รูปภาพและไฟล์
ส่งรูปภาพพร้อมข้อความ: โมเดลใดรับได้ รูปแบบที่รองรับ และขีดจำกัด
POST https://api.shannon-ai.com/v1/chat/completions
รูปภาพส่งอยู่ภายในข้อความผู้ใช้ เป็นหนึ่งส่วนของ content ตัวอย่างอ่านไฟล์ในเครื่องแล้วส่งเป็น 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) import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const image = fs.readFileSync("photo.jpg").toString("base64");
const response = await 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 } },
],
}],
});
console.log(response.choices[0].message.content); # Linux: base64 -w0 photo.jpg macOS: base64 -i photo.jpg
IMAGE=$(base64 -w0 photo.jpg)
curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d @- <<EOF
{
"model": "shannon-3",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,${IMAGE}"}}
]
}]
}
EOF {
"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
}
} โมเดลใดรับรูปภาพ
| โมเดล | อ่านได้ |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | รูปภาพ และเอกสาร: ไฟล์ PDF, Word, PowerPoint, Excel และข้อความธรรมดา |
shannon-1.6-lite, shannon-1.6-pro | รูปภาพ |
shannon-2-lite, shannon-2-pro | รูปภาพ ในคำขอที่ส่ง tools หรือ response_format ด้วย |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | รูปภาพ |
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 | ข้อความ คำขอที่มีรูปภาพจะตอบด้วยสถานะ 400 |
shannon-coder-1 | ข้อความ |
GET /v1/models รายงานการรับรูปภาพของแต่ละ id เป็น capabilities.vision โมเดลและราคา
- โมเดล Shannon อ่านไฟล์ของข้อความผู้ใช้ล่าสุด ให้วางรูปภาพไว้ในข้อความที่ถามเกี่ยวกับรูปนั้น
- ตระกูล Shannon 3 ยังคงมองเห็นรูปภาพและเอกสารบางส่วนจากข้อความผู้ใช้ก่อนหน้า หากส่งแบบ inline และอ่านรูปภาพได้ไม่เกินจำนวนสูงสุดที่กำหนดต่อคำขอ โดยนับจากรูปแรก
- โมเดล open-weight ที่โฮสต์อ่านรูปภาพของทุกข้อความในบทสนทนา
รูปแบบที่รองรับ
ส่งไฟล์ได้สองวิธี: ใส่ในคำขอเป็น base64 หรือส่งเป็นที่อยู่ที่ API ไปดึงมา ทุกไฟล์เดินทางไปกับคำขอ; API ไม่มี endpoint สำหรับอัปโหลด
| เอนด์พอยต์ | ในคำขอ (base64) | ผ่านที่อยู่ (URL) |
|---|---|---|
/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://…"}} |
ข้อความผู้ใช้เดียวกันในแต่ละรูปแบบ:
{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{
"type": "image_url",
"image_url": {
"url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
}
]
} {
"role": "user",
"content": [
{"type": "input_text", "text": "What is in this picture?"},
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
]
} {
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/jpeg",
"data": "/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
}
]
} - data URL มีรูปแบบ
data:<media type>;base64,<data>ส่วน;base64จำเป็นต้องมี - บน
/v1/chat/completionsและ/v1/responsesimage_urlเป็นสตริงโดยตรงหรือออบเจ็กต์{"url": "…"}ก็ได้ - ชนิดไฟล์ได้จาก data URL หรือจาก
media_typeหากไม่ระบุ รูปภาพจะถูกอ่านเป็นimage/png - ไฟล์ inline นับรวมในขนาดของเนื้อหาคำขอ ซึ่งใหญ่ได้ถึง 32 MiB
- รับไว้เพื่อความเข้ากันได้:
image_url.detail
ขีดจำกัดของไฟล์ระยะไกล
เมื่อคุณส่งที่อยู่ (URL) API จะดึงไฟล์ก่อนที่โมเดลจะทำงาน ภายใต้ขีดจำกัดเหล่านี้:
