Responses API

POST https://api.shannon-ai.com/v1/responses

Самый маленький запрос — это id модели и текст. Ответ приходит без стриминга, пока вы его не запросите.

from openai import OpenAI

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

response = client.responses.create(
    model="shannon-3",
    input="Say hello in one sentence.",
)

print(response.output_text)

import OpenAI from "openai";

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

const response = await client.responses.create({
  model: "shannon-3",
  input: "Say hello in one sentence.",
});

console.log(response.output_text);

curl https://api.shannon-ai.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "shannon-3",
    "input": "Say hello in one sentence."
  }'

Ответ — это объект response. В его output находятся рассуждения, если модель рассуждала, и сообщение:

{
  "id": "resp_5f0c1e7a9b3d4c62a8e1f07d2b46c9a3",
  "object": "response",
  "created_at": 1791625200,
  "model": "shannon-3",
  "status": "completed",
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "metadata": {},
  "parallel_tool_calls": true,
  "temperature": null,
  "tool_choice": "auto",
  "tools": [],
  "top_p": null,
  "output": [
    {
      "id": "rs_8a2e6c1f4b7d4e03b9c5a1d70f3e2b64",
      "type": "reasoning",
      "summary": [
        {
          "type": "summary_text",
          "text": "The user wants a greeting in one sentence. Keep it short and friendly."
        }
      ]
    },
    {
      "id": "msg_1c7b9e3a5d2f4a86b0e4c8d19a6f7e25",
      "type": "message",
      "role": "assistant",
      "status": "completed",
      "content": [
        {
          "type": "output_text",
          "text": "Hello, it is good to meet you.",
          "annotations": []
        }
      ]
    }
  ],
  "usage": {
    "input_tokens": 1184,
    "output_tokens": 46,
    "total_tokens": 1230
  }
}

Поля запроса

Для запроса нужны model и input. В столбце Applied by указаны модели, на которых поле меняет ответ. Размещенные модели с открытыми весами — это двенадцать id из списка моделей; семейство Shannon 3 — это shannon-3, shannon-3-pro, shannon-3.1 и shannon-3.1-pro. Модели и цены

previous_response_id, store, metadata, parallel_tool_calls, truncation, include, user и prompt_cache_key принимаются, чтобы существующий клиентский код работал без изменений. На ответ они не влияют. Поскольку разговор не хранится, последующий запрос передает предыдущие ходы в input.

Элементы ввода

Элемент ввода — это либо сообщение с role и content, либо типизированный элемент, несущий вызов инструмента или его результат. content — строка или массив частей.

Помещайте инструкции в поле instructions. Если используется id из семейства Shannon 3, инструкции, которые должны соблюдаться, помещайте в сообщение user.

Элементы output ответа можно отправить обратно в input как есть: элементы message и function_call читаются, элементы reasoning пропускаются.

Части контента

На уровнях Shannon изображения и файлы читаются из последнего элемента user в input. Размеры и лимиты описаны на отдельной странице. Изображения и файлы

Запрос с инструкциями и параметрами

Этот запрос отправляет инструкции, разговор в виде элементов ввода, лимит вывода, температуру и усилие reasoning. Он использует размещенную модель с открытыми весами, которая применяет все это.

from openai import OpenAI

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

response = client.responses.create(
    model="DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP",
    instructions="You are a physics teacher. Answer in two sentences.",
    input=[
        {"role": "user", "content": "Why is the sky blue?"},
        {"role": "assistant", "content": "Air scatters blue light more than red light."},
        {"role": "user", "content": "And why are sunsets red?"},
    ],
    max_output_tokens=512,
    temperature=0.3,
    reasoning={"effort": "low"},
)

for item in response.output:
    if item.type == "reasoning":
        print("reasoning:", item.summary[0].text)
    elif item.type == "message":
        print("answer:", item.content[0].text)
print(response.usage)

import OpenAI from "openai";

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

const response = await client.responses.create({
  model: "DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP",
  instructions: "You are a physics teacher. Answer in two sentences.",
  input: [
    { role: "user", content: "Why is the sky blue?" },
    { role: "assistant", content: "Air scatters blue light more than red light." },
    { role: "user", content: "And why are sunsets red?" },
  ],
  max_output_tokens: 512,
  temperature: 0.3,
  reasoning: { effort: "low" },
});

for (const item of response.output) {
  if (item.type === "reasoning") console.log("reasoning:", item.summary[0].text);
  if (item.type === "message") console.log("answer:", item.content[0].text);
}
console.log(response.usage);

curl https://api.shannon-ai.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP",
    "instructions": "You are a physics teacher. Answer in two sentences.",
    "input": [
      {"role": "user", "content": "Why is the sky blue?"},
      {"role": "assistant", "content": "Air scatters blue light more than red light."},
      {"role": "user", "content": "And why are sunsets red?"}
    ],
    "max_output_tokens": 512,
    "temperature": 0.3,
    "reasoning": {"effort": "low"}
  }'

