Shannon 3, model AI tanpa tapisan yang menyemak jawapannya sendiri

Hampir setiap model sembang yang pernah anda guna menjawab dalam satu laluan hadapan. Ia memilih token pertama sebelum ia tahu token terakhir, dan sebaik sahaja satu ayat dipancarkan ia terikat: model boleh bercanggah dengannya kemudian, tetapi ia tidak boleh berpatah balik dan membetulkannya. Itu berfungsi baik apabila jawapannya pendek dan soalannya satu bahagian. Ia berfungsi buruk apabila jawapannya panjang, soalannya empat bahagian, dan perenggan enam diam-diam membatalkan perenggan dua. Shannon 3 wujud kerana kami tidak menganggap penyelesaiannya ialah model yang lebih besar. Penyelesaiannya ialah membiarkan model membaca apa yang baru sahaja ditulisnya.

01Apa itu Shannon 3

Shannon 3 ialah keluarga model dua peringkat. Kedua-dua peringkat berjalan pada kluster GPU kami sendiri dan bukan pada API inferens pihak ketiga, dan kedua-duanya tanpa tapisan: tiada lapisan penolakan di hadapannya dan tiada penapis kandungan di belakangnya. Yang berbeza antara peringkat ialah berapa banyak kerja yang satu giliran dibenarkan lakukan sebelum jawapan sampai kepada anda.

Pada API, kedua-dua peringkat ialah id model biasa. Tiada titik akhir khas, tiada SDK berasingan, dan tiada format permintaan tempahan khas:

Peringkat	Id model	Bentuk giliran	Terbaik untuk
Shannon 3 Lite	shannon-3	Satu laluan fikir + deraf	Sembang, pendrafan, carian, volum tinggi
Shannon 3 Pro	shannon-3-pro	Gelung penuh, sehingga 10 laluan, tambah penuaian pengetahuan	Analisis, penulisan panjang, kerja sensitif ketepatan

02Mengapa satu laluan hadapan ialah bentuk yang salah untuk soalan sukar

Model yang menjana teks dari kiri ke kanan membuat satu jujukan keputusan setempat yang tidak boleh ditarik balik. Ia tiada pemadam. Apabila ia sudah 400 token ke dalam satu penerangan dan menyedari kerangka yang dipilihnya salah, satu-satunya pilihannya ialah meneruskan dalam kerangka yang salah atau menambah pembetulan — menghasilkan jawapan yang semua orang kenal, yang berkata sebenarnya, kembali kepada perkara di atas di pertengahan dan membiarkan anda menyelaraskan dua bahagian yang tidak serasi.

Rantai pemikiran memperbaiki ini tetapi tidak menyelesaikannya. Berfikir dahulu memberi model satu pelan sebelum ia terikat kepada prosa, dan itu keuntungan tulen; deraf yang menyusul tetap ditulis dalam satu laluan dan tetap dihantar tanpa dibaca. Tiada apa-apa yang pernah menanyakan soalan yang mula-mula ditanya oleh editor manusia: adakah jawapan ini benar-benar melakukan apa yang dikatakan oleh pemikiran itu? Mod kegagalan yang terselamat daripada rantai pemikiran adalah khusus dan mudah dikenali:

• Sub-soalan yang tercicir. Anda tanya empat perkara. Pemikiran menyenaraikan empat perkara. Jawapan meliputi tiga.
• Hanyutan pelan. Penaakulan memilih satu pendekatan; prosanya beransur-ansur menggunakan pendekatan lain, dan tiada satu ayat pun yang menjadi tempat ia tersasar.
• Aritmetik dan unit. Satu nombor yang dikira dengan betul dalam pemikiran disalin salah ke dalam jawapan, atau angka sebulan dipersembahkan sebagai setahun.
• Kekangan yang diabaikan. Anda kata tiada kebergantungan luaran; kod mengimport satu, dan pemikiran tidak pernah menyebut kekangan itu lagi selepas mengakuinya.
• Jurang yang yakin. Model berkata dalam pemikirannya bahawa ia tidak pasti tentang satu fakta tertentu, kemudian tetap menyatakannya secara tegas dalam jawapan.

