command-r-plus-08-2024 — это обновление Command R+ с пропускной способностью примерно на 50% выше и задержками на 25% ниже по сравнению с предыдущей версией Command R+, при этом аппаратные требования остались прежними.
Прочитайте пост о запуске здесь.
Использование этой модели регулируется Политикой использования и Соглашением SaaS Cohere.
Провайдер для Cohere: Command R+ (08-2024)
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
Cohere | 315,59 ₽ | 1 262,36 ₽ | — | — | 100,0 % |
Поддерживаемые параметры
Сравнить с…
выбрать любую модель →Другие модели от cohere
Cohere: Embed 5 Fast
Embed 5 Fast — это уровень с более низкой задержкой и экономичной стоимостью в семействе мультимодальных моделей embedding Cohere Embed 5 (около 1 миллиарда параметров). Он встраивает текст, изображения и перемежающийся текстовый и графический контент в единое векторное пространство и подходит для высокообъемного embedding запросов, циклов агентов и многоязычного семантического поиска на более чем 100 языках. Он использует то же пространство embedding, что и Embed 5 Pro, поэтому документы, проиндексированные с помощью Pro, могут быть запрошены с помощью Fast. Выходные размерности выбираются от 256 до 2048, а inputtype по умолчанию имеет значение searchdocument, если не установлено.
Cohere: Embed 5 Pro
Embed 5 Pro — это уровень с более высокой точностью из семейства мультимодальных моделей embedding Embed 5 от Cohere (около 2,4 млрд параметров). Он встраивает текст, изображения, а также перемежающийся текстовый и графический контент в единое векторное пространство и подходит для извлечения и RAG по длинным или предметно-ориентированным документам, визуального и документального поиска, а также многоязычного семантического поиска на более чем 100 языках. Он использует то же пространство embedding, что и Embed 5 Fast, поэтому распространённой практикой является индексация корпуса с помощью Pro и встраивание запросов с помощью Fast. Выходные размерности можно выбирать от 256 до 2048, а inputtype по умолчанию имеет значение searchdocument, если не установлено.
Cohere: Rerank 5 Fast
Rerank 5 Fast — это уровень с низкой задержкой семейства моделей переранжирования Rerank 5 от Cohere. Он оценивает и переупорядочивает документы-кандидаты относительно запроса и подходит для высокопроизводительного поиска...
Cohere: Rerank 5 Pro
Rerank 5 Pro — это более точный уровень семейства моделей переранжирования Rerank 5 от Cohere. Он оценивает и переупорядочивает документы-кандидаты в соответствии с запросом и подходит для конвейеров извлечения...
Cohere: Command A+
Command A+ — это флагманская модель Cohere для корпоративных агентных рабочих процессов. Она принимает текстовые и графические входные данные с контекстным окном 192K, поддерживает нативный вызов инструментов со строгими схемами инструментов, структурированные выходные данные (объект JSON и схема JSON), опциональное рассуждение и настраиваемые режимы безопасности.
Cohere: North Mini Code (free)
North Mini Code — это первая агентная модель кодирования от Cohere и дебют семейства North. Это разреженная модель MoE с 30 миллиардами общих параметров и 3 миллиардами активных, оптимизированная для генерации кода, агентной разработки программного обеспечения и терминальных задач, и обученная обобщать данные в различных агентных средах, таких как OpenCode и SWE-Agent. Она предлагает контекстное окно в 256K токенов с возможностью вывода до 64K токенов, поддерживает чередующееся рассуждение и использование инструментов через JSON-схему, и выпущена с открытым весом под лицензией Apache 2.0. Её небольшой объем активных параметров обеспечивает низкую задержку вывода, в том числе на локальном оборудовании.