Shannon 3, model AI bez cenzury, który ocenia własną odpowiedź
Iteracyjna pętla rozumowania na naszym własnym klastrze GPU: myśl, szkicuj, oceniaj, przepisuj. Lite wykonuje jeden przebieg. Pro wykonuje do dziesięciu i dopytuje o fakty, których mu brakuje.
W skrócie
Shannon 3 to rodzina modeli AI bez cenzury serwowana z naszego własnego klastra GPU. Jej cechą wyróżniającą jest kształt tury: model myśli, pisze szkic, a potem odczytuje własny szkic z powrotem, zestawia go z własnym myśleniem i przepisuje to, co się nie broni. Lite (shannon-3) wykonuje jeden przebieg myślenia i szkicowania dla najniższego opóźnienia. Pro (shannon-3-pro) wykonuje pełną pętlę przez maksymalnie 10 iteracji, zatrzymując się w chwili, gdy przegląd zatwierdzi szkic, a dodatkowo przeprowadza zbieranie wiedzy względem większego modelu, by uzupełnić fakty, których brak zauważył. Cały ślad rozumowania jest widoczny, w Twoim języku. Obie warstwy obsługują obrazy i dokumenty na wejściu. Kontekst w chwili premiery 3.0 wynosił 32,768 tokenów.
Niemal każdy model czatowy, z którego korzystałeś, odpowiada w jednym przebiegu w przód. Wybiera pierwszy token, zanim wie, jaki będzie ostatni, a raz wyemitowane zdanie jest przesądzone: model może mu później zaprzeczyć, ale nie może wrócić i go poprawić. Sprawdza się to dobrze, gdy odpowiedź jest krótka, a pytanie ma jedną część. Sprawdza się źle, gdy odpowiedź jest długa, pytanie ma cztery części, a akapit szósty po cichu unieważnia akapit drugi. Shannon 3 istnieje, bo nie uważaliśmy, że lekarstwem jest większy model. Lekarstwem jest pozwolenie modelowi przeczytać to, co właśnie napisał.
01Czym jest Shannon 3
Shannon 3 to dwuwarstwowa rodzina modeli. Obie warstwy działają na naszym własnym klastrze GPU, a nie na zewnętrznym API inferencyjnym, i obie są bez cenzury: przed nimi nie ma warstwy odmów, a za nimi filtra treści. Różnicą między warstwami jest to, ile pracy wolno wykonać pojedynczej turze, zanim odpowiedź trafi do Ciebie.
W API obie warstwy to zwykłe identyfikatory modeli. Nie ma specjalnego endpointu, osobnego SDK ani dedykowanego formatu zapytania:
| Warstwa | Identyfikator modelu | Kształt tury | Najlepsza do |
|---|---|---|---|
| Shannon 3 Lite | shannon-3 | Jeden przebieg: myślenie + szkic | Czat, redagowanie, wyszukiwanie faktów, duże wolumeny |
| Shannon 3 Pro | shannon-3-pro | Pełna pętla, do 10 przebiegów, plus zbieranie wiedzy | Analiza, dłuższe formy, praca wrażliwa na poprawność |
02Dlaczego pojedynczy przebieg w przód to zły kształt dla trudnych pytań
Model generujący tekst od lewej do prawej podejmuje nieodwracalną sekwencję lokalnych decyzji. Nie ma gumki. Kiedy jest 400 tokenów w głąb wyjaśnienia i orientuje się, że wybrane ujęcie było błędne, ma tylko dwie opcje: ciągnąć w złym ujęciu albo dopisać sprostowanie — co daje odpowiedzi, które każdy zna, te mówiące w połowie właściwie, wracając do powyższego i zostawiające Ci pogodzenie dwóch niekompatybilnych połówek.
Łańcuch myśli to poprawia, ale nie rozwiązuje. Myślenie na początku daje modelowi plan, zanim zwiąże się prozą, i to realny zysk; szkic, który potem powstaje, wciąż jest pisany w jednym przebiegu i wciąż wysyłany bez przeczytania. Nic nigdy nie zadaje pytania, które ludzki redaktor zadaje jako pierwsze: czy ta odpowiedź faktycznie robi to, co zapowiadało myślenie? Tryby awarii, które przeżywają łańcuch myśli, są konkretne i rozpoznawalne:
- Porzucone podpytania. Zapytałeś o cztery rzeczy. Myślenie wypisało cztery rzeczy. Odpowiedź obejmuje trzy.
