Wysiłek rozumowania
NoweModel, który wnioskuje, zwraca tekst wnioskowania obok odpowiedzi, we własnym polu. W hostowanych modelach open-weight jedno pole zapytania ustala, jak głęboko model wnioskuje, zanim odpowie.
POST https://api.shannon-ai.com/v1/chat/completions
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
response = client.chat.completions.create(
model="Kimi-K3-3BIT-REAP",
reasoning_effort="low",
messages=[{"role": "user", "content": "Is 221 a prime number?"}],
)
message = response.choices[0].message
print("Reasoning:", getattr(message, "reasoning_content", None))
print("Answer:", message.content)
print("Reasoning tokens:", response.usage.completion_tokens_details.reasoning_tokens) import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const response = await client.chat.completions.create({
model: "Kimi-K3-3BIT-REAP",
reasoning_effort: "low",
messages: [{ role: "user", content: "Is 221 a prime number?" }],
});
const message = response.choices[0].message;
console.log("Reasoning:", message.reasoning_content);
console.log("Answer:", message.content);
console.log("Reasoning tokens:", response.usage.completion_tokens_details.reasoning_tokens); curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "low",
"messages": [
{"role": "user", "content": "Is 221 a prime number?"}
]
}' Odpowiedź niesie tekst wnioskowania w reasoning_content, odpowiedź w content, a tokeny wnioskowania w usage:
{
"id": "chatcmpl-2a6c8e0b4d1f4a3c9e7b5d3f1a8c6e4b",
"object": "chat.completion",
"created": 1791590400,
"model": "Kimi-K3-3BIT-REAP",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "No. 221 = 13 x 17, so it is not prime.",
"reasoning_content": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 14,
"completion_tokens": 43,
"total_tokens": 57,
"prompt_tokens_details": {"cached_tokens": 0},
"completion_tokens_details": {"reasoning_tokens": 27}
}
} Które modele wnioskują
| Model | Zwraca tekst wnioskowania | Stosuje pole wysiłku |
|---|---|---|
shannon-1.6-lite | — | — |
shannon-1.6-pro, shannon-2-lite, shannon-2-pro, shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro, shannon-coder-1 | Tak | — |
| Każdy hostowany model open-weight | Tak | Tak |
To flagi capabilities.reasoning i capabilities.reasoning_effort, które GET /v1/models zgłasza dla każdego id. Odpowiedź zawiera tekst wnioskowania tylko wtedy, gdy model go wytworzył. Modele i ceny
Ustawianie wysiłku
Każdy endpoint ma własny zapis wysiłku. Wszystkie wybierają jeden z tych samych czterech poziomów.
| Pole | Typ | Domyślnie | Opis | Stosowane przez |
|---|---|---|---|---|
reasoning_effort | string | high | /v1/chat/completions. Jak głęboko model wnioskuje, zanim odpowie: off, low, medium lub high. | Hostowane modele open-weight |
reasoning | object | string | /v1/chat/completions. Ta sama wartość jako {"effort": "low"} albo jako sam ciąg znaków. Gdy wysłano oba pola, liczy się reasoning_effort. | Hostowane modele open-weight | |
reasoning.effort | string | high | /v1/responses. Zapisywane jako obiekt {"effort": "low"}. | Hostowane modele open-weight |
thinking | object | /v1/messages. {"type": "enabled", "budget_tokens": n} lub {"type": "disabled"}. Budżet wybiera jeden z poziomów; zobacz tabelę niżej. | Hostowane modele open-weight |
{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "low",
"messages": [{"role": "user", "content": "Is 221 a prime number?"}]
} {
"model": "Kimi-K3-3BIT-REAP",
"reasoning": {"effort": "low"},
"input": "Is 221 a prime number?"
} {
"model": "Kimi-K3-3BIT-REAP",
"max_tokens": 1024,
"thinking": {"type": "enabled", "budget_tokens": 2048},
"messages": [{"role": "user", "content": "Is 221 a prime number?"}]
} | Wartość | Akceptowane też | Skutek |
|---|---|---|
off | none, minimal | Bez wnioskowania. Odpowiedź nie zawiera tekstu wnioskowania. |
low | Krótkie wnioskowanie. | |
medium | default | Średnia głębokość. |
high | max | Najgłębszy poziom. Taki poziom ma zapytanie, które nie wysyła wartości. |
- Wartości są odczytywane bez względu na wielkość liter.