Setiap satu daripada ini tertangkap dengan membaca deraf. Tiada satu pun tertangkap dengan menjana deraf lebih berhati-hati.

03Gelung penaakulan, peringkat demi peringkat

Satu giliran Shannon 3 Pro ialah gelung dengan empat peringkat dan satu syarat keluar.

Fikir

Model menggarap masalah sebelum menulis apa-apa untuk anda: mengurai soalan, mencatat kekangan, mengenal pasti apa yang ia tahu dan tidak tahu, memilih satu pendekatan. Apa yang dihasilkannya di sini menjadi piawai yang jawapan itu diukur nanti.

Deraf

Model menulis jawapan yang lengkap dan sebenar — bukan rangka. Ia mesti lengkap, kerana peringkat seterusnya menilai artifak yang siap, dan lakaran tidak boleh disemak untuk mod kegagalan yang hanya muncul pada panjang penuh.

Semak

Inilah peringkat yang menjadikan keluarga ini apa adanya. Model membaca deraf terhadap pemikiran — satu ujian yang jauh lebih tajam daripada membaca deraf sahaja. Menanya model "adakah jawapan ini bagus?" mengundangnya berkata ya; menanya "pelan itu kata perlu meliputi X, Y dan Z di bawah kekangan C — adakah teks ini melakukannya?" memberinya sesuatu yang boleh disangkal untuk disemak. Semakan menamakan apa yang salah dan bukan mengeluarkan gred.

Tulis semula

Masalah yang dinamakan dibetulkan dalam deraf baharu. Ini penulisan semula, bukan tampalan: pembetulan yang memerlukan penyusunan semula hujah dibenarkan menyusun semula hujah. Deraf baharu kembali kepada semakan.

Berhenti

Gelung berakhir kali pertama satu semakan meluluskan deraf — jalan keluar biasa, dan pada kebanyakan giliran ia berlaku jauh sebelum siling. Had keras 10 lelaran wujud untuk kes patologi, seperti soalan yang benar-benar taksa di mana setiap penulisan semula menukar satu kelemahan dengan kelemahan lain, supaya satu giliran tidak boleh berpusing tanpa henti.

Lite mengambil dua peringkat pertama yang sama dan berhenti. Ia berfikir, ia mendraf, ia menyerahkan deraf itu kepada anda. Itu keputusan produk yang disengajakan, bukan kemalangan versi terpangkas: pada sebahagian besar mesej sebenar, deraf pertama ialah jawapan yang betul, dan membayar kependaman semakan untuk diberitahu begitu ialah pertukaran yang buruk. Lite untuk apabila anda mahu model itu pantas; Pro untuk apabila anda mahu ia pasti.

04Penuaian pengetahuan Pro: meminta bantuan dan bukan meneka

Semakan sendiri menangkap percanggahan, peninggalan dan pelanggaran kekangan, kerana bukti yang diperlukan untuk menangkapnya sudah ada dalam giliran itu. Ia tidak boleh menangkap fakta yang model memang tidak ada. Model yang menyemak derafnya sendiri boleh menyimpulkan saya tidak yakin tentang angka ini dan kemudian tiada ke mana hendak dibawa kesimpulan itu.

Pro memberikannya tempat untuk pergi. Sekitar peringkat pendrafan ia melakukan penuaian pengetahuan: ia mengenal pasti fakta khusus yang hilang atau yang ia tidak pasti, menanyakan model kedua yang lebih besar tepat tentang perkara itu, dan menggabungkan apa yang kembali ke dalam jawapan yang diperbaiki. Ia carian bersasar yang didorong oleh jurang yang dinamakan oleh model itu sendiri, bukan pendapat kedua secara pukal.

