да се прочита брои 1,024 токени.
  • Ендпоинтите за броење го користат истото правило за data URL. Не преземаат далечинска адреса и ја бројат како 1,024 токени. Броење токени
  • За модел Shannon, колку чини барање со слики прочитајте од usage во одговорот.

Документи и други датотеки

Фамилијата Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) чита и документи. Текстот на документот се извлекува и му се дава на моделот заедно со вашата порака.

Документ Тип на медиум
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Документот е дел од пораката на корисникот, како слика:

Ендпоинт Во барањето (base64) По адреса
/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."}
      ]
    }
  ]
}
  • Наведете го вистинскиот тип на медиум на датотеката. Без него, документот се чита како application/pdf.
  • Датотека со обичен текст, како CSV, се чита како текст и се прикачува на ист начин.
  • Кога документот не може да се прочита, или датотеката е од друг тип, моделот е известен за тоа и може да го каже во својот одговор. Статусот сепак е 200.
  • На секој друг модел делот за документ се изоставува од она што го чита моделот, а барањето се одговара врз основа на остатокот.
  • Документ испратен по адреса се презема според ограничувањата за далечински датотеки погоре.

Грешки

Статус Тип Порака Кога
400 invalid_request_error <id> does not accept image input Слика е испратена до хостиран open-weight модел што прима само текст. Ништо не се наплатува од вашето салдо.
400 invalid_request_error audio and video input are not supported by any hosted model Аудио или видео дел е испратен до хостиран open-weight модел.
413 invalid_request_error Failed to buffer the request body: … Телото на барањето, со вградените датотеки, е поголемо од 32 MiB. Грешката содржи code: "request_too_large".

Моделот Shannon одговара со статус 200 без разлика какви датотеки содржи барањето: делот што не го чита се изоставува. Ракување со грешки