छवि र फाइलहरू
सन्देशसँग छवि पठाउनुहोस्: कुन मोडलले लिन्छ, स्वीकृत रूपहरू र तिनका सीमाहरू।
POST https://api.shannon-ai.com/v1/chat/completions
छवि प्रयोगकर्ता सन्देशभित्र, यसको content को एउटा भागका रूपमा जान्छ। नमूनाले स्थानीय फाइल पढ्छ र डेटा URL का रूपमा पठाउँछ।
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
}
} कुन मोडलले छवि लिन्छ
| मोडलहरू | पढ्छ |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | छविहरू, र कागजातहरू: PDF, Word, PowerPoint, Excel र प्लेन-टेक्स्ट फाइलहरू। |
shannon-1.6-lite, shannon-1.6-pro | छविहरू। |
shannon-2-lite, shannon-2-pro | tools वा response_format पनि पठाउने अनुरोधमा छविहरू। |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | छविहरू। |
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 | टेक्स्ट। छवि भएको अनुरोधलाई स्टेटस 400 सहित जवाफ दिइन्छ। |
shannon-coder-1 | टेक्स्ट। |
GET /v1/models ले छवि इनपुटलाई प्रति id capabilities.vision का रूपमा रिपोर्ट गर्छ। मोडल र मूल्य
- Shannon मोडलहरूले अन्तिम प्रयोगकर्ता सन्देशका फाइल पढ्छन्। छवि बारेमा सोध्ने सन्देशमै राख्नुहोस्।
- Shannon 3 परिवारले इनलाइन पठाइएका अघिल्ला प्रयोगकर्ता सन्देशहरूका केही छवि र कागजात पनि दृष्टिमा राख्छ, र पहिलोबाट गनेर प्रति अनुरोध तोकिएको अधिकतम संख्याका छवि पढ्छ।
- होस्ट गरिएका ओपन-वेट मोडलहरूले कुराकानीको हरेक सन्देशका छवि पढ्छन्।
स्वीकृत रूपहरू
फाइल दुई तरिकामध्ये एकमा पठाइन्छ: अनुरोधभित्र base64 को रूपमा, वा API ले ल्याउने ठेगानाको रूपमा। हरेक फाइल अनुरोधसँगै जान्छ; API मा अपलोड इन्डपोइन्ट छैन।
| इन्डपोइन्ट | अनुरोधभित्र (base64) | ठेगानाद्वारा |
|---|---|---|
/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://…"}} |
हरेक ढाँचामा उही प्रयोगकर्ता सन्देश:
{
"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…"
}
}
]
} - डेटा URL को ढाँचा
data:<media type>;base64,<data>हो।;base64भाग आवश्यक छ। /v1/chat/completionsर/v1/responsesमाimage_urlस्ट्रिङ आफैं वा{"url": "…"}अब्जेक्ट हुन सक्छ।- फाइल प्रकार डेटा URL वा
media_typeबाट आउँछ। नभए छविimage/pngका रूपमा पढिन्छ। - इनलाइन फाइलहरू अनुरोध बडीको आकारमा गनिन्छन्, जुन 32 MiB सम्म हुन सक्छ।
- अनुकूलताका लागि स्वीकार गरिन्छ:
image_url.detail।
रिमोट फाइलका सीमाहरू
तपाईंले ठेगाना पठाउँदा, मोडल चल्नु अघि API ले यी सीमाभित्र फाइल ल्याउँछ:
| सीमा | नियम |
|---|---|
| आकार | प्रति फाइल 8 MiB सम्म। |
| समय | जवाफ दिन 20 सेकेन्ड। |
| रिडाइरेक्टहरू | बढीमा 5। |
| ठेगाना | http:// वा https://, ठेगानामा प्रयोगकर्ता नाम वा पासवर्ड बिना, सार्वजनिक ठेगाना भएको होस्टमा। |
| होस्टको जवाफ | 200 दायराको स्टेटस र खाली नभएको बडी। फाइल प्रकार Content-Type बाट पढिन्छ। |
