Úsilie pri uvažovaní
NovéModel, ktorý uvažuje, vracia text uvažovania vedľa odpovede, vo vlastnom poli. Na hostovaných open-weight modeloch jedno pole requestu určuje, ako hlboko model uvažuje, než odpovie.
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?"}
]
}' Odpoveď nesie text uvažovania v reasoning_content, odpoveď v content a tokeny uvažovania v 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}
}
} Ktoré modely uvažujú
| Model | Vracia text uvažovania | Uplatňuje pole úsilia |
|---|---|---|
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 | Áno | — |
| Každý hostovaný open-weight model | Áno | Áno |
Sú to príznaky capabilities.reasoning a capabilities.reasoning_effort, ktoré GET /v1/models hlási pri každom id. Odpoveď nesie text uvažovania, len ak ho model vytvoril. Modely a ceny
Nastavenie úsilia
Každý endpoint má vlastný zápis úsilia. Všetky vyberajú jednu zo štyroch rovnakých úrovní.
| Pole | Typ | Predvolené | Popis | Uplatňuje |
|---|---|---|---|---|
reasoning_effort | string | high | /v1/chat/completions. Ako hlboko model uvažuje, než odpovie: off, low, medium alebo high. | Hostované open-weight modely |
reasoning | object | string | /v1/chat/completions. Rovnaká hodnota ako {"effort": "low"} alebo ako holý reťazec. Keď sa pošlú obe polia, platí reasoning_effort. | Hostované open-weight modely | |
reasoning.effort | string | high | /v1/responses. Zapisuje sa ako objekt {"effort": "low"}. | Hostované open-weight modely |
thinking | object | /v1/messages. {"type": "enabled", "budget_tokens": n} alebo {"type": "disabled"}. Rozpočet vyberá jednu z úrovní; pozri tabuľku nižšie. | Hostované open-weight modely |
{
"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?"}]
} | Hodnota | Prijíma sa aj | Účinok |
|---|---|---|
off | none, minimal | Bez uvažovania. Odpoveď nenesie žiadny text uvažovania. |
low | Stručné uvažovanie. | |
medium | default | Stredná hĺbka. |
high | max | Najhlbšia úroveň. Toto je úroveň requestu, ktorý neposiela žiadnu hodnotu. |
- Hodnoty sa čítajú bez ohľadu na veľké a malé písmená.
- Hodnota
defaultznamenámedium. Vynechanie poľa znamenáhigh. - Modely Shannon (
shannon-*) nastavujú svoju hĺbku sami v každom requeste;GET /v1/modelspre ne hlásireasoning_effort: false.
Rozpočet thinking na /v1/messages
Na /v1/messages úroveň vyberá pole thinking. budget_tokens vyberá jednu z úrovní vyššie; nie je to samostatný limit tokenov. adaptive sa číta ako enabled.
| Posielate | Úroveň |
|---|---|
{"type": "disabled"} | off |
{"type": "enabled", "budget_tokens": n} s n do 2,048 | low |
n od 2,049 do 8,192 | medium |
Väčšie n, alebo enabled bez budget_tokens | high |
Bez poľa thinking | high |
Kde text uvažovania prichádza
Text uvažovania je vždy oddelený od odpovede. Každý formát má preň vlastné miesto:
| Endpoint | Bez streamovania | Streamované |
|---|---|---|
/v1/chat/completions | choices[0].message.reasoning_content: reťazec, alebo null, keď model žiadne nevytvoril. | Chunky s choices[0].delta.reasoning_content, pred chunkmi s delta.content. |
/v1/responses | Položka output {"type": "reasoning", "summary": [{"type": "summary_text", "text": "…"}]} pred položkou message. Bez položky, keď neexistuje uvažovanie. | response.output_item.added s položkou reasoning, potom udalosti response.reasoning_summary_text.delta a jedna response.reasoning_summary_text.done. |
/v1/messages | Prvý blok obsahu {"type": "thinking", "thinking": "…"}, potom blok text. Bez bloku thinking, keď neexistuje uvažovanie. | Blok obsahu thinking: content_block_start, udalosti content_block_delta s thinking_delta, content_block_stop. Nasleduje blok textu. |
{
"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
}
} Kde hľadať, podľa modelu:
| Modely | Kde text prichádza |
|---|---|
| Hostované open-weight modely | Na každom endpointe, streamovane aj nie. Request s úsilím off alebo s response_format / text.format dostane odpoveď bez textu uvažovania. |
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | Na každom endpointe, streamovane aj nie, kedykoľvek model vytvoril text uvažovania. |
shannon-2-lite, shannon-2-pro | /v1/chat/completions, bez streamovania: v message.reasoning_content. Streamovane, v requeste bez tools alebo response_format: stream nesie komentárové riadky : thinking, kým model uvažuje, potom chunky odpovede. /v1/messages, streamovane: blok thinking pred blokom textu. |
shannon-1.6-pro, shannon-coder-1 | V streamovaných odpovediach a v odpovediach na requesty, ktoré nesú tools, kedykoľvek model vytvoril text uvažovania. |
Na /v1/responses odpoveď bez streamovania nesie položku reasoning pre rodinu Shannon 3 a hostované open-weight modely.
Čítanie streamu
V streame prichádza text uvažovania ako prvý, vo vlastných deltách, a nasleduje odpoveď. Vypisujte alebo ukladajte obe samostatne:
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?"}
]
}' Prvý chunk hostovaného open-weight modelu, uvažovanie alebo odpoveď, nesie aj delta.role: "assistant". Streamovanie
Tokeny uvažovania a fakturácia
Na hostovaných open-weight modeloch sú tokeny uvažovania výstupné tokeny: fakturujú sa za výstupnú cenu modelu a počet výstupu ich už zahŕňa. usage tu ukazuje podiel uvažovania:
| Endpoint | Pole | Poznámka |
|---|---|---|
/v1/chat/completions | usage.completion_tokens_details.reasoning_tokens | Už zahrnuté v completion_tokens. |
/v1/responses | usage.output_tokens_details.reasoning_tokens | Už zahrnuté v output_tokens. |
/v1/messages | usage.output_tokens | Uvažovanie a odpoveď spolu. Tento formát nemá samostatný počet. |
- Na hostovaných open-weight modeloch
max_tokensobmedzuje text odpovede. Tokeny uvažovania sa doň nezapočítavajú. - Keďže sa uvažovanie fakturuje ako výstup, úroveň úsilia je aj nastavením nákladov:
offnevytvára žiadne tokeny uvažovania. - Modely Shannon hlásia
prompt_tokens,completion_tokensatotal_tokens(input_tokensaoutput_tokensna/v1/messages) bez podielu uvažovania a fakturujú jednu rovnú cenu za token. Modely a ceny
Uvažovanie v ďalšom requeste
Uvažovanie nemusíte posielať späť. Blok thinking alebo položka reasoning v konverzácii, ktorú pošlete, sa modelu nepodáva, takže krok asistenta sa môže vrátiť s ním aj bez neho. Blok thinking má dve polia type a thinking; nemá signature.
Chyby
| Stav | Typ | Správa | Kedy |
|---|---|---|---|
400 | invalid_request_error | unknown reasoning effort '<value>'; expected off, low, medium or high | Hostovaný open-weight model dostal hodnotu mimo zoznamu, napríklad xhigh. Zo zostatku sa nič neberie. |
422 | invalid_request_error | Failed to deserialize the JSON body into the target type: … | reasoning_effort nie je reťazec. |
Chyby overenia, zostatku a servera sú rovnaké ako pri každom requeste. Spracovanie chýb