Command R (08-2024) ist Coheres Edition vom August 2024 seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und beleggestützte Antworten. Genau dieses Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen 128K-Kontext mit einer maximalen Ausgabe von 4.000 Tokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt vom früheren Command R, der größeren R+-Aktualisierung und späteren Command-A-Modellen getrennt.
Der Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Fine-Tuning und Präferenztraining. Das Modell wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Geben Sie die Antwortsprache an, bewahren Sie erforderliche Namen und stellen Sie den Quellwortlaut bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen genauen Unterschied bewahren muss.
Die August-Aktualisierung verbessert Entscheidungen über den Werkzeugeinsatz, die Befolgung von Systemanweisungen, die Verarbeitung strukturierter Daten und die Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise und wird darauf trainiert, Fragen abzulehnen, die aus den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt es unabhängig von Belegen jedes Feld ausfüllen zu lassen.
Command R wird darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und belegende Antwortabschnitte den Quellinformationen zuzuordnen. Der Hersteller empfiehlt seine eigene Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, üblicherweise 100–400 Wörter, mit beschreibenden Schlüsseln und Text oder semistrukturiertem Inhalt. Bewahren Sie die zur Interpretation der Quellenverweise nötigen Kennungen.
Die genaue Karte unterscheidet genaue und schnelle Quellenmodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt dann belegende Abschnitte. Der schnelle Modus erzeugt die Antwort direkt mit diesen Abschnitten, reduziert erzeugte Tokens und nimmt dabei etwas geringere Beleggenauigkeit in Kauf. Wählen Sie den Herstellerablauf nach dem Bedarf an Quellentreue und dem Antwortbudget der Aufgabe.
Stellen Sie für einen praktischen Vergleich benannte Anforderungen und ein Angebot bereit und fragen Sie nach jeder Abweichung mit der belegenden Quelltextstelle. Definieren Sie für eine Zusammenfassung die Zielgruppe und die Fakten, die erhalten bleiben müssen. Ein hilfreiches Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg für einen erfolgten externen Abruf zu behandeln.
Der native Werkzeugablauf der Karte hat zwei Modellphasen: die Auswahl von Funktionen und Argumenten, gefolgt von der Antworterzeugung, nachdem die Anwendung die Aufrufe ausgeführt und ihre Ergebnisse zurückgegeben hat. Das Modell kann eine Teilmenge der Werkzeuge auswählen und ein bereitgestelltes Werkzeug mehrfach aufrufen. Seine dokumentierte Option directly_answer drückt die Entscheidung aus, ohne weitere externe Operation zu antworten.
Geben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Werkzeug für Produktinformationen kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den von der nutzenden Person benötigten Wert erklären sollte. Die Anwendung führt die Abfrage aus und prüft die Argumente; die erzeugte Aktionsliste führt sie nicht eigenständig aus. Diese Edition unterstützt außerdem einen separat trainierten mehrstufigen Ablauf, der Aktionen, Beobachtungen und Reflexion vor der Endantwort wiederholt durchläuft; seine eigene Vorlage unterscheidet sich vom einstufigen Format.
Halten Sie Frage, abgerufene Textstellen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nützliche Arbeitsergebnis ist ein knapper Text mit Quellenbezügen und einer ausdrücklichen Darstellung der Informationen, die in den bereitgestellten Belegen weiterhin fehlen.