- Wartość
defaultoznaczamedium. Pominięcie pola oznaczahigh. - Modele Shannon (
shannon-*) same ustalają głębokość w każdym zapytaniu;GET /v1/modelszgłasza dla nichreasoning_effort: false.
Budżet myślenia w /v1/messages
W /v1/messages pole thinking wybiera poziom. budget_tokens wybiera jeden z powyższych poziomów; nie jest osobnym limitem tokenów. adaptive jest odczytywane jak enabled.
| Wysyłasz | Poziom |
|---|---|
{"type": "disabled"} | off |
{"type": "enabled", "budget_tokens": n} z n do 2,048 | low |
n od 2,049 do 8,192 | medium |
Większe n albo enabled bez budget_tokens | high |
Brak pola thinking | high |
Gdzie trafia tekst wnioskowania
Tekst wnioskowania jest zawsze oddzielony od odpowiedzi. Każdy format ma dla niego własne miejsce:
| Endpoint | Bez streamingu | Ze streamingiem |
|---|---|---|
/v1/chat/completions | choices[0].message.reasoning_content: ciąg znaków albo null, gdy model nic nie wytworzył. | Chunki z choices[0].delta.reasoning_content, przed chunkami z delta.content. |
/v1/responses | Element output {"type": "reasoning", "summary": [{"type": "summary_text", "text": "…"}]} przed elementem message. Brak elementu, gdy nie ma wnioskowania. | response.output_item.added z elementem reasoning, potem zdarzenia response.reasoning_summary_text.delta i jedno response.reasoning_summary_text.done. |
/v1/messages | Pierwszy blok treści {"type": "thinking", "thinking": "…"}, potem blok text. Brak bloku thinking, gdy nie ma wnioskowania. | Blok treści thinking: content_block_start, zdarzenia content_block_delta z thinking_delta, content_block_stop. Potem następuje blok tekstu. |
{
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "No. 221 = 13 x 17, so it is not prime.",
"reasoning_content": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 14,
"completion_tokens": 43,
"total_tokens": 57,
"prompt_tokens_details": {"cached_tokens": 0},
"completion_tokens_details": {"reasoning_tokens": 27}
}
} {
"output": [
{
"id": "rs_6f0a2c4e8b1d4f3a9c7e5b3d1f8a6c4e",
"type": "reasoning",
"summary": [
{
"type": "summary_text",
"text": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
}
]
},
{
"id": "msg_1b3d5f7a9c2e4b6d8f0a2c4e6b8d0f1a",
"type": "message",
"role": "assistant",
"status": "completed",
"content": [
{
"type": "output_text",
"text": "No. 221 = 13 x 17, so it is not prime.",
"annotations": []
}
]
}
],
"usage": {
"input_tokens": 14,
"input_tokens_details": {"cached_tokens": 0},
"output_tokens": 43,
"output_tokens_details": {"reasoning_tokens": 27},
"total_tokens": 57
}
} {
"content": [
{
"type": "thinking",
"thinking": "Try small primes. 221 / 13 = 17, so 221 = 13 x 17."
},
{"type": "text", "text": "No. 221 = 13 x 17, so it is not prime."}
],
"stop_reason": "end_turn",
"usage": {
"input_tokens": 14,
"cache_read_input_tokens": 0,
"cache_creation_input_tokens": 0,
"output_tokens": 43
}
} Gdzie szukać, według modelu:
| Modele | Gdzie trafia tekst |
|---|---|
| Hostowane modele open-weight | W każdym endpoincie, ze streamingiem lub bez. Zapytanie z wysiłkiem off albo z response_format / text.format dostaje odpowiedź bez tekstu wnioskowania. |
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | W każdym endpoincie, ze streamingiem lub bez, o ile model wytworzył tekst wnioskowania. |
shannon-2-lite, shannon-2-pro | /v1/chat/completions bez streamingu: w message.reasoning_content. Ze streamingiem, w zapytaniu bez tools lub response_format: stream niesie wiersze komentarza : thinking, gdy model wnioskuje, a potem chunki odpowiedzi. /v1/messages ze streamingiem: blok thinking przed blokiem tekstu. |
shannon-1.6-pro, shannon-coder-1 | W odpowiedziach ze streamingiem i w odpowiedziach na zapytania z tools, o ile model wytworzył tekst wnioskowania. |
W /v1/responses odpowiedź bez streamingu zawiera element reasoning dla rodziny Shannon 3 i hostowanych modeli open-weight.