- Dryf planu. Rozumowanie ustala podejście; proza stopniowo przyjmuje inne, i nie ma jednego zdania, w którym coś poszło nie tak.
- Arytmetyka i jednostki. Liczba poprawnie policzona w myśleniu zostaje błędnie przepisana do odpowiedzi albo wartość miesięczna jest podana jako roczna.
- Zignorowane ograniczenia. Powiedziałeś: żadnych zewnętrznych zależności; kod importuje jedną, a myślenie nie wraca do tego ograniczenia po jego odnotowaniu.
- Pewne siebie luki. Model mówi w myśleniu, że nie jest pewien jednego konkretnego faktu, a potem i tak podaje go w odpowiedzi bez zastrzeżeń.
Każdy z tych błędów wychwytuje przeczytanie szkicu. Żadnego nie wychwytuje staranniejsze generowanie szkicu.
03Pętla rozumowania, etap po etapie
Tura Shannon 3 Pro to pętla o czterech etapach i warunku wyjścia.
Myśl
Model pracuje nad problemem, zanim cokolwiek dla Ciebie napisze: rozkłada pytanie, odnotowuje ograniczenia, ustala, co wie, a czego nie, i wybiera podejście. To, co tu powstaje, staje się miarą, do której później porównywana jest odpowiedź.
Szkicuj
Model pisze kompletną, prawdziwą odpowiedź — nie konspekt. Musi być kompletna, bo kolejny etap ocenia gotowy wytwór, a szkicu nie da się ocenić pod kątem trybów awarii, które pojawiają się dopiero na pełnej długości.
Oceniaj
To etap, który czyni tę rodzinę tym, czym jest. Model czyta szkic w zestawieniu z myśleniem — to znacznie ostrzejszy test niż czytanie samego szkicu. Zapytanie modelu „czy ta odpowiedź jest dobra?” zachęca go, by powiedział „tak”; zapytanie „plan mówił, że trzeba pokryć X, Y i Z przy ograniczeniu C — czy ten tekst to robi?” daje mu coś falsyfikowalnego do sprawdzenia. Przegląd nazywa to, co jest nie tak, zamiast wystawiać ocenę.
Przepisz
Nazwane problemy są naprawiane w nowym szkicu. To przepisanie, a nie łatka: poprawka, która wymaga przeorganizowania argumentacji, ma prawo ją przeorganizować. Nowy szkic wraca do przeglądu.
Zatrzymaj
Pętla kończy się przy pierwszym przeglądzie, który zatwierdza szkic — to normalne wyjście i w większości tur następuje sporo przed sufitem. Twardy limit 10 iteracji istnieje dla przypadków patologicznych, takich jak naprawdę niejednoznaczne pytanie, przy którym każde przepisanie wymienia jedną wadę na inną, żeby tura nie kręciła się w nieskończoność.
Lite bierze te same dwa pierwsze etapy i się zatrzymuje. Myśli, szkicuje, podaje Ci szkic. To celowa decyzja produktowa, a nie okrojony przypadek: w dużej części realnych wiadomości pierwszy szkic jest właściwą odpowiedzią, a płacenie opóźnieniem przeglądu za usłyszenie tego to zły interes. Lite jest wtedy, gdy chcesz, by model był szybki; Pro wtedy, gdy chcesz, by był pewny.
04Zbieranie wiedzy w Pro: prosić o pomoc zamiast zgadywać
Samodzielny przegląd wychwytuje sprzeczności, pominięcia i naruszenia ograniczeń, bo dowody potrzebne do ich wychwycenia są już w turze. Nie wychwyci faktu, którego model po prostu nie ma. Model oceniający własny szkic może dojść do wniosku nie jestem pewien tej liczby i nie mieć potem co z tym wnioskiem zrobić.
Pro daje mu dokąd pójść. Wokół etapu szkicowania przeprowadza zbieranie wiedzy: identyfikuje konkretne fakty, których mu brakuje albo których nie jest pewien, odpytuje o dokładnie te fakty drugi, większy model i wplata to, co wraca, w ulepszoną odpowiedź. To celowane zapytanie sterowane luką, którą model sam nazwał, a nie ogólna druga opinia.
