Command R (08-2024) ist Coheres August-2024-Version seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und belegte Antworten. Das genaue Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen Kontext von 128K, mit maximal 4'000 Ausgabetokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt eigenständig gegenüber dem früheren Command R, dem grösseren R+-Update und späteren Command-A-Modellen.
Der Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Feintraining und Präferenztraining. Das Modell wurde auf 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Legen Sie die Antwortsprache fest, bewahren Sie erforderliche Namen und stellen Sie Quellformulierungen bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen präzisen Unterschied erhalten muss.
Die August-Aktualisierung verbessert Entscheidungen über Werkzeugnutzung, Systemanweisungsbefolgung, Verarbeitung strukturierter Daten und Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt auch Suchabläufe ohne Quellenzitate und wurde darauf trainiert, Fragen abzulehnen, die mit den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt unabhängig von Belegen das Ausfüllen jedes Felds zu verlangen.
Command R wurde darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und quellenbezogene Abschnitte mit den Quellinformationen zu verbinden. Der Hersteller empfiehlt seine spezielle Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, typischerweise 100–400 Wörter, mit beschreibenden Schlüsseln und textlichen oder halbstrukturierten Inhalten. Bewahren Sie die zur Interpretation der Quellenverweise benötigten Kennungen.
Die genaue Modellkarte unterscheidet genaue und schnelle Zitiermodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt anschliessend quellenbezogene Abschnitte. Der schnelle Modus generiert die Antwort direkt mit diesen Abschnitten und reduziert generierte Tokens unter Einbussen bei der Beleggenauigkeit. 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 verlangen Sie jede Abweichung mit der sie belegenden Quellpassage. Definieren Sie für Zusammenfassungen Zielgruppe und zu bewahrende Fakten. Ein brauchbares Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg erfolgter externer Suche zu behandeln.
Der native Werkzeugablauf der Modellkarte hat zwei Modellphasen: Auswahl von Funktionen und Argumenten, gefolgt von Antwortgenerierung, nachdem die Anwendung diese 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 Wahl aus, ohne weitere externe Operation zu antworten.
Geben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Produktinformationswerkzeug kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den vom Nutzer benötigten Wert erklären soll. Die Anwendung führt die Abfrage aus und prüft die Argumente; die generierte Aktionsliste führt sie nicht selbstständig aus. Diese Version unterstützt auch einen separat trainierten mehrstufigen Ablauf, der vor der Endantwort Aktionen, Beobachtungen und Reflexion durchläuft; seine spezielle Vorlage unterscheidet sich vom einstufigen Format.
Halten Sie Frage, abgerufene Passagen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nutzbare Ergebnis ist eine knappe Textantwort mit ihren Quellenbezügen und einer ausdrücklichen Darstellung der Informationen, die in den bereitgestellten Belegen weiterhin fehlen.
", "aboutText": "Command R (08-2024) ist Coheres August-2024-Version seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und belegte Antworten. Das genaue Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen Kontext von 128K, mit maximal 4'000 Ausgabetokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt eigenständig gegenüber dem früheren Command R, dem grösseren R+-Update und späteren Command-A-Modellen.\n\n### Modelldetails und die August-Aktualisierung\n\nDer Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Feintraining und Präferenztraining. Das Modell wurde auf 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Legen Sie die Antwortsprache fest, bewahren Sie erforderliche Namen und stellen Sie Quellformulierungen bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen präzisen Unterschied erhalten muss.\n\nDie August-Aktualisierung verbessert Entscheidungen über Werkzeugnutzung, Systemanweisungsbefolgung, Verarbeitung strukturierter Daten und Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt auch Suchabläufe ohne Quellenzitate und wurde darauf trainiert, Fragen abzulehnen, die mit den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt unabhängig von Belegen das Ausfüllen jedes Felds zu verlangen.\n\n### Belegte Generierung\n\nCommand R wurde darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und quellenbezogene Abschnitte mit den Quellinformationen zu verbinden. Der Hersteller empfiehlt seine spezielle Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, typischerweise 100–400 Wörter, mit beschreibenden Schlüsseln und textlichen oder halbstrukturierten Inhalten. Bewahren Sie die zur Interpretation der Quellenverweise benötigten Kennungen.