Shannon 3.1
Dieselbe Reasoning-Schleife, verlagert auf unseren eigenen GPU-Cluster: 32% intelligenter, 10-15x schneller und ein Kontextfenster von 196,608 Token.
Kurzfassung
Shannon 3.1 behält alles, was Shannon 3 brauchbar gemacht hat — die iterative Reasoning-Schleife, keine Ablehnungsschicht, keine Ausgabefilterung — und ändert, wo und wie es läuft. Das Modell wird jetzt von unserem eigenen GPU-Cluster ausgeliefert statt von einem fremden Inferenz-Anbieter. Die Evaluation von Shannon Lab misst 32% mehr Intelligenz und 10-15x schnellere Antworten gegenüber Shannon 3.0. Das Kontextfenster steigt von 32,768 auf 196,608 Token. Die Taktungsschicht, die die Ausgabe von 3.0 bewusst verlangsamt hat, ist weg: 3.1 streamt mit der vollen Geschwindigkeit der Engine. Die Modell-IDs lauten shannon-3.1 und shannon-3.1-pro, im Chat und auf allen drei API-Dialekten.
Die meisten Modell-Releases verlangen, dass Sie eine Leistungsbehauptung auf Treu und Glauben hinnehmen und darauf warten, dass eine Benchmark-Tabelle die Sache klärt. Dieses hier lässt sich leichter überprüfen: Öffnen Sie zwei Tabs, geben Sie denselben Prompt in shannon-3 und shannon-3.1 ein und schauen Sie zu. Der Unterschied darin, wie schnell die Antwort ankommt, ist nicht subtil, und er ist kein Darstellungstrick. Shannon 3.0 wurde absichtlich gedrosselt. Shannon 3.1 nicht.
01Was sich in Shannon 3.1 tatsächlich geändert hat
Shannon 3.0 hat das eingeführt, was diese Familie ausmacht: eine iterative Reasoning-Schleife. Das Modell antwortet nicht auf seinen ersten Gedanken hin. Es denkt, entwirft, prüft seinen eigenen Entwurf an der Frage und verbessert ihn. Lite führt einen Durchlauf dieser Schleife aus, Pro die vollständige Schleife einschließlich eines Wissenssammelschritts vor dem Entwurf. Dieses Design ist ausführlich im Shannon-3-Forschungsartikel beschrieben, und nichts davon hat sich in 3.1 geändert.
Geändert hat sich die Maschinerie darunter. Shannon 3.0 wurde über einen fremden Inferenz-Anbieter ausgeliefert — eine vernünftige Art, ein Modell zu starten, und eine einschränkende Art, es zu betreiben. Man erbt die Serving-Konfiguration eines anderen, dessen Warteschlange, dessen Kontextobergrenze und dessen Vorstellung davon, wie viele Token pro Sekunde einem zustehen. Shannon 3.1 läuft auf unserem eigenen GPU-Cluster, auf einem Serving-Stack, den wir selbst konfigurieren, und jede Kennzahl in diesem Artikel folgt aus dieser einen Entscheidung.
| Shannon 3.0 | Shannon 3.1 | |
|---|---|---|
| Wo es läuft | Fremder Anbieter | Unser eigener GPU-Cluster |
| Kontextfenster | 32,768 | 196,608 |
| Ausgabe-Streaming | Getaktet / gedrosselt | Volle Engine-Geschwindigkeit |
| Gewichte | Anbieter-Standard | 4-Bit NVFP4 |
| Decoding | Standard | Spekulativ |
| Reasoning-Schleife | Denken → entwerfen → prüfen → verbessern | Unverändert |
| Ablehnungsschicht | Keine | Keine |
| Modell-IDs | shannon-3, shannon-3-pro | shannon-3.1, shannon-3.1-pro |
02Warum sich Shannon 3.1 10-15x schneller anfühlt
Nach der Geschwindigkeit wird zuerst gefragt, deshalb lohnt es sich, genau zu sagen, woher sie kommt. Es gibt zwei unabhängige Beiträge, und der größere ist der unspektakulärere von beiden.
