API డాక్యుమెంటేషన్
ఆధారమైన ఇన్ఫ్రాస్ట్రక్చర్: సెన్సార్ లేని ఇంటెలిజెన్స్
సెన్సార్ లేని AI API: తిరస్కరణలు మరియు ఫిల్టర్లు లేని Shannon మోడల్స్, మా సొంత GPUల నుండి అందించబడతాయి. OpenAI- మరియు Anthropic-అనుకూలం — మీరు ఇప్పటికే వాడుతున్న SDK ని అలాగే ఉపయోగించండి, ఒకే కీ, ప్రతి ఎండ్పాయింట్లో స్ట్రీమింగ్, టూల్ కాలింగ్ మరియు రీజనింగ్.
- 21 సెన్సార్ లేని మోడల్స్
- 256K కాంటెక్స్ట్ విండో
- నుండి $0.50/1M
- 3 అనుకూల APIలు
- 3 నెట్వర్క్లు: TLS, Tor, I2P
నిర్మించడం ప్రారంభించండి Playground ని ప్రయత్నించండి
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="shannon-3",
messages=[
{"role": "user", "content": "Hello, Shannon!"}
],
max_tokens=1024
)
print(response.choices[0].message.content) 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: 'shannon-3',
messages: [
{ role: 'user', content: 'Hello, Shannon!' }
],
max_tokens: 1024
});
console.log(response.choices[0].message.content); package main
import (
"context"
"fmt"
openai "github.com/sashabaranov/go-openai"
)
func main() {
config := openai.DefaultConfig("YOUR_API_KEY")
config.BaseURL = "https://api.shannon-ai.com/v1"
client := openai.NewClientWithConfig(config)
resp, err := client.CreateChatCompletion(
context.Background(),
openai.ChatCompletionRequest{
Model: "shannon-3",
Messages: []openai.ChatCompletionMessage{
{Role: "user", Content: "Hello, Shannon!"},
},
MaxTokens: 1024,
},
)
if err != nil {
panic(err)
}
fmt.Println(resp.Choices[0].Message.Content)
} curl -X POST "https://api.shannon-ai.com/v1/chat/completions" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "shannon-3",
"messages": [
{"role": "user", "content": "Hello, Shannon!"}
],
"max_tokens": 1024
}' మోడల్స్ & ధరలు 1M TOKENS కి
పరిమితులు, ids మరియు ధరలు ఎలా ఏర్పడతాయిహోస్ట్ చేసిన ఓపెన్-వెయిట్ మోడల్స్ ప్రతి id పై 262,144-token కాంటెక్స్ట్; ఇన్పుట్ మరియు అవుట్పుట్కు విడిగా బిల్లింగ్; ప్రతి id అది అనుకరించే మోడల్ అంగీకరించేవాటిని అంగీకరిస్తుంది
- సెన్సార్ లేనిది
DeepSeek-V4-Pro-0813
3BIT-REAPDeepSeek · 1.6T MoE · 49B active
లోతైన రీజనింగ్ మరియు సుదీర్ఘ అవుట్పుట్ కోసం ఫ్లాగ్షిప్-స్థాయి మోడల్.
మోడల్ idDeepSeek-V4-Pro-0813-3BIT-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $1.95 / $0.488 / $3.90
- సెన్సార్ లేనిది
GLM-5.2
3BIT-REAPZ.ai · 744B MoE · 40B active
గొప్ప బహుభాషా అవుట్పుట్తో బలమైన సాధారణ-ప్రయోజన మోడల్.
మోడల్ idGLM-5.2-3BIT-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.73 / $0.183 / $2.34
- సెన్సార్ లేనిది
Kimi-K3
3BIT-REAPMoonshot AI · 2.8T MoE · 104B active
సమగ్రమైన, వివరమైన సమాధానాల కోసం ట్యూన్ చేసిన హై-ఎండ్ మోడల్.
మోడల్ idKimi-K3-3BIT-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $3.83 / $0.958 / $19.12
- సెన్సార్ లేనిది
Nemotron3Ultra
3BIT-REAPNVIDIA · 550B hybrid Mamba-Attention MoE · 55B active
డాలర్కు బలమైన రీజనింగ్ ఇచ్చే సమర్థవంతమైన పెద్ద మోడల్.
మోడల్ idNemotron3Ultra-3BIT-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.75 / $0.188 / $3.30
- సెన్సార్ లేనిది
MiniMax-M3
3BIT-REAPMiniMax · 428B MoE · 23B active · sparse attention
అధిక పరిమాణ వర్క్లోడ్ల కోసం వేగవంతమైన, తక్కువ ఖర్చు మోడల్.