W praktyce liczą się dwie własności. Jest ograniczone zakresowo: zbieranie pyta o zidentyfikowane luki, a nie zadaje ponownie całego pytania, więc większy model jest konsultowany tam, gdzie dodaje informację, a nie tam, gdzie dodałby tylko inny głos. I jest zintegrowane: zebrane fakty wracają przez pętlę i podlegają temu samemu przeglądowi co wszystko inne, zamiast przyklejać się jako doczepiony akapit.
Co to zmienia w kwestii niepewności
Najbardziej użytecznym efektem zbierania nie jest to, że Pro wie więcej. Jest nim to, że niepewność Pro staje się operacyjna. Model, który jedynie wie, że nie jest pewien, musi wybierać między asekurowaniem wszystkiego a stanowczym twierdzeniem. Model, który potrafi zamienić „nie jestem tego pewien” w „pójdę to sprawdzić”, asekuruje się w mniejszej liczbie miejsc i w większej liczbie miejsc jest konkretny.
05Rozumowanie jest widoczne i jest w Twoim języku
Cały ślad jest Ci pokazywany w trakcie tury: myślenie, a w Pro każdy przegląd i to, co w nim zakwestionowano. To nie jest widok diagnostyczny, który tolerujemy — to duża część tego, co kupujesz, i zmienia relację roboczą na trzy konkretne sposoby.
- Możesz przerwać wcześnie. Jeśli myślenie źle odczytuje Twoje pytanie — częsty skutek niejednoznacznego promptu, a nie złego modelu — dowiadujesz się o tym w pierwszych sekundach, a nie po nadejściu pełnej odpowiedzi rozwiązującej niewłaściwy problem.
- Możesz audytować rozumowanie osobno od odpowiedzi. Poprawna odpowiedź uzyskana błędnym rozumowaniem to ryzyko, bo nie przetrwa następnego pytania.
- Możesz zobaczyć, jak pętla zawodzi. Kiedy Pro spala kilka iteracji bez zbieżności, jest to pokazywane, a nie ukrywane — i jest to realna informacja, zwykle oznaczająca, że pytanie jest niedookreślone.
Ślad jest pisany w Twoim własnym języku, a nie generowany po angielsku i tłumaczony na końcu. Jeśli pracujesz po japońsku, arabsku, turecku czy portugalsku, model rozumuje w tym języku — dzięki czemu terminologia w śladzie jest spójna z terminologią w odpowiedzi i nie pojawiają się szwy, które powstają, gdy model myśli w jednym języku, a mówi w innym.
06Bez cenzury: bez warstwy odmów, bez filtra wyjścia
Shannon 3 dostarczany jest bez warstwy odmów i bez filtrowania treści na wyjściu. Zachowanie odmowne nie występuje w produkcie na żadnym poziomie: ani jako nakładka sprawdzająca Twoją wiadomość, zanim zobaczy ją model, ani jako klasyfikator sprawdzający odpowiedź, zanim zobaczysz ją Ty, ani jako odruch, z którego trzeba model wyperswadować. To istotnie różni się od dwóch rzeczy, które ludzie zwykle mają na myśli, mówiąc „bez cenzury”:
| Podejście | Co robi | Jak zawodzi |
|---|---|---|
| Jailbreak przez prompt systemowy | Instruuje wyrównany model, by zachowywał się jak niewyrównany | Zanika w długiej rozmowie; odmowa wraca pod presją |
| Usunięcie filtra wyjścia | Przestaje blokować tekst, który model już wyprodukował | Model nadal pisze asekuracyjnie i wymijająco — nic nie zostało zablokowane, po prostu nigdy nie zostało napisane |
| Shannon 3 | Nie ma warstwy odmów do usunięcia ani filtra do wyłączenia — tego zachowania po prostu nie ma | Cały osąd zrzuca na Ciebie; model nie odmówi w Twoim imieniu |
W praktyce Shannon 3 mierzy się z pytaniem, które zadałeś, a nie z bezpieczniejszym pytaniem obok: fikcja z prawdziwymi antagonistami, tematy bezpieczeństwa omawiane technicznie, a nie na wysokości komunikatu prasowego, informacje medyczne, prawne i finansowe podawane wprost z zastrzeżeniami, które są faktycznie uzasadnione — i bez kończącego wykładu o tym, dlaczego mogłeś o to zapytać. Nie rozwadnia też pętli: przegląd ma prawo powiedzieć, że szkic jest błędny, a to inny i bardziej użyteczny rodzaj sprzeciwu niż odmowa.