Wir haben die Geschwindigkeitsbremse entfernt
Die Ausgabe von Shannon 3.0 lief durch eine Taktungsschicht. Token verließen die Engine, wurden zurückgehalten und nach einem festen Zeitplan an Ihre Verbindung ausgegeben. Das war kein Versehen und kein Fehler. Wenn ein geteilter Inferenz-Anbieter der Engpass ist, glättet getaktete Ausgabe die Last, verhindert, dass eine lange Generierung einen Slot monopolisiert, und lässt den Stream in einem vorhersehbaren, lesbaren Rhythmus statt in Schüben ankommen. Das ist eine vertretbare technische Entscheidung, und sie hat jeden Nutzer bei jeder einzelnen Antwort echte Wartezeit gekostet.
Shannon 3.1 hat keine Geschwindigkeitsbremse und keine Ausgabetaktung. Token werden in Ihren Stream geschrieben, sobald die Engine sie erzeugt. Wenn die Engine schnell generiert, sehen Sie, wie sie schnell generiert. Zwischen dem Modell und Ihrem Terminal, Ihrem Chatfenster oder Ihrem SSE-Reader liegt kein Glättungspuffer mehr. Bei einer langen Antwort — einer Analyse von 2.000 Token, einer generierten Codedatei — macht allein das den größten Teil der Verbesserung aus, die Sie bemerken werden.
Eine ehrliche Folge davon: Der Stream ist jetzt schubweise. Speculative Decoding (siehe unten) gibt akzeptierte Token in kurzen Folgen aus, sodass Text in sichtbaren Blöcken statt in einem metronomischen Wort-für-Wort-Takt eintrifft. Wenn Sie Ihre Oberfläche um den gleichmäßigen Takt von 3.0 herum gebaut haben, funktioniert sie weiterhin — Reihenfolge und Inhalt der Token bleiben unberührt — aber Sie möchten vielleicht clientseitig wieder eine eigene Glättung einbauen, wenn Ihnen die Schreibmaschinen-Optik lieber war. Wir glauben, die meisten Menschen nehmen lieber die Sekunden zurück.
Die Engine selbst wurde schneller
Die Bremse zu entfernen hilft nur, wenn das, was dahinter liegt, schnell ist. Der zweite Beitrag ist der in Abschnitt 03 beschriebene Serving-Stack: 4-Bit-NVFP4-Gewichte und Speculative Decoding auf aktuellen, FP4-nativen Beschleunigern in unserem eigenen Cluster. Zusammen heben sie die Obergrenze an, die der Wegfall der Bremse überhaupt erst sichtbar macht.
Relative Ende-zu-Ende-Antwortlatenz, interne Evaluation von Shannon Lab, September 2026. Die Spanne ergibt sich aus Prompt-Länge und Stufe: kurze Prompts auf Lite liegen am unteren Ende, lange Generierungen auf Pro am oberen.
03Was Speculative Decoding tatsächlich macht
„Speculative Decoding“ wird gern als Marketingwort benutzt, deshalb hier der Mechanismus, ganz nüchtern.
Ein Sprachmodell erzeugt normalerweise ein Token pro Vorwärtsdurchlauf. Dieser Durchlauf wird nicht von der Arithmetik dominiert, sondern von der Speicherbandbreite — die Gewichte müssen gelesen werden, um überhaupt etwas zu berechnen, und das Lesen dauert weit länger als die Rechenarbeit. Die GPU verbringt den größten Teil ihrer Zeit damit, auf den Speicher zu warten, während ihre Recheneinheiten leerlaufen. 500 Token zu erzeugen bedeutet, diese Latenz 500 Mal nacheinander zu bezahlen.
