क्षमता

प्रत्येक मॉडेल API द्वारे काय करू शकते, मॉडेलनुसार: टूल्स, इमेज इनपुट, रीझनिंग, JSON आउटपुट, प्रॉम्प्ट कॅशिंग, वेब सर्च आणि स्ट्रीमिंग.

प्रत्येक मॉडेलपर्यंत त्याच तीन एंडपॉइंटद्वारे, त्याच कीने पोहोचता येते. दोन टेबल्स मॉडेल्समध्ये फरक कुठे आहे ते दाखवतात. डॅश म्हणजे ते मॉडेल ती क्षमता वापरल्याशिवाय उत्तर देते.

Shannon मॉडेल्स

मॉडेल	टूल्स	इमेज	रीझनिंग	Effort	JSON ऑब्जेक्ट	JSON स्कीमा	कॅशिंग	शोध	स्ट्रीमिंग
`shannon-1.6-lite`	होय	होय	—	—	होय	होय	—	होय	होय
`shannon-1.6-pro`	होय	होय	होय	—	होय	होय	—	होय	होय
`shannon-2-lite`	होय	—	होय	—	होय	होय	—	होय	होय
`shannon-2-pro`	होय	—	होय	—	होय	होय	—	होय	होय
`shannon-3`	होय	होय	होय	—	होय	होय	—	होय	होय
`shannon-3-pro`	होय	होय	होय	—	होय	होय	—	होय	होय
`shannon-3.1`	होय	होय	होय	—	होय	होय	—	होय	होय
`shannon-3.1-pro`	होय	होय	होय	—	होय	होय	—	होय	होय
`shannon-3.5`	होय	—	—	—	होय	होय	—	—	होय
`shannon-coder-1`	होय	—	होय	—	होय	होय	—	—	होय

होस्ट केलेली open-weight मॉडेल्स

होस्ट केलेल्या मॉडेलचा id म्हणजे त्याचे नाव आणि त्याचा व्हेरिएंट हायफनने जोडलेले, उदाहरणार्थ DeepSeek-V4-Pro-0813-3BIT-REAP.

मॉडेल	टूल्स	इमेज	रीझनिंग	Effort	JSON ऑब्जेक्ट	JSON स्कीमा	कॅशिंग	शोध	स्ट्रीमिंग
DeepSeek-V4-Pro-0813 `3BIT-REAP`	होय	—	होय	होय	होय	होय	होय	—	होय
GLM-5.2 `3BIT-REAP`	होय	—	होय	होय	होय	होय	होय	—	होय
Kimi-K3 `3BIT-REAP`	होय	होय	होय	होय	होय	होय	होय	—	होय
Nemotron3Ultra `3BIT-REAP`	होय	—	होय	होय	होय	होय	होय	—	होय
MiniMax-M3 `3BIT-REAP`	होय	होय	होय	होय	होय	होय	होय	—	होय
DeepSeek-V4-Flash-0731 `W4A16-AUTOROUND-REAP`	होय	—	होय	होय	होय	होय	होय	—	होय
Kimi-K2.6 `W4A16-AUTOROUND-REAP`	होय	होय	होय	होय	होय	होय	होय	—	होय
Laguna-S-2.1 `W4A16-AUTOROUND-REAP`	होय	—	होय	होय	—	—	होय	—	होय
inkling `W4A16-AUTOROUND-REAP`	होय	होय	होय	होय	होय	—	होय	—	होय
MiMo-V2.5-Pro `W8A16`	होय	—	होय	होय	होय	होय	होय	—	होय
MiMo-V2.5 `W8A16`	होय	होय	होय	होय	होय	होय	होय	—	होय
Hy3 `W8A16`	होय	—	होय	होय	होय	होय	होय	—	होय