Dua sifat penting dalam amalan. Ia berskop: penuaian bertanya tentang jurang yang dikenal pasti dan bukan menanya semula keseluruhan soalan, jadi model yang lebih besar dirujuk di tempat ia menambah maklumat dan bukan di tempat ia sekadar menambah suara yang berbeza. Dan ia bersepadu: fakta yang dituai kembali melalui gelung dan menghadapi semakan yang sama seperti segala yang lain, bukannya tiba sebagai perenggan tampalan.

05Penaakulan itu kelihatan, dan ia dalam bahasa anda

Seluruh jejak ditunjukkan kepada anda sambil giliran berjalan: pemikirannya, dan pada Pro setiap semakan serta apa yang dibantahnya. Ini bukan paparan nyahpepijat yang kami sekadar biarkan terdedah — ia sebahagian besar daripada apa yang anda beli, dan ia mengubah hubungan kerja dalam tiga cara yang konkrit.

• Anda boleh berhenti awal. Jika pemikiran tersalah baca soalan anda — hasil biasa gesaan yang taksa, bukan model yang buruk — anda tahu dalam beberapa saat pertama, bukan selepas jawapan penuh tiba dan menyelesaikan masalah yang salah.
• Anda boleh mengaudit penaakulan secara berasingan daripada jawapan. Jawapan betul yang dicapai melalui penaakulan yang salah ialah liabiliti, kerana ia tidak akan bertahan pada soalan seterusnya.
• Anda boleh melihat gelung gagal. Apabila Pro membakar beberapa lelaran tanpa menumpu, itu dipaparkan dan bukan disembunyikan — dan ia maklumat sebenar, biasanya bermakna soalan itu kurang jelas.

Jejak ditulis dalam bahasa anda sendiri, bukan dijana dalam bahasa Inggeris dan diterjemah pada penghujungnya. Jika anda bekerja dalam bahasa Jepun, Arab, Turki atau Portugis, model menaakul dalam bahasa itu — yang mengekalkan istilah dalam jejak konsisten dengan istilah dalam jawapan, dan mengelakkan jahitan yang muncul apabila model berfikir dalam satu bahasa dan bertutur dalam bahasa lain.

06Tanpa tapisan: tiada lapisan penolakan, tiada penapis output

Shannon 3 hadir tanpa lapisan penolakan dan tanpa penapisan kandungan output. Tingkah laku penolakan tidak wujud dalam produk pada mana-mana peringkat: bukan sebagai pembalut yang memeriksa mesej anda sebelum model melihatnya, bukan sebagai pengelas yang memeriksa jawapan sebelum anda melihatnya, dan bukan sebagai refleks yang model perlu dipujuk keluar daripadanya. Itu berbeza secara ketara daripada dua perkara yang biasanya orang maksudkan apabila mereka kata "tanpa tapisan":

Pendekatan	Apa yang ia lakukan	Bagaimana ia gagal
Jailbreak gesaan sistem	Mengarah model terjajar berkelakuan seolah-olah tidak terjajar	Merosot sepanjang perbualan panjang; penolakan kembali apabila ditekan
Pembuangan penapis output	Berhenti menyekat teks yang sudah dihasilkan model	Model tetap menulis teks berpagar dan mengelak — tiada apa yang disekat, ia memang tidak pernah ditulis
Shannon 3	Tiada lapisan penolakan untuk dibuang dan tiada penapis untuk dilumpuhkan — tingkah laku itu memang tidak ada	Meletakkan keputusan pertimbangan sepenuhnya pada anda; model tidak akan menolak bagi pihak anda

Dalam amalan, Shannon 3 menangani soalan yang anda tanya dan bukan soalan lebih selamat yang bersebelahan dengannya: fiksyen dengan antagonis sebenar, topik keselamatan dibincangkan secara teknikal dan bukan pada altitud kenyataan akhbar, maklumat perubatan, undang-undang dan kewangan diberi secara terus dengan peringatan yang memang wajar — dan tiada syarahan penutup tentang mengapa anda mungkin bertanya. Ia juga tidak mencairkan gelung: satu semakan bebas berkata deraf itu salah, dan itu bentuk tentangan yang berbeza dan lebih berguna daripada penolakan.