Speculative Decoding greift genau den sequentiellen Teil an. Ein kleines, günstiges Entwurfsmodell schlägt eine kurze Folge wahrscheinlicher nächster Token vor — etwa vier oder acht. Das Hauptmodell bewertet diese ganze Folge dann in einem einzigen gebündelten Vorwärtsdurchlauf, der kaum mehr kostet als die Bewertung eines einzelnen Tokens, weil der teure Teil (das Lesen der Gewichte) so oder so nur einmal passiert. Jedes vorgeschlagene Token, dem das Hauptmodell zustimmt, wird akzeptiert und sofort ausgegeben. Bei der ersten Abweichung wird die Folge abgeschnitten und das normale Decoding setzt dort fort.
Die Eigenschaft, auf die es ankommt
Speculative Decoding ist ausgabeerhaltend. Der Prüfschritt ist so konstruiert, dass die akzeptierte Folge exakt so verteilt ist, wie es das eigene Sampling des Hauptmodells gewesen wäre. Sie bekommen nicht die Antwort des Entwurfsmodells, und Sie bekommen auch keine Annäherung an die Antwort des großen Modells. Sie bekommen die Ausgabe des Hauptmodells, erreicht in weniger sequentiellen Schritten. Das Entwurfsmodell kann nur die Geschwindigkeit beeinflussen, niemals den Inhalt.
Die Akzeptanzrate leistet die Arbeit. Bei vorhersehbarem Text — Boilerplate, Codestrukturen, dem verbindenden Gewebe einer Argumentation — rät das Entwurfsmodell gut und lange Folgen landen auf einmal. Bei wirklich schwierigen Token sinkt die Akzeptanz, und das System fällt anstandslos auf gewöhnliches Token-für-Token-Decoding zurück. Genau diese Asymmetrie will man: Sie beschleunigt die leichten Teile und rührt die schweren nicht an.
Warum 4-Bit-Gewichte in denselben Absatz gehören
Weil der Engpass die Speicherbandbreite ist, sind kleinere Gewichte ein direkter Geschwindigkeitshebel und nicht nur eine Frage des Speicherbedarfs. NVFP4 ist ein 4-Bit-Gleitkommaformat mit feingranularer Skalierung pro Block, und genau das lässt es dort Genauigkeit halten, wo ältere 4-Bit-Integer-Quantisierungen sie verloren haben. Ungefähr ein Viertel der Bytes, die pro Vorwärtsdurchlauf gelesen werden müssen, bedeutet proportional weniger Wartezeit auf den Speicher — und lässt weit mehr Spielraum für den Long-Context-KV-Cache, den ein 196K-Fenster verlangt.
Die beiden Effekte verstärken sich, statt sich nur zu addieren: weniger Bytes pro Durchlauf und weniger Durchläufe pro ausgegebenem Token. Das macht ungebremstes Streaming mit voller Geschwindigkeit bezahlbar im Betrieb, statt zu Kosten, die wir über Taktung wieder hereinholen müssten — was die Taktungsschicht bei 3.0 genau getan hat.
04196,608 Token: was ein 6x größeres Fenster ermöglicht
Shannon 3.0 hatte ein Fenster von 32,768 Token: eine Arbeitssitzung, kein Dokument. Ungefähr 70-80 Seiten Prosa, abzüglich dessen, was die Reasoning-Schleife für ihr eigenes Denken verbraucht, abzüglich Ihres System-Prompts, abzüglich der bisherigen Unterhaltung. Echte Arbeit stieß ständig an diese Wand, und die Behelfslösungen — Chunking, Zusammenfassen, Retrieval über das eigene Material — verschlechtern alle genau das, was man bewahren wollte. 196,608 Token sind eine andere Problemkategorie.
Konkret liegt das in der Größenordnung von 400-500 Seiten deutschem Text, oder einer mittelgroßen Codebasis samt Tests und README, oder einem Jahr Besprechungsnotizen eines Projekts, oder einem vollständigen Vertragswerk mit allen Anlagen — gehalten in einer Unterhaltung, adressierbar in einer Frage, ohne Chunking-Schicht zwischen Ihnen und dem Material.