", "aboutText": "Command R (08-2024) ist Coheres Edition vom August 2024 seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und beleggestützte Antworten. Genau dieses Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen 128K-Kontext mit einer maximalen Ausgabe von 4.000 Tokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt vom früheren Command R, der größeren R+-Aktualisierung und späteren Command-A-Modellen getrennt.\n\n### Modelldetails und August-Aktualisierung\n\nDer Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Fine-Tuning und Präferenztraining. Das Modell wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Geben Sie die Antwortsprache an, bewahren Sie erforderliche Namen und stellen Sie den Quellwortlaut bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen genauen Unterschied bewahren muss.\n\nDie August-Aktualisierung verbessert Entscheidungen über den Werkzeugeinsatz, die Befolgung von Systemanweisungen, die Verarbeitung strukturierter Daten und die Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise und wird darauf trainiert, Fragen abzulehnen, die aus den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt es unabhängig von Belegen jedes Feld ausfüllen zu lassen.\n\n### Beleggestützte Erzeugung\n\nCommand R wird darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und belegende Antwortabschnitte den Quellinformationen zuzuordnen. Der Hersteller empfiehlt seine eigene Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, üblicherweise 100–400 Wörter, mit beschreibenden Schlüsseln und Text oder semistrukturiertem Inhalt. Bewahren Sie die zur Interpretation der Quellenverweise nötigen Kennungen.\n\nDie genaue Karte unterscheidet genaue und schnelle Quellenmodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt dann belegende Abschnitte. Der schnelle Modus erzeugt die Antwort direkt mit diesen Abschnitten, reduziert erzeugte Tokens und nimmt dabei etwas geringere Beleggenauigkeit in Kauf. Wählen Sie den Herstellerablauf nach dem Bedarf an Quellentreue und dem Antwortbudget der Aufgabe.\n\nStellen Sie für einen praktischen Vergleich benannte Anforderungen und ein Angebot bereit und fragen Sie nach jeder Abweichung mit der belegenden Quelltextstelle. Definieren Sie für eine Zusammenfassung die Zielgruppe und die Fakten, die erhalten bleiben müssen. Ein hilfreiches Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg für einen erfolgten externen Abruf zu behandeln.\n\n### Einstufige und mehrstufige Werkzeugnutzung\n\nDer native Werkzeugablauf der Karte hat zwei Modellphasen: die Auswahl von Funktionen und Argumenten, gefolgt von der Antworterzeugung, nachdem die Anwendung die Aufrufe ausgeführt und ihre Ergebnisse zurückgegeben hat. Das Modell kann eine Teilmenge der Werkzeuge auswählen und ein bereitgestelltes Werkzeug mehrfach aufrufen. Seine dokumentierte Option directly_answer drückt die Entscheidung aus, ohne weitere externe Operation zu antworten.\n\nGeben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Werkzeug für Produktinformationen kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den von der nutzenden Person benötigten Wert erklären sollte. Die Anwendung führt die Abfrage aus und prüft die Argumente; die erzeugte Aktionsliste führt sie nicht eigenständig aus. Diese Edition unterstützt außerdem einen separat trainierten mehrstufigen Ablauf, der Aktionen, Beobachtungen und Reflexion vor der Endantwort wiederholt durchläuft; seine eigene Vorlage unterscheidet sich vom einstufigen Format.\n\nHalten Sie Frage, abgerufene Textstellen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nützliche Arbeitsergebnis ist ein knapper Text mit Quellenbezügen und einer ausdrücklichen Darstellung der Informationen, die in den bereitgestellten Belegen weiterhin fehlen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Ground a cancellation answer\n\nAnswer the customer from these excerpts only. [POLICY] Monthly plans may be canceled before renewal; service continues to the paid-through date. [ORDER] Plan renews 1 November; paid-through date is 31 October. Question: If I cancel on 20 October, when does access end? Give a concise answer with source labels and identify anything these excerpts do not establish.A short answer with POLICY and ORDER references plus a clearly marked evidence gap, if any.Check each asserted date against ORDER and avoid inventing a refund entitlement.cohere/command-r-08-2024Command R (08-2024) ist Coheres 32B-Textmodell für dialogorientierte und dokumentgestützte Antworten. Sein 128K-Kontext, Quellenverweise auf Antwortabschnitte und einstufige Funktionsaufrufe unterstützen mehrsprachige Wissensassistenten, Extraktion und Fragen anhand bereitgestellter Belege.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Command R (08-2024) ist Coheres Edition vom August 2024 seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und beleggestützte Antworten. Genau dieses Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen 128K-Kontext mit einer maximalen Ausgabe von 4.000 Tokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt vom früheren Command R, der größeren R+-Aktualisierung und späteren Command-A-Modellen getrennt.