Apa yang ketiadaan lapisan penolakan tidak lakukan ialah menjadikan model betul. Model tanpa tapisan sama berkemampuan untuk salah dengan yakin seperti model bertapis, dan lebih ketara begitu, kerana ia tidak akan berundur ke dalam kekaburan apabila tidak pasti. Itu salah satu hujah yang lebih baik untuk gelung ini: tanpa refleks penolakan menghalang, semakan sendiri melakukan kerja keselamatan yang penting kepada pengguna profesional — menangkap kesilapan. Penggunaan model oleh anda kekal tertakluk kepada Dasar Penggunaan Bertanggungjawab kami dan kepada undang-undang di tempat anda berada.

07Visi, dokumen, dan penjanaan imej

Kedua-dua peringkat menerima imej dan dokumen sebagai lampiran dan membacanya sebagai sebahagian daripada giliran. Tangkapan skrin binaan yang gagal, papan putih yang difoto, satu skematik, halaman kontrak yang diimbas atau PDF boleh menjadi subjek soalan dan bukan sesuatu yang perlu anda salin dahulu. Pada Pro, lampiran menyertai gelung seperti segala yang lain: jika satu semakan memutuskan deraf menjawab soalan yang tidak disokong oleh imej itu, ia ditulis semula.

Penjanaan dan penyuntingan imej tersedia dalam sembang sebagai alat, bukan sebagai tujuan model. Shannon 3 ialah model penaakulan yang boleh menghasilkan atau menyunting imej apabila perbualan memerlukannya, bukan model imej dengan antara muka sembang dilekatkan padanya. Perbezaan ini menetapkan jangkaan dengan betul: nilai keluarga ini pada cara ia berfikir, dan anggap gambar sebagai kemudahan yang menjimatkan pertukaran konteks.

08Tetingkap konteks, dan ke mana barisan 3.x menuju selepas itu

Shannon 3.0 dilancarkan dengan tetingkap konteks 32,768 token. Itu angka sejarah yang jujur, dan berbaloi dinyatakan secara terus terang, kerana gelung menggunakan konteks berbeza daripada model satu laluan: gesaan anda, lampiran anda, pemikirannya, dan setiap kitaran deraf dan semakan semuanya hidup dalam bajet yang sama.

32K selesa untuk kebanyakan kerja sembang dan analisis — dokumen panjang, fail kod yang besar, soalan berbilang bahagian yang terperinci dengan ruang untuk gelung berjalan. Ia sempit untuk input yang benar-benar besar, dan kekangan itulah yang ditangani oleh keluaran seterusnya. Shannon 3.1 menaikkan tetingkap konteks dengan ketara dan mengubah apa yang gelung ini boleh ditujukan kepadanya; jika anda menilai keluarga ini hari ini, baca artikel itu kedua dan anggap nombor di sini sebagai sejarah.

09Memanggil Shannon 3 daripada API

Shannon 3 tersedia melalui ketiga-tiga dialek API kami, pada model yang sama, dengan penstriman pada setiap satu:

Dialek	Titik akhir	Gunakannya apabila
Serasi OpenAI	/v1/chat/completions	Anda sudah ada kod klien OpenAI — tukar URL asas dan id model
Serasi Anthropic	/v1/messages	Tindanan anda dibina sekitar format Messages
Responses	/v1/responses	Anda mahukan bentuk permintaan/respons yang lebih baharu

Hantar shannon-3 atau shannon-3-pro sebagai id model. Dua perkara berbaloi dirancang di sisi klien. Giliran Pro mengambil masa lebih lama, dan dengan jumlah yang berubah-ubah, kerana bilangan lelaran bergantung pada soalan — tetapkan masa tamat berdasarkan siling dan bukan purata, dan utamakan penstriman supaya pengguna nampak kemajuan dan bukan pemutar. Dan jejak penaakulan ialah kandungan yang anda boleh pilih untuk dipaparkan; di tempat pengguna sedang menunggu, menunjukkannya biasanya lebih baik daripada menyembunyikannya, kerana ia menukar masa mati kepada sesuatu yang boleh dibaca. Skema permintaan dan respons, butiran penstriman dan taman permainan langsung ada dalam dokumentasi API.