- Fragen über ein ganzes Repository. Laden Sie den Code und fragen Sie, warum ein Fehler in die Produktion gelangt, statt die drei Dateien einzufügen, die Sie ohnehin schon im Verdacht hatten. Das Modell kann die Datei finden, an die Sie nicht gedacht haben.
- Analyse langer Dokumente ohne Retrieval. Retrieval ist ein verlustbehafteter Vorfilter, der entscheidet, was das Modell überhaupt sehen darf. Bei 196K können Sie ihn oft weglassen und das Modell alles lesen lassen, was eine ganze Fehlerklasse beseitigt: dass die richtige Stelle nie abgerufen wurde.
- Unterhaltungen, die kohärent bleiben. Eine lange Arbeitssitzung verliert nicht mehr stillschweigend ihren eigenen Anfang. Vorgaben, die Sie in Nachricht drei gemacht haben, gelten in Nachricht achtzig noch.
- Platz für die Reasoning-Schleife. Das Denken, Entwerfen und Prüfen der Schleife verbraucht selbst Kontext. Bei 3.0 konkurrierten diese Schritte mit Ihrem Material um ein knappes Budget. Bei 3.1 passen sie bequem hinein, und das ist ein Teil des Grundes, warum Qualitätsgewinn und Fenstervergrößerung gemeinsam eingetroffen sind.
- Große gemischte Eingaben. Bilder, extrahierter Dokumenttext und Code in einem einzigen Zug, ohne vorher aussortieren zu müssen, was Sie sich davon leisten können.
Ein ehrlicher Vorbehalt, der für jedes Long-Context-Modell gilt, unseres eingeschlossen: Ein großes Fenster ist eine Kapazität, keine Garantie für gleichmäßige Aufmerksamkeit über seine gesamte Länge. Struktur hilft weiterhin. Die Frage ans Ende zu stellen, die Dokumente zu beschriften und dem Modell zu sagen, worauf es achten soll, verbessert die Ergebnisse bei 150K Token messbar — auf eine Weise, wie es bei 5K schlicht nicht der Fall ist.
05Lite und Pro: shannon-3.1 und shannon-3.1-pro
Die beiden Stufen unterscheiden sich darin, wie viel von der Reasoning-Schleife sie ausführen, und das ist der einzige Unterschied, der für die Wahl zwischen ihnen zählt.
| shannon-3.1 (Lite) | shannon-3.1-pro (Pro) | |
|---|---|---|
| Reasoning | Einzelner Durchlauf | Volle Schleife + Wissenssammlung |
| Selbstprüfung | Nein | Ja |
| Kontextfenster | 196,608 | 196,608 |
| Streaming | Volle Geschwindigkeit, ungebremst | Volle Geschwindigkeit, ungebremst |
| Bilder & Dokumente | Ja | Ja |
| Bildgenerierungs-Tool | Ja | Ja |
| Am besten für | Die meiste Arbeit, hohes Volumen | Schwere Fragen, erster Entwurf reicht nicht |
Nutzen Sie standardmäßig Lite. Ein Durchlauf eines guten Reasoning-Modells bewältigt die große Mehrheit echter Anfragen, und auf 3.1 ist er schnell genug, dass man die Schleife nicht mehr als Wartezeit spürt. Greifen Sie zu Pro, wenn die Frage eine ist, bei der eine erste Antwort meist auf lehrreiche Weise falsch ist: architektonische Abwägungen, gegnerische Analysen, alles, wo man möchte, dass eine kompetente Kollegin noch einmal eine Nacht darüber schläft. Der Selbstprüfungsschritt von Pro ist keine Dekoration — dort findet das Modell seine eigenen Fehler, bevor Sie es tun müssen.