మోడల్ idMiniMax-M3-3BIT-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.50 / $0.125 / $2.00
- సెన్సార్ లేనిది
DeepSeek-V4-Flash-0731
W4A16-AUTOROUND-REAPDeepSeek · 284B MoE · 13B active
వేగం మరియు నాణ్యతను సమతుల్యం చేసే శీఘ్ర DeepSeek మోడల్.
మోడల్ idDeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.50 / $0.125 / $2.00
- సెన్సార్ లేనిది
Kimi-K2.6
W4A16-AUTOROUND-REAPMoonshot AI · 1T MoE · 32B active
రోజువారీ రీజనింగ్ మరియు డ్రాఫ్టింగ్ కోసం సమర్థవంతమైన మోడల్.
మోడల్ idKimi-K2.6-W4A16-AUTOROUND-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.78 / $0.195 / $3.67
- సెన్సార్ లేనిది
Laguna-S-2.1
W4A16-AUTOROUND-REAPPoolside · 118B MoE · 8B active
తేలికపాటి పనుల కోసం అత్యంత తక్కువ ఖర్చు మోడల్.
మోడల్ idLaguna-S-2.1-W4A16-AUTOROUND-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- నిర్మిత అవుట్పుట్ లేదు
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.50 / $0.125 / $2.00
- సెన్సార్ లేనిది
inkling
W4A16-AUTOROUND-REAPThinking Machines · 975B MoE · 41B active
ప్రత్యేకమైన రచనా శైలి ఉన్న సృజనాత్మక మోడల్.
మోడల్ idinkling-W4A16-AUTOROUND-REAP- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON ఆబ్జెక్ట్
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $1.42 / $0.355 / $6.07
- సెన్సార్ లేనిది
MiMo-V2.5-Pro
W8A16Xiaomi · 1.02T MoE · 42B active · 8-bit
నిర్మిత, కచ్చితమైన అవుట్పుట్ కోసం కాంపాక్ట్ ప్రో మోడల్.
మోడల్ idMiMo-V2.5-Pro-W8A16- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.50 / $0.125 / $2.00
- సెన్సార్ లేనిది
MiMo-V2.5
W8A16Xiaomi · 8-bit multimodal · W8A16
కనీస ఖర్చుతో సులభమైన పనుల కోసం చిన్న, చురుకైన మోడల్.
మోడల్ idMiMo-V2.5-W8A16- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.50 / $0.125 / $2.00
- సెన్సార్ లేనిది
Hy3
W8A16Tencent · 295B MoE · 21B active · 8-bit
సంక్షిప్త సంభాషణ సమాధానాల కోసం బడ్జెట్ మోడల్.
మోడల్ idHy3-W8A16- కాంటెక్స్ట్
- 256K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- రీజనింగ్ effort
- ప్రాంప్ట్ క్యాషింగ్
- స్ట్రీమింగ్
- 1M కి In / cached / out
- $0.50 / $0.125 / $2.00
Shannon మోడల్స్ ఇన్పుట్ మరియు అవుట్పుట్కు ఒకే ఫ్లాట్ రేటు
-
సెన్సార్ లేనిదిShannon 1.6 Lite
దైనందిన పనుల కోసం వేగవంతమైన, సమర్థవంతమైన ప్రతిస్పందనలు
మోడల్ idshannon-1.6-lite- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $3.90
-
సెన్సార్ లేనిదిShannon 1.6 Pro
సంక్లిష్ట సమస్యలకు అడ్వాన్స్డ్ రీజనింగ్
మోడల్ idshannon-1.6-pro- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $7.80
-
సెన్సార్ లేనిదిShannon 2 Lite
Shannon 2 Lite: కనిపించే రీజనింగ్ ట్రేస్తో వేగవంతమైన ఆలోచించు-డ్రాఫ్ట్-సమీక్షించు పైప్లైన్. రోజువారీ చాట్, సారాంశాలు మరియు ప్రశ్న-సమాధానం.
మోడల్ idshannon-2-lite- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $3.90
-
సెన్సార్ లేనిదిShannon 2 Pro
Shannon 2 Pro: విశ్లేషణ, సుదీర్ఘ రచన మరియు బహుళ-దశల రీజనింగ్ కోసం లోతైన ఆలోచించు-డ్రాఫ్ట్-సమీక్షించు పాస్లు.