Czego brak warstwy odmów nie robi, to nie czyni modelu poprawnym. Model bez cenzury jest dokładnie tak samo zdolny do bycia pewnym siebie i w błędzie jak model ocenzurowany, i to bardziej widocznie, bo nie schowa się w ogólnikach, gdy nie jest pewien. To jeden z lepszych argumentów za pętlą: bez odruchu odmowy na drodze samodzielny przegląd wykonuje tę pracę na rzecz bezpieczeństwa, która ma znaczenie dla profesjonalnego użytkownika — wyłapywanie błędów. Twoje korzystanie z modelu pozostaje regulowane naszą Polityką Odpowiedzialnego Użytkowania oraz prawem obowiązującym w Twoim kraju.
Nie publikujemy wyników benchmarków dla Shannon 3 i nie formułujemy twierdzeń w bezpośrednim porównaniu z innymi modelami. Korzyść z pętli jest strukturalna — wychwytuje klasy błędów, których pojedynczy przebieg wychwycić nie może — i wolimy precyzyjnie opisać ten mechanizm niż doczepiać do niego liczbę, której nie zweryfikowaliśmy niezależnie. Wszystko powyżej opisuje, co robi tura; najszybszy sposób, by to sprawdzić, to uruchomić jedną i przeczytać ślad.
07Wizja, dokumenty i generowanie obrazów
Obie warstwy przyjmują obrazy i dokumenty jako załączniki i czytają je w ramach tury. Zrzut ekranu nieudanej kompilacji, sfotografowana tablica, schemat, zeskanowana strona umowy czy plik PDF mogą być tematem pytania, a nie czymś, co trzeba najpierw przepisać. W Pro załączniki uczestniczą w pętli jak wszystko inne: jeśli przegląd uzna, że szkic odpowiedział na pytanie, którego obraz nie potwierdza, zostanie to przepisane.
Generowanie i edycja obrazów są dostępne w czacie jako narzędzie, a nie jako przeznaczenie modelu. Shannon 3 to model rozumujący, który potrafi stworzyć lub zmodyfikować obraz, gdy rozmowa tego wymaga, a nie model graficzny z doczepionym interfejsem czatu. To rozróżnienie właściwie ustawia oczekiwania: oceniaj tę rodzinę po tym, jak myśli, a obrazy traktuj jako wygodę oszczędzającą przełączanie kontekstu.
08Okno kontekstu i to, dokąd poszła linia 3.x
Shannon 3.0 debiutował z oknem kontekstu 32,768 tokenów. To uczciwa historyczna liczba, warta wypowiedzenia wprost, bo pętla zużywa kontekst inaczej niż model jednoprzebiegowy: Twój prompt, Twoje załączniki, myślenie oraz każdy cykl szkicu i przeglądu żyją w tym samym budżecie.
32K jest wygodne przy większości pracy czatowej i analitycznej — długi dokument, spory plik z kodem, szczegółowe wieloczęściowe pytanie z miejscem na przebieg pętli. Jest ciasne przy naprawdę dużych wejściach i właśnie tym ograniczeniem zajęło się kolejne wydanie. Shannon 3.1 znacznie podnosi okno kontekstu i zmienia to, na co można skierować pętlę; jeśli oceniasz tę rodzinę dzisiaj, przeczytaj tamten artykuł jako drugi, a liczbę stąd potraktuj jako historię.