06Die 32% mehr Intelligenz, und wie man sie lesen sollte
Die eigene Evaluation von Shannon Lab setzt Shannon 3.1 bei 32% mehr Intelligenz gegenüber Shannon 3.0 an. Wir wollen deutlich sagen, was das ist und was nicht.
Es ist unsere Zahl, aus unserer internen Evaluationssuite, gemessen an Aufgaben, die wir für repräsentativ dafür halten, was Menschen tatsächlich an solche Modelle herantragen. Es ist kein Benchmark einer dritten Partei, und wir bauen um ein einzelnes internes Aggregat herum weder eine Ranglistentabelle noch veröffentlichen wir eine Aufschlüsselung nach Benchmarks — eine solche Aufschlüsselung würde eine externe Vergleichbarkeit suggerieren, die eine interne Suite nicht hat.
Was wir sagen können, ist, woher der Gewinn kommt, denn dieser Teil ist nicht rätselhaft. Ein größeres Kontextfenster bedeutet, dass weniger Material verworfen werden muss, bevor das Modell darüber nachdenkt, und ein großer Teil scheinbarer Dummheit in langen Sitzungen ist in Wahrheit nur Gedächtnisverlust. Ein Serving-Stack, den wir kontrollieren, bedeutet, dass das Modell mit der Konfiguration läuft, die wir vorgesehen haben, statt mit einem Anbieter-Standard. Und die Reasoning-Schleife — im Design unverändert — hat jetzt Platz, um innerhalb des Fensters tatsächlich zu laufen, statt gegen eine 32K-Obergrenze gedrückt zu werden, die sie sich mit Ihrer Eingabe teilte.
Der nützlichste Benchmark für Sie ist Ihr eigener. Nehmen Sie einen Prompt aus Ihrer echten Arbeit — kein Rätsel, einen echten — und lassen Sie ihn auf shannon-3 und dann auf shannon-3.1 laufen. Vergleichen Sie die Antworten und stoppen Sie die Zeit. Unsere Zahlen beschreiben einen Durchschnitt über eine Suite; Ihr Prompt ist der, der besser werden muss.
07Bilder, Dokumente und Bildgenerierung
Shannon 3.1 liest Bilder und Dokumente. Screenshots, Diagramme, Fotos, gescannte Seiten, PDFs und Textdokumente können in die Unterhaltung eingebracht und zusammen mit allem anderen mitgedacht werden. In Kombination mit dem 196K-Fenster macht das Arbeitsabläufe über ganze Dokumente praktikabel: ein langer Bericht samt seiner Diagramme in einem Zug, ohne vorher zu entscheiden, welche Seiten das Modell sehen darf.
Bildgenerierung und Bildbearbeitung stehen im Chat als Werkzeug zur Verfügung. Bitten Sie um ein Bild, und das Modell ruft das Werkzeug direkt in derselben Unterhaltung auf, mit dem Kontext von allem bisher Besprochenen. Die Bearbeitung funktioniert genauso — reichen Sie ein Bild ein und beschreiben Sie die Änderung. Es gibt keinen separaten Modus, in den man wechseln müsste, und keine separate Oberfläche, die man lernen müsste.
08Shannon 3.1 über die API aufrufen
Shannon 3.1 ist auf allen drei API-Dialekten verfügbar, jeweils mit Streaming. Dieselben Modelle, drei Anfrageformen — nehmen Sie die, die zu dem SDK passt, das Sie schon haben.
| Endpunkt | Form | Streaming |
|---|---|---|
| /v1/chat/completions | OpenAI-kompatibel | Ja |
| /v1/messages | Anthropic-kompatibel | Ja |
| /v1/responses | Responses | Ja |
{
"model": "shannon-3.1",
"stream": true,
"messages": [
{ "role": "user", "content": "Summarize this contract set and flag anything unusual." }
]
}Tauschen Sie "shannon-3.1" gegen "shannon-3.1-pro", um die vollständige Reasoning-Schleife auszuführen. Wenn Sie bereits shannon-3 aufrufen, besteht die Migration nur aus der Modell-ID und sonst nichts: Anfrage- und Antwortformen sind unverändert, und bestehende Streaming-Clients funktionieren weiter. Der einzige zu erwartende Verhaltensunterschied ist der in Abschnitt 02 beschriebene schubweise Stream — dieselben Token, dieselbe Reihenfolge, nur früher und in ungleichmäßigeren Blöcken.
