Napor pri zaključivanju
NovoModel koji rezonuje vraća tekst rezonovanja pored odgovora, u posebnom polju. Na hostovanim open-weight modelima jedno polje zahteva određuje koliko duboko model rezonuje pre nego što odgovori.
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?"}
]
}' Odgovor nosi tekst rezonovanja u reasoning_content, odgovor u content, a tokene rezonovanja u 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}
}
} Koji modeli rezonuju
| Model | Vraća tekst rezonovanja | Primenjuje polje napora |
|---|---|---|
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 | Da | — |
| Svaki hostovani open-weight model | Da | Da |
To su flagovi capabilities.reasoning i capabilities.reasoning_effort koje GET /v1/models prijavljuje za svaki id. Odgovor nosi tekst rezonovanja samo kada ga je model proizveo. Modeli i cene
Podešavanje napora
Svaki endpoint ima svoj zapis napora. Svi biraju jedan od istih četiri nivoa.
| Polje | Tip | Podrazumevano | Opis | Primenjuju |
|---|---|---|---|---|
reasoning_effort | string | high | /v1/chat/completions. Koliko duboko model rezonuje pre nego što odgovori: off, low, medium ili high. | Hostovani open-weight modeli |
reasoning | object | string | /v1/chat/completions. Ista vrednost kao {"effort": "low"} ili kao običan string. Kada se pošalju oba polja, važi reasoning_effort. | Hostovani open-weight modeli | |
reasoning.effort | string | high | /v1/responses. Piše se kao objekat {"effort": "low"}. | Hostovani open-weight modeli |
thinking | object | /v1/messages. {"type": "enabled", "budget_tokens": n} ili {"type": "disabled"}. Budžet bira jedan od nivoa; pogledajte tabelu niže. | Hostovani open-weight modeli |
{
"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?"}]
} | Vrednost | Prihvata se i | Efekat |
|---|---|---|
off | none, minimal | Bez rezonovanja. Odgovor ne nosi tekst rezonovanja. |
low | Kratko rezonovanje. | |
medium | default | Srednja dubina. |
high | max | Najdublji nivo. To je nivo zahteva koji ne šalje nijednu vrednost. |
- Vrednosti se čitaju bez obzira na velika i mala slova.
- Vrednost
defaultznačimedium. Izostavljanje polja značihigh. - Shannon modeli (
shannon-*) sami određuju dubinu u svakom zahtevu;GET /v1/modelsza njih prijavljujereasoning_effort: false.
Thinking budžet na /v1/messages
Na /v1/messages polje thinking bira nivo. budget_tokens bira jedan od gornjih nivoa; to nije sopstveno ograničenje tokena. adaptive se čita kao enabled.
| Vi šaljete | Nivo |
|---|---|
{"type": "disabled"} | off |
{"type": "enabled", "budget_tokens": n} sa n do 2,048 | low |
n od 2,049 do 8,192 | medium |
Veći n, ili enabled bez budget_tokens | high |
Bez polja thinking | high |
Gde tekst rezonovanja stiže
Tekst rezonovanja je uvek odvojen od odgovora. Svaki format ima svoje mesto za njega:
| Endpoint | Bez streama | Sa streamom |
|---|---|---|
/v1/chat/completions | choices[0].message.reasoning_content: string, ili null kada model nije proizveo nijedno. | Delovi sa choices[0].delta.reasoning_content, pre delova sa delta.content. |
/v1/responses | Stavka output {"type": "reasoning", "summary": [{"type": "summary_text", "text": "…"}]} pre stavke message. Nema stavke kada nema rezonovanja. | response.output_item.added sa stavkom reasoning, zatim događaji response.reasoning_summary_text.delta i jedan response.reasoning_summary_text.done. |
/v1/messages | Prvi blok sadržaja {"type": "thinking", "thinking": "…"}, zatim blok text. Nema thinking bloka kada nema rezonovanja. | Blok sadržaja thinking: događaji content_block_start, content_block_delta sa thinking_delta, content_block_stop. Tekstualni blok sledi. |
{
"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
}
} Gde gledati, po modelu:
| Modeli | Gde tekst stiže |
|---|---|
| Hostovani open-weight modeli | Na svakom endpointu, sa streamom ili bez. Na zahtev sa naporom off, ili sa response_format / text.format, odgovara se bez teksta rezonovanja. |
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | Na svakom endpointu, sa streamom ili bez, kad god je model proizveo tekst rezonovanja. |
shannon-2-lite, shannon-2-pro | /v1/chat/completions, bez streama: u message.reasoning_content. Sa streamom, u zahtevu bez tools ili response_format: stream nosi komentarske linije : thinking dok model rezonuje, zatim delove odgovora. /v1/messages, sa streamom: thinking blok pre tekstualnog bloka. |
shannon-1.6-pro, shannon-coder-1 | U strimovanim odgovorima i u odgovorima na zahteve koji nose tools, kad god je model proizveo tekst rezonovanja. |
Na /v1/responses odgovor bez streama nosi stavku reasoning za porodicu Shannon 3 i hostovane open-weight modele.
Čitanje streama
U streamu tekst rezonovanja stiže prvi, u sopstvenim delta-ma, a odgovor sledi. Ispišite ili sačuvajte ova dva odvojeno:
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?"}
]
}' Prvi deo hostovanog open-weight modela, bilo rezonovanje ili odgovor, nosi i delta.role: "assistant". Streaming
Tokeni rezonovanja i naplata
Na hostovanim open-weight modelima tokeni rezonovanja su izlazni tokeni: naplaćuju se po ceni izlaza modela, a izlazni broj ih već uključuje. usage ovde prikazuje udeo rezonovanja:
| Endpoint | Polje | Napomena |
|---|---|---|
/v1/chat/completions | usage.completion_tokens_details.reasoning_tokens | Već uključeno u completion_tokens. |
/v1/responses | usage.output_tokens_details.reasoning_tokens | Već uključeno u output_tokens. |
/v1/messages | usage.output_tokens | Rezonovanje i odgovor zajedno. Ovaj format nema poseban broj. |
- Na hostovanim open-weight modelima
max_tokensograničava tekst odgovora. Tokeni rezonovanja se ne računaju u to. - Pošto se rezonovanje naplaćuje kao izlaz, nivo napora je ujedno i podešavanje troška:
offne proizvodi tokene rezonovanja. - Shannon modeli prijavljuju
prompt_tokens,completion_tokensitotal_tokens(input_tokensioutput_tokensna/v1/messages) bez udela rezonovanja i naplaćuju jednu paušalnu cenu po tokenu. Modeli i cene
Rezonovanje u sledećem zahtevu
Ne morate da šaljete rezonovanje nazad. Blok thinking ili stavka reasoning u razgovoru koji šaljete ne prosleđuje se modelu, pa potez asistenta može da se vrati sa njim ili bez njega. Blok thinking ima dva polja type i thinking; nema signature.
Greške
| Status | Tip | Poruka | Kada |
|---|---|---|---|
400 | invalid_request_error | unknown reasoning effort '<value>'; expected off, low, medium or high | Hostovani open-weight model primio je vrednost van liste, na primer xhigh. Sa vašeg stanja se ništa ne skida. |
422 | invalid_request_error | Failed to deserialize the JSON body into the target type: … | reasoning_effort nije string. |
Greške autentikacije, stanja i servera iste su kao za svaki zahtev. Upravljanje greškama