В ответе размещенной модели с открытыми весами есть id, object, model, created_at, status, output и usage. Ее usage дополнительно содержит токены, прочитанные из кэша, и токены, потраченные на reasoning:

{
  "usage": {
    "input_tokens": 58,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 67,
    "output_tokens_details": {
      "reasoning_tokens": 19
    },
    "total_tokens": 125
  }
}

Объект ответа

id, object, status, output и usage есть в каждом ответе. Стройте свой код на них.

Элементы вывода

OpenAI SDK сами склеивают текст сообщения в response.output_text.

Стриминг

Задайте stream равным true, чтобы получать server-sent events. В каждом фрейме есть строка event: с именем события и строка data: с JSON-объектом; объект повторяет имя в type. Сопоставляйте дельты с их элементом по output_index.

В OpenAI SDK читайте события по их type:

from openai import OpenAI

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

stream = client.responses.create(
    model="shannon-3",
    input="Explain server-sent events in three sentences.",
    stream=True,
)

for event in stream:
    kind = getattr(event, "type", "error")     # an event without a type is an error event
    if kind == "response.reasoning_summary_text.delta":
        pass                                   # a piece of reasoning: event.delta
    elif kind == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    elif kind == "response.output_item.done" and event.item.type == "function_call":
        print("\ntool call:", event.item.name, event.item.arguments)
    elif kind == "response.completed":
        print("\n", event.response.usage)
    elif kind in ("response.failed", "error"):
        raise RuntimeError("the stream failed, send the request again")

import OpenAI from "openai";

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

const stream = await client.responses.create({
  model: "shannon-3",
  input: "Explain server-sent events in three sentences.",
  stream: true,
});

for await (const event of stream) {
  if (event.type === "response.reasoning_summary_text.delta") {
    // a piece of reasoning: event.delta
  } else if (event.type === "response.output_text.delta") {
    process.stdout.write(event.delta);
  } else if (event.type === "response.output_item.done" && event.item.type === "function_call") {
    console.log("\ntool call:", event.item.name, event.item.arguments);
  } else if (event.type === "response.completed") {
    console.log("\n", event.response.usage);
  } else if (event.type === "response.failed" || event.type === "error") {
    throw new Error("the stream failed, send the request again");
  }
}

curl -N https://api.shannon-ai.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "shannon-3",
    "input": "Explain server-sent events in three sentences.",
    "stream": true
  }'

События приходят в таком порядке. Группы для reasoning, сообщения и вызовов инструментов появляются, только если они есть в ответе.

event: response.created
data: {"type":"response.created","response":{"id":"resp_5f0c…","object":"response","status":"in_progress","output":[], …}}

event: response.in_progress
data: {"type":"response.in_progress","response":{"id":"resp_5f0c…","object":"response","status":"in_progress","output":[], …}}

event: response.output_item.added
data: {"type":"response.output_item.added","output_index":0,"item":{"id":"msg_1c7b…","type":"message","role":"assistant","status":"in_progress","content":[]}}

event: response.content_part.added
data: {"type":"response.content_part.added","output_index":0,"content_index":0,"part":{"type":"output_text","text":""}}

event: response.output_text.delta
data: {"type":"response.output_text.delta","output_index":0,"content_index":0,"delta":"Server-sent"}

event: response.output_text.delta
data: {"type":"response.output_text.delta","output_index":0,"content_index":0,"delta":" events let a server push text over one HTTP reply."}

event: response.output_text.done
data: {"type":"response.output_text.done","output_index":0,"content_index":0,"text":"Server-sent events let a server push text over one HTTP reply."}

event: response.content_part.done
data: {"type":"response.content_part.done","output_index":0,"content_index":0,"part":{"type":"output_text","text":"Server-sent events let a server push text over one HTTP reply."}}

event: response.output_item.done
data: {"type":"response.output_item.done","output_index":0,"item":{"id":"msg_1c7b…","type":"message","role":"assistant","status":"completed","content":[{"type":"output_text","text":"Server-sent events let a server push text over one HTTP reply.","annotations":[]}]}}

event: response.completed
data: {"type":"response.completed","response":{"id":"resp_5f0c…","object":"response","status":"completed","output":[…],"usage":{"input_tokens":1190,"output_tokens":18,"total_tokens":1208}, …}}

Поток, который завершился сбоем

На уровнях Shannon неудавшийся ответ заканчивается событием response.failed вместо response.completed. Его response.status равен failed, а response.error содержит code (rate_limit_exceeded или server_error) и message.