09Wywoływanie Shannon 3 z API
Shannon 3 jest dostępny przez wszystkie trzy nasze dialekty API, na tych samych modelach, ze strumieniowaniem w każdym z nich:
| Dialekt | Endpoint | Użyj, gdy |
|---|---|---|
| Zgodny z OpenAI | /v1/chat/completions | Masz istniejący kod klienta OpenAI — zmień bazowy URL i identyfikator modelu |
| Zgodny z Anthropic | /v1/messages | Twój stos jest zbudowany wokół formatu Messages |
| Responses | /v1/responses | Chcesz nowszego kształtu zapytania i odpowiedzi |
Przekaż shannon-3 albo shannon-3-pro jako identyfikator modelu. Dwie rzeczy warto zaplanować po stronie klienta. Tury Pro trwają dłużej, i to o zmienną wielkość, bo liczba iteracji zależy od pytania — ustawiaj limity czasu względem sufitu, a nie średniej, i preferuj strumieniowanie, żeby użytkownik widział postęp zamiast kręcącego się kółka. Oraz ślad rozumowania to treść, którą możesz wyświetlić; tam, gdzie użytkownicy czekają, pokazanie go zwykle bije ukrycie, bo zamienia martwy czas w coś czytelnego. Schematy zapytań i odpowiedzi, szczegóły strumieniowania i żywy plac zabaw są w dokumentacji API.
10Wybór warstwy
Pętla Pro odpracowuje swoje opóźnienie proporcjonalnie do tego, ile jest do zepsucia.
| Twoje zadanie | Warstwa | Dlaczego |
|---|---|---|
| Szybkie pytanie o fakt, krótka odpowiedź | shannon-3 | Pierwszy szkic jest odpowiedzią; przegląd nie ma czego wychwycić |
| Automatyzacja o dużym wolumenie lub ograniczona opóźnieniem | shannon-3 | Przewidywalny czas tury jest wiążącym ograniczeniem |
| Wieloczęściowa analiza z ograniczeniami | shannon-3-pro | Porzucone podpytania i naruszenia ograniczeń to dokładnie to, co wychwytuje przegląd |
| Dłuższy tekst, który musi się trzymać kupy | shannon-3-pro | Wewnętrzna sprzeczność to własność pełnej długości, niewidoczna w trakcie szkicowania |
| Wszystko z liczbami, na których podstawie będziesz działać | shannon-3-pro | Przegląd ponownie sprawdza arytmetykę i jednostki względem myślenia |
| Pytania dotykające faktów na granicy wiedzy modelu | shannon-3-pro | Zbieranie wiedzy zamienia nazwaną lukę w zapytanie |
Praktyczny wzorzec: używaj Lite, dopóki dopracowujesz, o co właściwie zapytać, a potem raz uruchom ustalone pytanie na Pro. Pętla jest warta zapłaty przy tej wersji pytania, którą naprawdę miałeś na myśli.
11Ograniczenia, które warto znać przed decyzją
Karta modelu wymieniająca same zalety to reklama. Oto miejsca, w których Shannon 3 Cię zawiedzie:
- Pro jest wolniejszy, i to nieprzewidywalnie. Tura zbiegająca się w dwóch iteracjach i tura idąca do dziesięciu różnią się kilkukrotnie czasem rzeczywistym. Jeśli potrzebujesz ograniczonego opóźnienia, używaj Lite.
- Przegląd to nie dowód. Model sprawdzający własną pracę dzieli z nią własne martwe pola. Pętla niezawodnie wychwytuje niespójność między myśleniem a szkicem; nie wychwytuje niezawodnie błędu, w który model jest pewnie przekonany już w samym myśleniu.
- Kontekst jest dzielony z pętlą. Przy 32K bardzo długie wejście plus kilka pełnowymiarowych szkiców to realne ograniczenie w 3.0. Podniesiony sufit opisuje Shannon 3.1.
- Zbieranie wypełnia tylko te luki, które model zauważy. Zamienia „nie jestem tego pewien” w zapytanie, i to realny zysk — ale fakt, co do którego model jest pewnie w błędzie, nigdy nie zostaje oznaczony jako brakujący, więc nigdy nie zostaje dobrany.
- Bez cenzury znaczy bez cenzury. Model nie odmówi i nie złagodzi. Jeśli Twój produkt potrzebuje granicy odmowy, zbuduj ją tam, gdzie ją widzisz, zamiast liczyć, że dostarczy ją model.
12Najczęściej zadawane pytania
Czym jest Shannon 3?
Shannon 3 to rodzina modeli bez cenzury uruchamianych na naszym własnym klastrze GPU. Wyróżnia ją kształt tury: zamiast jednego przebiegu w przód model myśli, szkicuje odpowiedź, a następnie ocenia ten szkic względem własnego myślenia i przepisuje go. Dostępna jest w dwóch warstwach: shannon-3 (Lite) i shannon-3-pro (Pro).