Die vollständige Parameterreferenz, Authentifizierung, Fehlersemantik und ein interaktiver Playground finden sich in der API-Dokumentation. Weitere Modellkarten und technische Beiträge stehen in der Shannon-Forschung.
09Weiterhin unzensiert, und darin unverändert
Shannon 3.1 hat keine Ablehnungsschicht und keine Inhaltsfilterung auf der Ausgabe. Das ist dieselbe Haltung wie im Rest der Shannon-Reihe, und sie hat sich mit dem Umzug auf unseren eigenen Cluster nicht geändert — wenn überhaupt, macht die Kontrolle über den Serving-Stack es leichter, das zu garantieren, weil kein zwischengeschalteter Anbieter mit eigenen Richtlinien mehr zwischen dem Modell und Ihnen sitzt.
Das sei ausdrücklich gesagt, weil es die naheliegende Frage bei einem Release ist, das den gesamten Ausgabepfad verändert hat: Der Wegfall der Taktungsschicht bedeutete nicht, an ihrer Stelle eine Moderationsschicht einzuziehen. Nichts prüft, schreibt um oder bremst den Stream. Was das Modell produziert, kommt bei Ihnen an. Shannon 3.1 ist, soweit wir wissen, das schnellste verfügbare unzensierte KI-Modell mit einem Kontextfenster dieser Größe — und die beiden Eigenschaften hängen zusammen, denn beide kommen daher, dass wir unsere eigene Infrastruktur betreiben, statt anderswo compliance-förmige Rechenkapazität zu mieten.
Unzensiert ist nicht dasselbe wie unverantwortlich. Die Nutzung unterliegt unserer Richtlinie zur verantwortungsvollen Nutzung, und die Verpflichtung, die mit einem Modell einhergeht, das sich auf schwieriges Material einlässt, ist, dass Sie sich verantwortungsvoll darauf einlassen.
10Machen Sie den Vergleich selbst
Jede Behauptung hier ist in etwa zwei Minuten überprüfbar, und uns ist lieber, Sie prüfen sie, als dass Sie uns glauben.
- Wählen Sie einen Prompt aus Arbeit, die Sie tatsächlich machen. Lang ist besser — das fordert sowohl das Fenster als auch das Streaming.
- Lassen Sie ihn auf
shannon-3laufen. Notieren Sie, wie lange es bis zum ersten Token dauert und wie lange bis zur fertigen Antwort. - Lassen Sie denselben Prompt auf
shannon-3.1laufen. Notieren Sie dieselben zwei Zahlen. - Lesen Sie dann beide Antworten, ohne auf die Uhr zu schauen, und entscheiden Sie, welche Sie gewollt hätten.
Der Geschwindigkeitsunterschied wird sofort und offensichtlich sein. Der Qualitätsunterschied ist der, mit dem man sich Zeit lassen sollte — er zeigt sich am deutlichsten bei langen Eingaben, wo 3.0 stillschweigend mit weniger von Ihrem Material gearbeitet hat, als Sie dachten.
11Häufig gestellte Fragen
Was ist Shannon 3.1?
Shannon 3.1 ist das aktuelle Release der Shannon-3-Familie. Es behält dieselbe iterative Reasoning-Schleife — denken, entwerfen, selbst prüfen, verbessern — führt sie aber nativ auf unserem eigenen GPU-Cluster aus statt bei einem fremden Inferenz-Anbieter. Die eigene Evaluation von Shannon Lab misst 32% mehr Intelligenz und 10-15x schnellere Antworten gegenüber Shannon 3.0, bei einem Kontextfenster, das von 32,768 auf 196,608 Token steigt.