प्रत्येक स्तंभाचा अर्थ

टूल्स. तुम्ही tools मध्ये फंक्शन्सचे वर्णन करता, मॉडेल त्याला हवे असलेले कॉल्स देऊन उत्तर देते, आणि तुमचा कोड ती चालवतो. प्रत्येक मॉडेल टूल्स घेते. सक्तीचा tool_choice होस्ट केलेली open-weight मॉडेल्स लागू करतात. फंक्शन कॉलिंग
इमेज इनपुट. मॉडेल user संदेशात पाठवलेल्या इमेज वाचते, data URL म्हणून किंवा पत्ता म्हणून. shannon-2-lite आणि shannon-2-pro tools किंवा response_format देखील पाठवणाऱ्या रिक्वेस्ट्समध्ये इमेज वाचतात. Shannon 3 कुटुंब डॉक्युमेंट्सही वाचते. इमेज आणि फाइल्स
रीझनिंग. उत्तर मॉडेलचा रीझनिंग मजकूर उत्तराच्या बाजूला, स्वतंत्र फील्डमध्ये देऊ शकते. रीझनिंग effort
रीझनिंग effort. रिक्वेस्ट फील्ड मॉडेल किती सखोल रीझनिंग करते ते ठरवते: off, low, medium किंवा high. Shannon मॉडेल्स आपली खोली स्वतः ठरवतात. रीझनिंग effort
JSON ऑब्जेक्ट. response_format: {"type": "json_object"} सह उत्तर ठराविक रचना नसलेले JSON असते. /v1/chat/completions आणि /v1/responses वर. संरचित आउटपुट्स
JSON स्कीमा. json_schema प्रकारच्या response_format सह उत्तर तुम्ही पाठवलेल्या स्कीमाचे पालन करते. /v1/chat/completions आणि /v1/responses वर. संरचित आउटपुट्स
प्रॉम्प्ट कॅशिंग. त्याच मॉडेलवरील अलीकडील प्रॉम्प्टसारखा सुरू होणारा प्रॉम्प्ट कॅशमधून वाचला जातो, आणि कॅश केलेल्या भागाचे बिल इनपुट किमतीच्या 25% दराने होते. त्यासाठी रिक्वेस्ट फील्ड लागत नाही. प्रॉम्प्ट कॅशिंग
वेब सर्च. web_search: true सह API वेबवर शोधते आणि उत्तर देण्यापूर्वी निकाल मॉडेलला देते. /v1/chat/completions आणि /v1/messages वर. हे रिक्वेस्टचे फील्ड आहे आणि GET /v1/models मध्ये त्याचा फ्लॅग नाही. Built‑in Web Search
स्ट्रीमिंग. stream: true सह मॉडेल लिहीत असताना उत्तर सर्व्हर-सेंट इव्हेंट्स म्हणून येते. प्रत्येक मॉडेल तिन्ही एंडपॉइंटवर स्ट्रीम करते. स्ट्रीमिंग

GET /v1/models वरून तीच तथ्ये

GET https://api.shannon-ai.com/v1/models

GET /v1/models प्रत्येक मॉडेल capabilities ऑब्जेक्टसह यादीत देतो, त्यामुळे प्रोग्राम या पानाऐवजी ही तथ्ये वाचू शकतो. एंडपॉइंटला की लागत नाही.

from openai import OpenAI

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

for model in client.models.list():
    print(model.id, getattr(model, "capabilities", None))

import OpenAI from "openai";

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

for await (const model of client.models.list()) {
  console.log(model.id, model.capabilities);
}

curl https://api.shannon-ai.com/v1/models

data मधील दोन नोंदींचे id आणि capabilities:

200 JSON

[
  {
    "id": "shannon-3",
    "capabilities": {
      "tools": true,
      "vision": true,
      "reasoning": true,
      "reasoning_effort": false,
      "streaming": true,
      "json_schema": true
    }
  },
  {
    "id": "Kimi-K3-3BIT-REAP",
    "capabilities": {
      "tools": true,
      "vision": true,
      "reasoning": true,
      "reasoning_effort": true,
      "streaming": true,
      "response_format": true,
      "json_schema": true,
      "prompt_caching": true
    }
  }
]

स्तंभ	capabilities मधील फ्लॅग
टूल्स	`tools`
इमेज इनपुट	`vision`
रीझनिंग	`reasoning`
रीझनिंग effort	`reasoning_effort`
JSON ऑब्जेक्ट	`response_format`
JSON स्कीमा	`json_schema`
प्रॉम्प्ट कॅशिंग	`prompt_caching`
वेब सर्च	फ्लॅग नाही: रिक्वेस्ट फील्ड `web_search`.
स्ट्रीमिंग	`streaming`

response_format आणि prompt_caching हे होस्ट केलेल्या open-weight नोंदींचे फ्लॅग आहेत. Shannon नोंद JSON आउटपुट फक्त json_schema ने दर्शवते, जे दोन्ही JSON मोड दर्शवते.
shannon-2-lite आणि shannon-2-pro साठी vision true आहे: ते tools किंवा response_format देखील पाठवणाऱ्या रिक्वेस्ट्समध्ये इमेज वाचतात.

मॉडेलच्या ओळीबाहेर

होस्ट केलेले open-weight मॉडेल त्याच्या ओळीबाहेरची इमेज किंवा JSON मोड नाकारते. हा नकार तुमच्या बॅलन्समधून काहीही वजा होण्यापूर्वी येतो:

स्टेटस	प्रकार	संदेश	केव्हा
`400`	`invalid_request_error`	`<id> does not accept image input`	इमेज इनपुट नसलेल्या होस्ट केलेल्या open-weight मॉडेलला इमेज पाठवली गेली.
`400`	`invalid_request_error`	`<id> does not accept response_format`	दोन्ही JSON मोड नसलेल्या होस्ट केलेल्या open-weight मॉडेलकडून JSON आउटपुट मागितले गेले.
`400`	`invalid_request_error`	`<id> does not accept response_format json_schema; use json_object`	फक्त JSON ऑब्जेक्ट मोड असलेल्या होस्ट केलेल्या open-weight मॉडेलला स्कीमा पाठवला गेला.

Shannon मॉडेल अशा रिक्वेस्टला स्टेटस 200 सह उत्तर देते: त्याच्या ओळीबाहेरची क्षमता उत्तरात भाग घेत नाही. त्रुटी हाताळणी