Jaka jest różnica między Shannon 3 Lite a Shannon 3 Pro?
Lite wykonuje pojedynczy przebieg myślenia i szkicowania, utrzymując opóźnienie blisko zwykłego modelu. Pro wykonuje pełną pętlę, oceniając i przepisując każdy szkic przez maksymalnie 10 iteracji i kończąc wcześniej w chwili, gdy przegląd go zatwierdzi. Pro przeprowadza też zbieranie wiedzy, odpytując drugi, większy model o fakty, które uznał za brakujące.
Czy Shannon 3 naprawdę jest bez cenzury?
Tak. Shannon 3 dostarczany jest bez warstwy odmów i bez filtra treści na wyjściu. Zachowanie odmowne nie występuje w samym modelu, więc nie ma czegoś, co po cichu wraca w połowie długiej rozmowy, jak to bywa z personą narzuconą promptem. Korzystanie z modelu nadal podlega naszej Polityce Odpowiedzialnego Użytkowania oraz prawu obowiązującemu w Twoim kraju.
Czy pętla przeglądu faktycznie poprawia odpowiedzi?
Pomaga najbardziej tam, gdzie pojedynczy przebieg jest strukturalnie słaby: przy długich odpowiedziach, których zakończenie przeczy początkowi, przy wieloczęściowych pytaniach, w których jedna część zostaje po cichu pominięta, przy błędach arytmetycznych i jednostkowych oraz przy kodzie ignorującym podane ograniczenie. Pomaga najmniej przy krótkich zapytaniach informacyjnych, gdzie pierwszy szkic już jest odpowiedzią. Dlatego istnieje Lite.
Co się dzieje, jeśli przegląd nigdy nie zatwierdzi szkicu?
Pętla zatrzymuje się na swoim suficie 10 iteracji i zwraca najlepszy szkic, do jakiego doszła, zamiast kręcić się w nieskończoność. Ponieważ ślad jest widoczny, możesz też przeczytać zastrzeżenia, których nigdy nie rozwiązano — co zwykle oznacza, że pytanie było na tyle niejednoznaczne, że każde przepisanie wymieniało jedną wadę na inną, i jest sygnałem, by je przeformułować.
Czy Shannon 3 potrafi czytać obrazy i dokumenty?
Tak. Obie warstwy przyjmują załączniki graficzne i dokumentowe i czytają je w ramach tury, więc zrzut ekranu, diagram, zeskanowana strona czy plik PDF mogą być tematem pytania, a nie czymś, co trzeba najpierw przepisać. Generowanie i edycja obrazów są też dostępne w czacie, ale jako narzędzie, które model może wywołać, a nie jako jego przeznaczenie.
Czy mogę zobaczyć rozumowanie modelu?
Tak. Ślad jest pokazywany w trakcie tury i napisany w Twoim własnym języku, a nie przetłumaczony na końcu z angielskiego. W Pro obserwujesz każdy cykl przeglądu, dzięki czemu widać, kiedy model wyłapuje własny błąd — i równie dobrze widać, kiedy tego nie robi.
Jakie okno kontekstu miał Shannon 3 w chwili premiery?
Shannon 3.0 debiutował z oknem kontekstu 32,768 tokenów, dzielonym między Twój prompt, ewentualne załączniki, ślad rozumowania i odpowiedź. Shannon 3.1 podnosi tę wartość; aktualną liczbę znajdziesz w artykule o Shannon 3.1.
Wypróbuj pętlę samodzielnie
Zadaj to samo pytanie dwa razy — raz na Lite, raz na Pro — i zobacz, co zmienia przegląd.
Zacznij rozmowę Przeczytaj dokumentację APIshannon-3 · shannon-3-pro · strumieniowanie we wszystkich trzech dialektach API
Shannon 3 jest prowadzony przez Shannon Lab LLC, Nowy Meksyk, USA. Podane tu liczby opisują konfigurację premierową 3.0; aktualne limity znajdziesz w karcie modelu Shannon 3.1, a resztę rodziny w indeksie badań. Nie publikujemy wyników benchmarków dla Shannon 3 i nie formułujemy porównawczych twierdzeń o wydajności.