\n\nDie genaue Modellkarte unterscheidet genaue und schnelle Zitiermodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt anschliessend quellenbezogene Abschnitte. Der schnelle Modus generiert die Antwort direkt mit diesen Abschnitten und reduziert generierte Tokens unter Einbussen bei der Beleggenauigkeit. 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 verlangen Sie jede Abweichung mit der sie belegenden Quellpassage. Definieren Sie für Zusammenfassungen Zielgruppe und zu bewahrende Fakten. Ein brauchbares Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg erfolgter externer Suche zu behandeln.\n\n### Einstufige und mehrstufige Werkzeugnutzung\n\nDer native Werkzeugablauf der Modellkarte hat zwei Modellphasen: Auswahl von Funktionen und Argumenten, gefolgt von Antwortgenerierung, nachdem die Anwendung diese 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 Wahl aus, ohne weitere externe Operation zu antworten.\n\nGeben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Produktinformationswerkzeug kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den vom Nutzer benötigten Wert erklären soll. Die Anwendung führt die Abfrage aus und prüft die Argumente; die generierte Aktionsliste führt sie nicht selbstständig aus. Diese Version unterstützt auch einen separat trainierten mehrstufigen Ablauf, der vor der Endantwort Aktionen, Beobachtungen und Reflexion durchläuft; seine spezielle Vorlage unterscheidet sich vom einstufigen Format.\n\nHalten Sie Frage, abgerufene Passagen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nutzbare Ergebnis ist eine knappe Textantwort mit ihren 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 Dialoge und dokumentgestützte Antworten. Sein Kontext von 128K, Quellenzitate für Antwortabschnitte und einstufige Funktionsaufrufe unterstützen mehrsprachige Wissensassistenten, Extraktion und die Beantwortung von 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 August-2024-Version seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und belegte Antworten. Das genaue Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen Kontext von 128K, mit maximal 4'000 Ausgabetokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt eigenständig gegenüber dem früheren Command R, dem grösseren R+-Update und späteren Command-A-Modellen.
Der Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Feintraining und Präferenztraining. Das Modell wurde auf 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Legen Sie die Antwortsprache fest, bewahren Sie erforderliche Namen und stellen Sie Quellformulierungen bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen präzisen Unterschied erhalten muss.
Die August-Aktualisierung verbessert Entscheidungen über Werkzeugnutzung, Systemanweisungsbefolgung, Verarbeitung strukturierter Daten und Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt auch Suchabläufe ohne Quellenzitate und wurde darauf trainiert, Fragen abzulehnen, die mit den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt unabhängig von Belegen das Ausfüllen jedes Felds zu verlangen.
Command R wurde darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und quellenbezogene Abschnitte mit den Quellinformationen zu verbinden. Der Hersteller empfiehlt seine spezielle Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, typischerweise 100–400 Wörter, mit beschreibenden Schlüsseln und textlichen oder halbstrukturierten Inhalten. Bewahren Sie die zur Interpretation der Quellenverweise benötigten Kennungen.
Die genaue Modellkarte unterscheidet genaue und schnelle Zitiermodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt anschliessend quellenbezogene Abschnitte. Der schnelle Modus generiert die Antwort direkt mit diesen Abschnitten und reduziert generierte Tokens unter Einbussen bei der Beleggenauigkeit. 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 verlangen Sie jede Abweichung mit der sie belegenden Quellpassage. Definieren Sie für Zusammenfassungen Zielgruppe und zu bewahrende Fakten. Ein brauchbares Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg erfolgter externer Suche zu behandeln.
Der native Werkzeugablauf der Modellkarte hat zwei Modellphasen: Auswahl von Funktionen und Argumenten, gefolgt von Antwortgenerierung, nachdem die Anwendung diese 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 Wahl aus, ohne weitere externe Operation zu antworten.
Geben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Produktinformationswerkzeug kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den vom Nutzer benötigten Wert erklären soll. Die Anwendung führt die Abfrage aus und prüft die Argumente; die generierte Aktionsliste führt sie nicht selbstständig aus. Diese Version unterstützt auch einen separat trainierten mehrstufigen Ablauf, der vor der Endantwort Aktionen, Beobachtungen und Reflexion durchläuft; seine spezielle Vorlage unterscheidet sich vom einstufigen Format.