Der Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Fine-Tuning und Präferenztraining. Das Modell wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Geben Sie die Antwortsprache an, bewahren Sie erforderliche Namen und stellen Sie den Quellwortlaut bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen genauen Unterschied bewahren muss.
Die August-Aktualisierung verbessert Entscheidungen über den Werkzeugeinsatz, die Befolgung von Systemanweisungen, die Verarbeitung strukturierter Daten und die Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise und wird darauf trainiert, Fragen abzulehnen, die aus den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt es unabhängig von Belegen jedes Feld ausfüllen zu lassen.
Command R wird darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und belegende Antwortabschnitte den Quellinformationen zuzuordnen. Der Hersteller empfiehlt seine eigene Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, üblicherweise 100–400 Wörter, mit beschreibenden Schlüsseln und Text oder semistrukturiertem Inhalt. Bewahren Sie die zur Interpretation der Quellenverweise nötigen Kennungen.
Die genaue Karte unterscheidet genaue und schnelle Quellenmodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt dann belegende Abschnitte. Der schnelle Modus erzeugt die Antwort direkt mit diesen Abschnitten, reduziert erzeugte Tokens und nimmt dabei etwas geringere Beleggenauigkeit in Kauf. Wählen Sie den Herstellerablauf nach dem Bedarf an Quellentreue und dem Antwortbudget der Aufgabe.
Stellen Sie für einen praktischen Vergleich benannte Anforderungen und ein Angebot bereit und fragen Sie nach jeder Abweichung mit der belegenden Quelltextstelle. Definieren Sie für eine Zusammenfassung die Zielgruppe und die Fakten, die erhalten bleiben müssen. Ein hilfreiches Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg für einen erfolgten externen Abruf zu behandeln.
Der native Werkzeugablauf der Karte hat zwei Modellphasen: die Auswahl von Funktionen und Argumenten, gefolgt von der Antworterzeugung, nachdem die Anwendung die Aufrufe ausgeführt und ihre Ergebnisse zurückgegeben hat. Das Modell kann eine Teilmenge der Werkzeuge auswählen und ein bereitgestelltes Werkzeug mehrfach aufrufen. Seine dokumentierte Option directly_answer drückt die Entscheidung aus, ohne weitere externe Operation zu antworten.
Geben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Werkzeug für Produktinformationen kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den von der nutzenden Person benötigten Wert erklären sollte. Die Anwendung führt die Abfrage aus und prüft die Argumente; die erzeugte Aktionsliste führt sie nicht eigenständig aus. Diese Edition unterstützt außerdem einen separat trainierten mehrstufigen Ablauf, der Aktionen, Beobachtungen und Reflexion vor der Endantwort wiederholt durchläuft; seine eigene Vorlage unterscheidet sich vom einstufigen Format.
Halten Sie Frage, abgerufene Textstellen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nützliche Arbeitsergebnis ist ein knapper Text mit Quellenbezügen und einer ausdrücklichen Darstellung der Informationen, die in den bereitgestellten Belegen weiterhin fehlen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits cohere/command-r-08-2024 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cohere/command-r-08-2024", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='cohere/command-r-08-2024',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='cohere/command-r-08-2024',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra cohere/command-r-08-2024
Verwenden Sie die oben angezeigten Methodenpfade.
cohere/command-r-08-2024Command R (08-2024) ist Coheres 32B-Textmodell für dialogorientierte und dokumentgestützte Antworten. Sein 128K-Kontext, Quellenverweise auf Antwortabschnitte und einstufige Funktionsaufrufe unterstützen mehrsprachige Wissensassistenten, Extraktion und Fragen anhand bereitgestellter Belege.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Command R (08-2024) ist Coheres Edition vom August 2024 seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und beleggestützte Antworten. Genau dieses Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen 128K-Kontext mit einer maximalen Ausgabe von 4.000 Tokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt vom früheren Command R, der größeren R+-Aktualisierung und späteren Command-A-Modellen getrennt.