| ขีดจำกัด | กฎ |
|---|---|
| ขนาด | ไม่เกิน 8 MiB ต่อไฟล์ |
| เวลา | รอคำตอบ 20 วินาที |
| การเปลี่ยนเส้นทาง (redirect) | ไม่เกิน 5 ครั้ง |
| ที่อยู่ | http:// หรือ https:// โดยไม่มีชื่อผู้ใช้หรือรหัสผ่านในที่อยู่ บนโฮสต์ที่มีที่อยู่สาธารณะ |
| คำตอบของโฮสต์ | สถานะในช่วง 200 และเนื้อหาที่ไม่ว่าง ชนิดไฟล์อ่านจาก Content-Type |
| ส่งคำขอในชื่อ | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
รูปภาพนับเป็น tokens อย่างไร
บนโมเดล open-weight ที่โฮสต์ รูปภาพนับเป็นหนึ่ง token ต่อหนึ่งแพตช์ขนาด 28 × 28 พิกเซล: ความกว้างหาร 28 ปัดขึ้น คูณความสูงหาร 28 ปัดขึ้น ผลลัพธ์เป็นส่วนหนึ่งของ usage.prompt_tokens และคิดเป็นอินพุต
- 1024 × 1024
- 1,369 tokens
- 1920 × 1080
- 2,691 tokens
- 512 × 512
- 361 tokens
- รูปภาพระยะไกลจะถูกดึงก่อน จึงนับตามขนาดจริง
- รูปภาพที่อ่านขนาดไม่ได้นับเป็น 1,024 tokens
- endpoint สำหรับนับใช้กฎเดียวกันกับ data URL ส่วนที่อยู่ระยะไกลจะไม่ถูกดึง และนับเป็น 1,024 tokens การนับ token
- สำหรับโมเดล Shannon ให้ดูค่าใช้จ่ายของคำขอที่มีรูปภาพจาก
usageในคำตอบ
เอกสารและไฟล์อื่น
ตระกูล Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) อ่านเอกสารได้ด้วย ระบบจะดึงข้อความจากเอกสารแล้วส่งให้โมเดลพร้อมกับข้อความของคุณ
| เอกสาร | ชนิดสื่อ (media type) |
|---|---|
application/pdf | |
| Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| PowerPoint | application/vnd.openxmlformats-officedocument.presentationml.presentation |
| Excel | application/vnd.openxmlformats-officedocument.spreadsheetml.sheet |
เอกสารเป็นส่วนหนึ่งของข้อความผู้ใช้ เช่นเดียวกับรูปภาพ:
| เอนด์พอยต์ | ในคำขอ (base64) | ผ่านที่อยู่ (URL) |
|---|---|---|
/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."}
]
}
]
} {
"model": "shannon-3",
"input": [
{
"role": "user",
"content": [
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjcKJeLjz9MK…"
},
{
"type": "input_text",
"text": "Summarise this report in five points."
}
]
}
]
} {
"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."}
]
}
]
} - ระบุ media type จริงของไฟล์ หากไม่ระบุ เอกสารจะถูกอ่านเป็น
application/pdf - ไฟล์ข้อความธรรมดา เช่น CSV จะถูกอ่านเป็นข้อความและแนบในลักษณะเดียวกัน
- เมื่ออ่านเอกสารไม่ได้ หรือไฟล์เป็นชนิดอื่น โมเดลจะได้รับแจ้งและบอกในคำตอบได้ สถานะยังคงเป็น
200 - ในโมเดลอื่นทุกตัว ส่วนเอกสารจะถูกตัดออกจากสิ่งที่โมเดลอ่าน และคำขอจะถูกตอบจากส่วนที่เหลือ
- เอกสารที่ส่งเป็นที่อยู่ (URL) จะถูกดึงภายใต้ขีดจำกัดของไฟล์ระยะไกลข้างต้น
ข้อผิดพลาด
| สถานะ | ประเภท | ข้อความ | เมื่อใด |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | ส่งรูปภาพไปยังโมเดล open-weight ที่โฮสต์ซึ่งรับเฉพาะข้อความ จะไม่มีการหักจากยอดคงเหลือของคุณ |
400 | invalid_request_error | audio and video input are not supported by any hosted model | ส่งส่วนเสียงหรือวิดีโอไปยังโมเดล open-weight ที่โฮสต์ |
413 | invalid_request_error | Failed to buffer the request body: … | เนื้อหาคำขอ (request body) รวมไฟล์ inline ใหญ่กว่า 32 MiB ข้อผิดพลาดจะมี code: "request_too_large" |
โมเดล Shannon ตอบด้วยสถานะ 200 ไม่ว่าคำขอจะมีไฟล์ใด: ส่วนที่อ่านไม่ได้จะถูกตัดออก การจัดการข้อผิดพลาด