Czytanie streamu
W streamie tekst wnioskowania idzie pierwszy, we własnych deltach, a po nim odpowiedź. Wypisuj lub zapisuj te dwie części osobno:
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
stream = client.chat.completions.create(
model="Kimi-K3-3BIT-REAP",
reasoning_effort="medium",
stream=True,
messages=[{"role": "user", "content": "Is 221 a prime number?"}],
)
for chunk in stream:
if not chunk.choices:
continue
delta = chunk.choices[0].delta
reasoning = getattr(delta, "reasoning_content", None)
if reasoning:
print(reasoning, end="", flush=True) # the reasoning text comes first
if delta.content:
print(delta.content, end="", flush=True) # then the answer import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const stream = await client.chat.completions.create({
model: "Kimi-K3-3BIT-REAP",
reasoning_effort: "medium",
stream: true,
messages: [{ role: "user", content: "Is 221 a prime number?" }],
});
for await (const chunk of stream) {
const delta = chunk.choices[0]?.delta ?? {};
if (delta.reasoning_content) process.stdout.write(delta.reasoning_content); // the reasoning text comes first
if (delta.content) process.stdout.write(delta.content); // then the answer
} curl -N https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Kimi-K3-3BIT-REAP",
"reasoning_effort": "medium",
"stream": true,
"messages": [
{"role": "user", "content": "Is 221 a prime number?"}
]
}' Pierwszy chunk hostowanego modelu open-weight, z wnioskowaniem lub z odpowiedzią, niesie też delta.role: "assistant". Streaming
Tokeny wnioskowania i rozliczenia
W hostowanych modelach open-weight tokeny wnioskowania są tokenami wyjścia: są rozliczane po cenie wyjścia modelu, a liczba wyjścia już je zawiera. usage pokazuje tu udział wnioskowania:
| Endpoint | Pole | Uwaga |
|---|---|---|
/v1/chat/completions | usage.completion_tokens_details.reasoning_tokens | Już wliczone w completion_tokens. |
/v1/responses | usage.output_tokens_details.reasoning_tokens | Już wliczone w output_tokens. |
/v1/messages | usage.output_tokens | Wnioskowanie i odpowiedź razem. Ten format nie ma osobnej liczby. |
- W hostowanych modelach open-weight
max_tokensogranicza tekst odpowiedzi. Tokeny wnioskowania nie wliczają się do niego. - Ponieważ wnioskowanie jest rozliczane jako wyjście, poziom wysiłku jest też ustawieniem kosztu:
offnie wytwarza tokenów wnioskowania. - Modele Shannon zgłaszają
prompt_tokens,completion_tokensitotal_tokens(input_tokensioutput_tokensw/v1/messages) bez udziału wnioskowania i rozliczają jedną stałą cenę za token. Modele i ceny
Wnioskowanie w następnym zapytaniu
Nie musisz odsyłać wnioskowania. Blok thinking lub element reasoning w wysyłanej rozmowie nie jest przekazywany modelowi, więc turę asystenta można odesłać z nim lub bez niego. Blok thinking ma dwa pola, type i thinking; nie ma signature.
Błędy
| Status | Typ | Komunikat | Kiedy |
|---|---|---|---|
400 | invalid_request_error | unknown reasoning effort '<value>'; expected off, low, medium or high | Hostowany model open-weight dostał wartość spoza listy, na przykład xhigh. Nic nie jest pobierane z Twojego salda. |
422 | invalid_request_error | Failed to deserialize the JSON body into the target type: … | reasoning_effort nie jest ciągiem znaków. |
Błędy uwierzytelniania, salda i serwera są takie same jak przy każdym zapytaniu. Obsługa błędów