ข้ามไปยังเนื้อหา
รูปภาพและไฟล์

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)
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
  }
}

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…"
      }
    }
  ]
}
  • data URL มีรูปแบบ data:<media type>;base64,<data> ส่วน ;base64 จำเป็นต้องมี
  • บน /v1/chat/completions และ /v1/responses image_url เป็นสตริงโดยตรงหรือออบเจ็กต์ {"url": "…"} ก็ได้
  • ชนิดไฟล์ได้จาก data URL หรือจาก media_type หากไม่ระบุ รูปภาพจะถูกอ่านเป็น image/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 usage ในคำตอบ

เอกสารและไฟล์อื่น

ตระกูล Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) อ่านเอกสารได้ด้วย ระบบจะดึงข้อความจากเอกสารแล้วส่งให้โมเดลพร้อมกับข้อความของคุณ

เอกสาร ชนิดสื่อ (media type)
PDF 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."}
      ]
    }
  ]
}
  • 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