Hoppa till innehållet
Bilder och filer

Bilder och filer

Skicka bilder med ett meddelande: vilka modeller som tar dem, de accepterade formerna och deras gränser.

POST https://api.shannon-ai.com/v1/chat/completions

En bild skickas inuti ett användarmeddelande, som en del av dess content. Exemplet läser en lokal fil och skickar den som en data-URL.

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)
200 JSON
{
  "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
  }
}

Vilka modeller som tar bilder

Modeller Läser
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro Bilder och dokument: PDF-, Word-, PowerPoint-, Excel- och rena textfiler.
shannon-1.6-lite, shannon-1.6-pro Bilder.
shannon-2-lite, shannon-2-pro Bilder, i begäranden som också skickar tools eller response_format.
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 Bilder.
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 Text. En begäran med en bild besvaras med status 400.
shannon-coder-1 Text.

GET /v1/models anger bildinput per id som capabilities.vision. Modeller och priser

  • Shannon-modellerna läser filerna i det sista användarmeddelandet. Lägg bilden i det meddelande som frågar om den.
  • Shannon 3-familjen behåller även några bilder och dokument från tidigare användarmeddelanden i sikte när de skickades inbäddade, och läser ett fast maximalt antal bilder per begäran, räknat från den första.
  • De hostade open-weight-modellerna läser bilderna i varje meddelande i konversationen.

Accepterade former

En fil skickas på ett av två sätt: inuti begäran som base64, eller som en adress som API:et hämtar. Varje fil följer med begäran; API:et har ingen uppladdningsendpoint.

Endpoint I begäran (base64) Via adress
/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://…"}}

Samma användarmeddelande i varje format:

{
  "role": "user",
  "content": [
    {"type": "text", "text": "What is in this picture?"},
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
      }
    }
  ]
}
  • En data-URL har formen data:<media type>;base64,<data>. Delen ;base64 är obligatorisk.
  • På /v1/chat/completions och /v1/responses kan image_url vara själva strängen eller ett objekt {"url": "…"}.
  • Filtypen kommer från data-URL:en eller från media_type. Utan någon läses en bild som image/png.
  • Inbäddade filer räknas mot begäranskroppens storlek, som kan vara upp till 32 MiB.
  • Accepteras för kompatibilitet: image_url.detail.

Gränser för fjärrfiler

När du skickar en adress hämtar API:et filen innan modellen körs, inom dessa gränser:

Gräns Regel
Storlek Upp till 8 MiB per fil.
Tid 20 sekunder att svara.
Omdirigeringar Högst 5.
Adress http:// eller https://, utan användarnamn eller lösenord i adressen, på en värd med en offentlig adress.
Värdens svar En status i 200-serien och en kropp som inte är tom. Filtypen läses från Content-Type.
Begärs som User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

Hur bilder räknas i tokens

På de hostade open-weight-modellerna räknas en bild som en token för varje ruta på 28 × 28 pixlar: bredden delad med 28, avrundad uppåt, gånger höjden delad med 28, avrundad uppåt. Resultatet ingår i usage.prompt_tokens och faktureras som input.

1024 × 1024
1,369 tokens
1920 × 1080
2,691 tokens
512 × 512
361 tokens
  • En fjärrbild hämtas först, så dess verkliga storlek räknas.
  • En bild vars storlek inte kan läsas räknas som 1,024 tokens.
  • Räkningsendpointsen använder samma regel för data-URL:er. De hämtar inte en fjärradress och räknar den som 1,024 tokens. Tokenräkning
  • För en Shannon-modell läser du vad en begäran med bilder kostade i usage i svaret.

Dokument och andra filer

Shannon 3-familjen (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) läser även dokument. Dokumentets text plockas ut och ges till modellen tillsammans med ditt meddelande.

Dokument Mediatyp
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

Ett dokument är en del av användarmeddelandet, precis som en bild:

Endpoint I begäran (base64) Via adress
/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."}
      ]
    }
  ]
}
  • Ange filens riktiga mediatyp. Utan en läses ett dokument som application/pdf.
  • En ren textfil, som CSV, läses som text och bifogas på samma sätt.
  • När ett dokument inte kan läsas, eller filen är av en annan typ, får modellen veta det och kan säga det i sitt svar. Statusen är fortfarande 200.
  • På alla andra modeller utelämnas en dokumentdel från det modellen läser, och begäran besvaras utifrån resten.
  • Ett dokument som skickas via adress hämtas under de gränser för fjärrfiler som anges ovan.

Fel

Status Typ Meddelande När
400 invalid_request_error <id> does not accept image input En bild skickades till en hostad open-weight-modell som bara tar text. Inget dras från din balans.
400 invalid_request_error audio and video input are not supported by any hosted model En ljud- eller videodel skickades till en hostad open-weight-modell.
413 invalid_request_error Failed to buffer the request body: … Begäranskroppen, med sina inbäddade filer, är större än 32 MiB. Felet bär code: "request_too_large".

En Shannon-modell svarar med status 200 oavsett vilka filer begäran bär: en del som den inte läser utelämnas. Felhantering