Wie viel schneller ist Shannon 3.1 als Shannon 3.0?
10x bis 15x schneller bei vollständigen Antworten, laut der eigenen Evaluation von Shannon Lab. Zwei Dinge sind dafür verantwortlich. Die Ausgabe von Shannon 3.0 lief durch eine Taktungsschicht, die den Stream bewusst gedrosselt hat; Shannon 3.1 hat keine Geschwindigkeitsbremse und keine Ausgabetaktung, sodass Token Sie so schnell erreichen, wie die Engine sie erzeugt. Auch die Engine selbst ist schneller: 4-Bit-NVFP4-Gewichte plus Speculative Decoding auf unserem eigenen GPU-Cluster.
Wie groß ist das Kontextfenster von Shannon 3.1?
196,608 Token, eine Versechsfachung gegenüber den 32,768 Token von Shannon 3.0. Das entspricht ungefähr 400-500 Textseiten oder einer mittelgroßen Codebasis, gehalten in einer einzigen Unterhaltung, ohne Chunking und ohne Retrieval.
Was ist Speculative Decoding und warum ist es hier wichtig?
Ein kleines, schnelles Entwurfsmodell schlägt eine Folge wahrscheinlicher nächster Token vor, und das Hauptmodell prüft sie in einem einzigen gebündelten Durchlauf. Akzeptierte Token werden sofort ausgegeben; abgelehnte fallen auf normales Decoding zurück. Das Ergebnis ist genau das, was das Hauptmodell auch allein produziert hätte, aber pro Prüfschritt können mehrere Token statt nur einem landen. Genau das macht Streaming mit voller Geschwindigkeit bezahlbar statt zu einem Kostenproblem.
Ist Shannon 3.1 unzensiert?
Ja. Shannon 3.1 hat keine Ablehnungsschicht und keine Inhaltsfilterung auf der Ausgabe, genau wie der Rest der Shannon-Reihe. Der Wegfall der Taktungsschicht hat an ihrer Stelle keine Moderationsschicht eingeführt — der Stream, den Sie erhalten, ist die Ausgabe des Modells.
Wie lauten die Modell-IDs und wo kann ich Shannon 3.1 nutzen?
shannon-3.1 ist die Lite-Stufe und shannon-3.1-pro die Pro-Stufe. Beide sind im Chat und auf allen drei API-Dialekten verfügbar: /v1/chat/completions (OpenAI-Form), /v1/messages (Anthropic-Form) und /v1/responses. Streaming funktioniert auf allen dreien.
Was ist der Unterschied zwischen shannon-3.1 und shannon-3.1-pro?
Lite führt einen einzigen Durchlauf der Reasoning-Schleife aus: erst denken, dann antworten. Pro führt die vollständige Schleife aus — denken, entwerfen, selbst prüfen, verbessern — mit einem Wissenssammelschritt vor dem Entwurf. Lite ist die richtige Voreinstellung für die meiste Arbeit; Pro ist für Fragen gedacht, bei denen die erste Antwort meist nicht die beste ist.
Shannon 3.1 ausprobieren
Dieselbe Reasoning-Schleife. Sechsmal so viel Fenster. Keine Geschwindigkeitsbremse.
Chat starten API-Dokumentation lesenshannon-3.1 · shannon-3.1-pro · Streaming auf allen drei Dialekten
Die Leistungs- und Intelligenzzahlen in diesem Artikel stammen aus eigenen Messungen von Shannon Lab in interner Evaluation, September 2026, und sind als Produktangaben zu verstehen, nicht als Benchmark-Ergebnisse einer dritten Partei. Kontextfenster, Modell-IDs und API-Verfügbarkeit sind Produktspezifikationen. Shannon AI wird von Shannon Lab LLC, New Mexico, USA, betrieben. Weiterführend: Shannon 3 · Shannon-Forschungsindex · API-Dokumentation.