Halten Sie Frage, abgerufene Passagen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nutzbare Ergebnis ist eine knappe Textantwort mit ihren 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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.0012 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 Dialoge und dokumentgestützte Antworten. Sein Kontext von 128K, Quellenzitate für Antwortabschnitte und einstufige Funktionsaufrufe unterstützen mehrsprachige Wissensassistenten, Extraktion und die Beantwortung von 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 August-2024-Version seines skalierbaren Textmodells für Dialoge, Arbeit mit langem Kontext und belegte Antworten. Das genaue Modell hat 32 Milliarden Parameter, akzeptiert Text und erzeugt Text. Es verwendet einen Kontext von 128K, mit maximal 4'000 Ausgabetokens im veröffentlichten Dienstprofil des Herstellers. Seine Identität bleibt eigenständig gegenüber dem früheren Command R, dem grösseren R+-Update und späteren Command-A-Modellen.
Der Hersteller beschreibt einen autoregressiven Transformer mit Grouped-Query-Attention, gefolgt von überwachtem Feintraining und Präferenztraining. Das Modell wurde auf 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Legen Sie die Antwortsprache fest, bewahren Sie erforderliche Namen und stellen Sie Quellformulierungen bereit, wenn eine Übersetzung oder ein sprachübergreifender Vergleich einen präzisen Unterschied erhalten muss.
Die August-Aktualisierung verbessert Entscheidungen über Werkzeugnutzung, Systemanweisungsbefolgung, Verarbeitung strukturierter Daten und Robustheit gegenüber Änderungen wie Leerraum. Sie unterstützt auch Suchabläufe ohne Quellenzitate und wurde darauf trainiert, Fragen abzulehnen, die mit den verfügbaren Informationen nicht beantwortet werden können. Geben Sie dem Modell ausdrückliche Antwortkriterien und beschreiben Sie den Umgang mit fehlenden Daten, statt unabhängig von Belegen das Ausfüllen jedes Felds zu verlangen.
Command R wurde darauf trainiert, Antworten aus bereitgestellten Dokumentauszügen zu erzeugen und quellenbezogene Abschnitte mit den Quellinformationen zu verbinden. Der Hersteller empfiehlt seine spezielle Promptvorlage, weil dieses Verhalten mit dieser Darstellung trainiert wurde. Verwenden Sie kurze Abschnitte, typischerweise 100–400 Wörter, mit beschreibenden Schlüsseln und textlichen oder halbstrukturierten Inhalten. Bewahren Sie die zur Interpretation der Quellenverweise benötigten Kennungen.
Die genaue Modellkarte unterscheidet genaue und schnelle Zitiermodi. Der genaue Modus identifiziert zuerst relevante Dokumente und zu zitierende Quellen, entwickelt die Antwort und ergänzt anschliessend quellenbezogene Abschnitte. Der schnelle Modus generiert die Antwort direkt mit diesen Abschnitten und reduziert generierte Tokens unter Einbussen bei der Beleggenauigkeit. 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 verlangen Sie jede Abweichung mit der sie belegenden Quellpassage. Definieren Sie für Zusammenfassungen Zielgruppe und zu bewahrende Fakten. Ein brauchbares Ergebnis verbindet jede Aussage mit den tatsächlichen Auszügen, statt eine Quellenmarkierung als Beleg erfolgter externer Suche zu behandeln.
Der native Werkzeugablauf der Modellkarte hat zwei Modellphasen: Auswahl von Funktionen und Argumenten, gefolgt von Antwortgenerierung, nachdem die Anwendung diese 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 Wahl aus, ohne weitere externe Operation zu antworten.
Geben Sie Funktionen konkrete Namen, Zwecke und Parameterdefinitionen. Ein Produktinformationswerkzeug kann den relevanten Datensatz zurückgeben, woraufhin die Antwort den vom Nutzer benötigten Wert erklären soll. Die Anwendung führt die Abfrage aus und prüft die Argumente; die generierte Aktionsliste führt sie nicht selbstständig aus. Diese Version unterstützt auch einen separat trainierten mehrstufigen Ablauf, der vor der Endantwort Aktionen, Beobachtungen und Reflexion durchläuft; seine spezielle Vorlage unterscheidet sich vom einstufigen Format.
Halten Sie Frage, abgerufene Passagen und Beobachtungen innerhalb des geltenden Kontexts und lassen Sie Platz für die Endantwort. Das nutzbare Ergebnis ist eine knappe Textantwort mit ihren 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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.0012 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "cohere/command-r-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.