మోడల్ idshannon-2-pro- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $5.85
-
సెన్సార్ లేనిదిShannon 3
తక్కువ ఫ్లాట్ ధరతో వేగవంతమైన రీజనింగ్ ఉన్న తాజా తరం Shannon మోడల్.
మోడల్ idshannon-3- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $3.35
-
సెన్సార్ లేనిదిShannon 3 Pro
సంక్లిష్టమైన, బహుళ-దశల పని కోసం అధిక సామర్థ్యం ఉన్న Shannon 3 టియర్.
మోడల్ idshannon-3-pro- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $3.35
-
సెన్సార్ లేనిదిShannon 3.1
మా సొంత హార్డ్వేర్పై Shannon 3, రేట్ గేట్ లేకుండా పూర్తి వేగంతో స్ట్రీమింగ్.
మోడల్ idshannon-3.1- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $3.35
-
సెన్సార్ లేనిదిShannon 3.1 Pro
కఠినమైన ప్రశ్నల కోసం బ్యాక్గ్రౌండ్ రీసెర్చ్ పాస్తో పూర్తి వేగ లోతైన రీజనింగ్.
మోడల్ idshannon-3.1-pro- కాంటెక్స్ట్
- 192K
- ఇన్పుట్
- టెక్స్ట్ + చిత్రం ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- వెబ్ శోధన
- స్ట్రీమింగ్
- ధర / 1M tokens
- $3.35
-
సెన్సార్ లేనిదిShannon Coder 1
కోడ్-మరియు-టూల్స్ నిపుణుడు: ఏజెంటిక్ ఎడిటింగ్, పొడవైన ఫైళ్లు మరియు కఠినమైన టూల్ లూప్లు.
మోడల్ idshannon-coder-1- కాంటెక్స్ట్
- 128K
- ఇన్పుట్
- టెక్స్ట్ ఇన్
- నిర్మిత అవుట్పుట్
- JSON schema
- Tools
- రీజనింగ్
- స్ట్రీమింగ్
- ధర / 1M tokens
- $8.00
డాక్స్ను బ్రౌజ్ చేయండి
- త్వరిత ప్రారంభం కీని సృష్టించండి, మీ SDK ని Shannon వైపు చూపించండి మరియు మొదటి రిక్వెస్ట్ పంపండి.
- మోడల్స్ & ధరలు ప్రతి మోడల్ id, దాని కాంటెక్స్ట్ విండో, ఇన్పుట్లు మరియు 1M tokens కి ధరతో.
- ఆథెంటికేషన్ ప్రతి ఎండ్పాయింట్కు ఒకే కీ: Bearer హెడర్ లేదా x-api-key.
- స్ట్రీమింగ్ రీజనింగ్ డెల్టాలతో server-sent events; usage చివరి చంక్లో వస్తుంది.
- ఫంక్షన్ కాలింగ్ టూల్స్ను నిర్వచించండి, మోడల్ వాటిని కాల్ చేయనివ్వండి, tool_choice తో దిశానిర్దేశం చేయండి.
- నిర్మిత అవుట్పుట్లు సమాధానాలు JSON ఆబ్జెక్ట్గా లేదా మీ JSON schema ప్రకారం.
- రీజనింగ్ effort రీజనింగ్ స్ట్రీమ్ను చదవండి; హోస్ట్ చేసిన ఓపెన్-వెయిట్ మోడల్స్లో effort ను సెట్ చేయండి.
- ప్రాంప్ట్ క్యాషింగ్ హోస్ట్ చేసిన మోడల్స్ పునరావృతమయ్యే ప్రాంప్ట్ ప్రిఫిక్స్లను ఆటోమేటిక్గా క్యాష్ చేస్తాయి, ఇన్పుట్ ధరలో 25% కి.
- Responses API అదే మోడల్స్ మరియు అదే కీపై OpenAI Responses డయలెక్ట్.
- Anthropic ఫార్మాట్ మీ Anthropic SDK మరియు Messages కోడ్ను అలాగే ఉంచండి; బేస్ URL ను మార్చండి.
- CLI కోడింగ్ టూల్స్ Claude Code మరియు Codex CLI, వాటి వెనుక మోడల్గా Shannon తో.
- ఎరర్ హ్యాండ్లింగ్ స్టేటస్ కోడ్లు, ఎరర్ రకాలు మరియు ఎరర్ బాడీ ఆకృతి.
బిల్డ్ చేయడానికి సిద్ధమా?
ప్రతి ఖాతాతో ఉచిత టియర్ ఉంటుంది. మీ కీ ఒక్క క్లిక్ దూరంలో ఉంది.