У размещенных моделей с открытыми весами сбой — это событие error с code api_error и message. После него все равно следует response.completed.

Считайте поток неудавшимся, если в нем есть событие response.failed или error, и отправьте запрос снова.

Инструменты

Инструмент — это функция, которую выполняет ваш код. Опишите ее в tools; когда модель хочет ее вызвать, ответ содержит элемент function_call вместо сообщения или рядом с ним.

Определение инструмента в tools:

[
  {
    "type": "function",
    "name": "get_weather",
    "description": "Current weather for a city.",
    "parameters": {
      "type": "object",
      "properties": {
        "city": {
          "type": "string"
        }
      },
      "required": [
        "city"
      ]
    }
  }
]

output ответа, в котором она вызывается:

[
  {
    "id": "call_3d9a7c1e5b2f4a60c8e1d7f09b24a6c5",
    "type": "function_call",
    "name": "get_weather",
    "call_id": "call_3d9a7c1e5b2f4a60c8e1d7f09b24a6c5",
    "arguments": "{\"city\":\"Paris\"}"
  }
]

Выполните функцию, затем отправьте запрос снова, добавив в input вызов и его результат:

[
  {
    "role": "user",
    "content": "What is the weather in Paris?"
  },
  {
    "type": "function_call",
    "call_id": "call_3d9a7c1e5b2f4a60c8e1d7f09b24a6c5",
    "name": "get_weather",
    "arguments": "{\"city\":\"Paris\"}"
  },
  {
    "type": "function_call_output",
    "call_id": "call_3d9a7c1e5b2f4a60c8e1d7f09b24a6c5",
    "output": "{\"temperature_c\": 18, \"sky\": \"cloudy\"}"
  }
]

Читаются только инструменты типа function. На shannon-1.6-*, shannon-2-* и shannon-coder-1 схема parameters сокращается до общих ключевых слов JSON Schema: oneOf читается как anyOf, а такие ключевые слова, как $ref, additionalProperties, const, default и title, модели не передаются.

Значения tool_choice required и именованная функция применяются размещенными моделями с открытыми весами.

Цикл работы с инструментами полностью описан на отдельной странице. Вызов функций

Структурированный вывод

В этом формате структурированный вывод записывается как text.format. Схема лежит прямо в format, рядом с name и strict, а не внутри члена json_schema, как в Chat Completions.

• {"type": "json_object"} запрашивает любой JSON-объект.
• {"type": "json_schema", "name", "schema", "strict"} запрашивает JSON, соответствующий вашей схеме. Если strict не указан, он равен true.

{
  "model": "shannon-1.6-lite",
  "input": "Extract the city and the date: 'The conference opens in Lisbon on 12 May 2027.'",
  "text": {
    "format": {
      "type": "json_schema",
      "name": "event",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "city": {
            "type": "string"
          },
          "date": {
            "type": "string",
            "description": "ISO 8601 date"
          }
        },
        "required": [
          "city",
          "date"
        ]
      }
    }
  }
}

JSON приходит текстом в части output_text сообщения; разберите его сами. Размещенная модель с открытыми весами без структурированного вывода возвращает 400.

{"city": "Lisbon", "date": "2027-05-12"}

Какая модель принимает какую форму, перечислено на отдельной странице. Структурированные ответы

Reasoning

Модель, которая рассуждает, возвращает рассуждения как элемент вывода типа reasoning перед сообщением. В потоке они приходят событиями response.reasoning_summary_text.delta.

Размещенные модели с открытыми весами применяют reasoning.effort: off, low, medium или high; если ничего не отправлять, действует high. При off элемент reasoning не возвращается. Отправляйте его как объект; простая строка на этом эндпоинте не читается.

Уровни усилия описаны на отдельной странице. Усилие рассуждения

Лимит вывода

max_output_tokens равен 4,096, если вы его не отправляете. Это число токенов, которое откладывается на вашем балансе при старте запроса; когда ответ завершен, эта сумма заменяется фактически использованной. Значение, не помещающееся в остаток баланса, возвращает 429 Quota exceeded.

Он ограничивает длину ответа у shannon-1.6-*, shannon-2-* и shannon-coder-1, а у размещенных моделей с открытыми весами — длину текста ответа.

На этом эндпоинте shannon-coder-1 тарифицируется токенами с вашего баланса, как и любая другая модель.

Тело запроса может быть до 32 MiB. Лимиты и баланс

Ошибки

Ошибки используют тело ошибки OpenAI: объект error с type и message; у некоторых также есть code и param со значением null. В таблице перечислено то, что этот эндпоинт возвращает чаще всего. Полный список с указанием, что стоит повторять, вынесен на отдельную страницу. Обработка ошибок