| यसको रूपमा माग गरिन्छ | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
छविहरू टोकनमा कसरी गनिन्छन्
होस्ट गरिएका ओपन-वेट मोडलहरूमा छवि हरेक 28 × 28 पिक्सेल प्याचका लागि एक टोकन गनिन्छ: चौडाइलाई 28 ले भाग गरी माथि पुर्याइएको, गुणा उचाइलाई 28 ले भाग गरी माथि पुर्याइएको। नतिजा usage.prompt_tokens को हिस्सा हो र इनपुटका रूपमा बिल गरिन्छ।
- 1024 × 1024
- 1,369 टोकन
- 1920 × 1080
- 2,691 टोकन
- 512 × 512
- 361 टोकन
- रिमोट छवि पहिले ल्याइन्छ, त्यसैले यसको वास्तविक आकार गनिन्छ।
- आकार पढ्न नसकिने छवि 1,024 टोकन गनिन्छ।
- गणना इन्डपोइन्टहरूले डेटा URL का लागि उही नियम प्रयोग गर्छन्। तिनीहरूले रिमोट ठेगाना ल्याउँदैनन् र त्यसलाई 1,024 टोकन गन्छन्। टोकन गणना
- Shannon मोडलका लागि, छवि भएको अनुरोधको लागत जवाफको
usageबाट पढ्नुहोस्।
कागजात र अन्य फाइलहरू
Shannon 3 परिवार (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) ले कागजातहरू पनि पढ्छ। कागजातको टेक्स्ट निकालेर तपाईंको सन्देशसँगै मोडललाई दिइन्छ।
| कागजात | मिडिया प्रकार |
|---|---|
application/pdf | |
| Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| PowerPoint | application/vnd.openxmlformats-officedocument.presentationml.presentation |
| Excel | application/vnd.openxmlformats-officedocument.spreadsheetml.sheet |
कागजात छवि जस्तै प्रयोगकर्ता सन्देशको एउटा भाग हो:
| इन्डपोइन्ट | अनुरोधभित्र (base64) | ठेगानाद्वारा |
|---|---|---|
/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."}
]
}
]
} - फाइलको वास्तविक मिडिया प्रकार दिनुहोस्। नदिए कागजात
application/pdfका रूपमा पढिन्छ। - CSV जस्तो प्लेन-टेक्स्ट फाइल टेक्स्टका रूपमा पढिन्छ र त्यसै तरिकाले संलग्न गरिन्छ।
- कागजात पढ्न नसकिँदा, वा फाइल अर्को प्रकारको हुँदा, मोडललाई त्यो बताइन्छ र यसले आफ्नो उत्तरमा भन्न सक्छ। स्टेटस तैपनि
200हुन्छ। - अरू हरेक मोडलमा कागजात भाग मोडलले पढ्ने कुराबाट छुट्छ, र अनुरोधको जवाफ बाँकी भागबाट दिइन्छ।
- ठेगानाद्वारा पठाइएको कागजात माथिको रिमोट फाइलका सीमाहरूमा ल्याइन्छ।
त्रुटिहरू
| स्थिति | प्रकार | सन्देश | कहिले |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | टेक्स्ट मात्र लिने होस्ट गरिएको ओपन-वेट मोडलमा छवि पठाइयो। तपाईंको ब्यालेन्सबाट केही घटाइँदैन। |
400 | invalid_request_error | audio and video input are not supported by any hosted model | होस्ट गरिएको ओपन-वेट मोडलमा अडियो वा भिडियो भाग पठाइयो। |
413 | invalid_request_error | Failed to buffer the request body: … | इनलाइन फाइलहरूसहित अनुरोध बडी 32 MiB भन्दा ठूलो छ। त्रुटिमा code: "request_too_large" हुन्छ। |
Shannon मोडलले अनुरोधमा जस्तोसुकै फाइल भए पनि स्टेटस 200 सहित जवाफ दिन्छ: नपढिने भाग छुट्छ। त्रुटि व्यवस्थापन