Der Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Fine-Tuning und Präferenztraining. Das Modell wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Geben Sie die Antwortsprache an, bewahren Sie erforderliche Namen und stellen Sie den Quellwortlaut bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen genauen Unterschied bewahren muss.
Die August-Aktualisierung verbessert Entscheidungen über den Werkzeugeinsatz, die Befolgung von Systemanweisungen, die Verarbeitung strukturierter Daten und die Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise und wird darauf trainiert, Fragen abzulehnen, die aus den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt es unabhängig von Belegen jedes Feld ausfüllen zu lassen.
Command R wird darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und belegende Antwortabschnitte den Quellinformationen zuzuordnen. Der Hersteller empfiehlt seine eigene Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, üblicherweise 100–400 Wörter, mit beschreibenden Schlüsseln und Text oder semistrukturiertem Inhalt. Bewahren Sie die zur Interpretation der Quellenverweise nötigen Kennungen.
Die genaue Karte unterscheidet genaue und schnelle Quellenmodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt dann belegende Abschnitte. Der schnelle Modus erzeugt die Antwort direkt mit diesen Abschnitten, reduziert erzeugte Tokens und nimmt dabei etwas geringere Beleggenauigkeit in Kauf. Wählen Sie den Herstellerablauf nach dem Bedarf an Quellentreue und dem Antwortbudget der Aufgabe.
Stellen Sie für einen praktischen Vergleich benannte Anforderungen und ein Angebot bereit und fragen Sie nach jeder Abweichung mit der belegenden Quelltextstelle. Definieren Sie für eine Zusammenfassung die Zielgruppe und die Fakten, die erhalten bleiben müssen. Ein hilfreiches Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg für einen erfolgten externen Abruf zu behandeln.
Der native Werkzeugablauf der Karte hat zwei Modellphasen: die Auswahl von Funktionen und Argumenten, gefolgt von der Antworterzeugung, nachdem die Anwendung die Aufrufe ausgeführt und ihre Ergebnisse zurückgegeben hat. Das Modell kann eine Teilmenge der Werkzeuge auswählen und ein bereitgestelltes Werkzeug mehrfach aufrufen. Seine dokumentierte Option directly_answer drückt die Entscheidung aus, ohne weitere externe Operation zu antworten.
Geben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Werkzeug für Produktinformationen kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den von der nutzenden Person benötigten Wert erklären sollte. Die Anwendung führt die Abfrage aus und prüft die Argumente; die erzeugte Aktionsliste führt sie nicht eigenständig aus. Diese Edition unterstützt außerdem einen separat trainierten mehrstufigen Ablauf, der Aktionen, Beobachtungen und Reflexion vor der Endantwort wiederholt durchläuft; seine eigene Vorlage unterscheidet sich vom einstufigen Format.
Halten Sie Frage, abgerufene Textstellen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nützliche Arbeitsergebnis ist ein knapper Text mit Quellenbezügen und einer ausdrücklichen Darstellung der Informationen, die in den bereitgestellten Belegen weiterhin fehlen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits cohere/command-r-08-2024 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "cohere/command-r-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-r-08-2024', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-r-08-2024', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra cohere/command-r-08-2024
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Ground a cancellation answer\n\nAnswer the customer from these excerpts only. [POLICY] Monthly plans may be canceled before renewal; service continues to the paid-through date. [ORDER] Plan renews 1 November; paid-through date is 31 October. Question: If I cancel on 20 October, when does access end? Give a concise answer with source labels and identify anything these excerpts do not establish.A short answer with POLICY and ORDER references plus a clearly marked evidence gap, if any.Check each asserted date against ORDER and avoid inventing a refund entitlement.