10Memilih peringkat

Gelung Pro membayar balik kependamannya berkadar dengan berapa banyak yang boleh jadi salah.

Tugas anda	Peringkat	Mengapa
Soalan fakta pantas, balasan pendek	shannon-3	Deraf pertama ialah jawapannya; semakan tiada apa untuk ditangkap
Automasi volum tinggi atau terikat kependaman	shannon-3	Masa giliran yang boleh diramal ialah kekangan yang mengikat
Analisis berbilang bahagian dengan kekangan	shannon-3-pro	Sub-soalan tercicir dan pelanggaran kekangan tepat itulah yang ditangkap semakan
Penulisan panjang yang mesti kukuh menyeluruh	shannon-3-pro	Percanggahan dalaman ialah sifat panjang penuh, tidak kelihatan sewaktu mendraf
Apa-apa dengan nombor yang akan anda tindaki	shannon-3-pro	Semakan menyemak semula aritmetik dan unit terhadap pemikiran
Soalan menyentuh fakta di pinggir pengetahuan model	shannon-3-pro	Penuaian pengetahuan menukar jurang yang dinamakan kepada carian

Satu corak praktikal: guna Lite sambil anda masih menentukan apa yang hendak ditanya, kemudian jalankan semula soalan yang sudah mantap itu sekali pada Pro. Gelung ini berbaloi dibayar pada versi soalan yang benar-benar anda maksudkan.

11Batasan yang wajar diketahui sebelum anda komited

Kad model yang menyenaraikan kekuatan sahaja ialah iklan. Inilah tempat Shannon 3 akan mengecewakan anda:

• Pro lebih perlahan, dan secara tidak boleh diramal. Satu giliran yang menumpu dalam dua lelaran dan satu yang berjalan sehingga sepuluh berbeza beberapa kali ganda dalam masa jam dinding. Jika anda perlukan kependaman terbatas, gunakan Lite.
• Semakan bukan bukti. Model yang menyemak kerjanya sendiri berkongsi titik butanya sendiri. Gelung ini boleh diharap menangkap ketidakkonsistenan antara pemikiran dan deraf; ia tidak boleh diharap menangkap ralat yang dipegang dengan yakin dalam pemikiran itu sendiri.
• Konteks dikongsi dengan gelung. Pada 32K, input yang sangat panjang ditambah beberapa deraf panjang penuh ialah kekangan sebenar pada 3.0. Lihat Shannon 3.1 untuk siling yang dinaikkan.
• Penuaian hanya mengisi jurang yang disedari model. Ia menukar "saya tidak pasti tentang ini" kepada satu carian, dan itu keuntungan sebenar — tetapi fakta yang model salah dengan yakin tidak pernah ditandakan sebagai hilang, jadi ia tidak pernah dituai.
• Tanpa tapisan bermakna tanpa tapisan. Model tidak akan menolak dan tidak akan melembutkan. Jika produk anda perlukan sempadan penolakan, binalah di tempat yang anda boleh lihat dan bukan berharap model membekalkannya.

12Soalan lazim

---

Shannon 3 dikendalikan oleh Shannon Lab LLC, New Mexico, USA. Angka di sini menerangkan konfigurasi pelancaran 3.0; lihat kad model Shannon 3.1 untuk had semasa dan indeks penyelidikan untuk selebihnya keluarga ini. Kami tidak menerbitkan skor penanda aras untuk Shannon 3 dan tidak membuat dakwaan prestasi perbandingan.