Command R+ (08-2024) ist Coheres großes Textmodell vom August 2024 für komplexe, durch Suche ergänzte Antworten und Agentenaufgaben. Die genaue Edition hat 104 Milliarden Parameter und einen Kontext von 128K; sie akzeptiert Text und erzeugt Text. Das veröffentlichte Herstellerprofil nennt eine maximale Ausgabe von 4.000 Tokens. R+ ist das größere Gegenstück zu Command R und legt besonderen Wert auf die Kombination von Werkzeugen über mehrere Schritte hinweg.
Das Modell verwendet einen autoregressiven Transformer mit Grouped-Query-Attention, überwachtem Fine-Tuning und Präferenztraining. Es wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Die August-Aktualisierung verbessert Entscheidungen zur Werkzeugauswahl, das Befolgen von Systemanweisungen, die Analyse strukturierter Daten und die Robustheit gegenüber nichtsemantischen Prompt-Änderungen. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise, mehrere Sicherheitsmodi und das Ablehnen unbeantwortbarer Fragen.
Geben Sie bei mehrsprachiger Arbeit die Ausgabesprache und die unverändert zu erhaltenden Namen, Codes oder Quellenzitate an. Eine quellengestützte Antwort kann Material in einer anderen Sprache erklären und die Belege zugleich für die Prüfung verfügbar halten. Stellen Sie für zeitabhängige Fakten eine aktuelle Quelle bereit oder beschaffen Sie sie über ein geeignetes Anwendungswerkzeug.
Das RAG-Template des Herstellers akzeptiert einen Dialog und abgerufene Dokumentauszüge, üblicherweise etwa 100–400 Wörter je Abschnitt, mit kurzen beschreibenden Schlüsseln und Text oder halbstrukturierten Werten. Das Modell wird gezielt darauf trainiert, aus diesen Auszügen zu antworten und Antwortabschnitte mit stützenden Quellen zu verbinden. Verwenden Sie das Template der genauen Edition, wenn dieses trainierte Quellenverhalten wichtig ist.
Der genaue Quellenverweismodus identifiziert relevante und zitierte Dokumente, erzeugt eine Antwort und fügt Quellenzuordnungen ein. Der schnelle Modus erzeugt die zitierte Antwort direkt und reduziert dadurch Ausgabetokens auf Kosten der Genauigkeit der Quellenzuordnung. Halten Sie Quellenkennungen für beide Modi verfügbar. Eine praktische Berichtsanforderung kann das Modell auffordern, Belege anhand benannter Kriterien zu vergleichen und neben jedem Befund die stützende Passage zu zitieren.
R+ unterstützt sowohl ein einstufiges Template für Funktionsaufrufe als auch mehrstufige Werkzeugnutzung für schwierigere Abläufe. Im einstufigen Ablauf wählt das Modell Funktionen und JSON-Argumente, die Anwendung führt sie aus, und eine spätere Modellantwort verwendet die zurückgegebenen Ergebnisse. Die dokumentierte Option directly_answer ermöglicht dem Modell, eine unnötige externe Operation zu vermeiden. In einem mehrstufigen Agenten können weitere Entscheidungen Beobachtungen unterschiedlicher Werkzeuge kombinieren, bis die Aufgabe ihr festgelegtes Ergebnis erreicht.
Ein hilfreiches Agentenbriefing definiert Frage, erlaubte Operationen und Endergebnis. Ein Rechercheassistent muss beispielsweise relevante Produktdatensätze abrufen, die bereitgestellten Anforderungen vergleichen und eine beleggestützte Empfehlung erstellen. Geben Sie jedem Werkzeug einen klaren Zweck und ordnen Sie sein Ergebnis dem erzeugenden Aufruf zu. Eine im Text vorgeschlagene Operation unterscheidet sich von der Ausführung durch die Anwendung.
Ordnen Sie die Quellauszüge um die tatsächliche Frage und reservieren Sie Platz für Werkzeugverlauf und Antwort. Widersprechen sich die verfügbaren Belege, lassen Sie das Modell den Widerspruch erklären, statt einen unbelegten Wert auszuwählen. Definieren Sie für Arbeit mit strukturierten Daten Felder, Einheiten und die Darstellung fehlender Informationen.
Das Endergebnis sollte eine prüfbare Antwort oder ein Bericht mit Bezug auf die bereitgestellten Belege und tatsächlichen Beobachtungen sein. Größe und Agentenausrichtung von R+ stellen nicht eigenständig eine Suchverbindung her, führen keine Datenbankaktion aus und validieren keinen erzeugten Code. Diese Schritte gehören zum umgebenden Ablauf; ihre zurückgegebenen Belege machen eine Schlussfolgerung prüfbar.
", "aboutText": "Command R+ (08-2024) ist Coheres großes Textmodell vom August 2024 für komplexe, durch Suche ergänzte Antworten und Agentenaufgaben. Die genaue Edition hat 104 Milliarden Parameter und einen Kontext von 128K; sie akzeptiert Text und erzeugt Text. Das veröffentlichte Herstellerprofil nennt eine maximale Ausgabe von 4.000 Tokens. R+ ist das größere Gegenstück zu Command R und legt besonderen Wert auf die Kombination von Werkzeugen über mehrere Schritte hinweg.\n\n### Modell und Änderungen der Edition\n\nDas Modell verwendet einen autoregressiven Transformer mit Grouped-Query-Attention, überwachtem Fine-Tuning und Präferenztraining. Es wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Die August-Aktualisierung verbessert Entscheidungen zur Werkzeugauswahl, das Befolgen von Systemanweisungen, die Analyse strukturierter Daten und die Robustheit gegenüber nichtsemantischen Prompt-Änderungen. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise, mehrere Sicherheitsmodi und das Ablehnen unbeantwortbarer Fragen.\n\nGeben Sie bei mehrsprachiger Arbeit die Ausgabesprache und die unverändert zu erhaltenden Namen, Codes oder Quellenzitate an. Eine quellengestützte Antwort kann Material in einer anderen Sprache erklären und die Belege zugleich für die Prüfung verfügbar halten. Stellen Sie für zeitabhängige Fakten eine aktuelle Quelle bereit oder beschaffen Sie sie über ein geeignetes Anwendungswerkzeug.\n\n### Quellengestützte Antworten und Verweise\n\nDas RAG-Template des Herstellers akzeptiert einen Dialog und abgerufene Dokumentauszüge, üblicherweise etwa 100–400 Wörter je Abschnitt, mit kurzen beschreibenden Schlüsseln und Text oder halbstrukturierten Werten. Das Modell wird gezielt darauf trainiert, aus diesen Auszügen zu antworten und Antwortabschnitte mit stützenden Quellen zu verbinden. Verwenden Sie das Template der genauen Edition, wenn dieses trainierte Quellenverhalten wichtig ist.\n\nDer genaue Quellenverweismodus identifiziert relevante und zitierte Dokumente, erzeugt eine Antwort und fügt Quellenzuordnungen ein. Der schnelle Modus erzeugt die zitierte Antwort direkt und reduziert dadurch Ausgabetokens auf Kosten der Genauigkeit der Quellenzuordnung. Halten Sie Quellenkennungen für beide Modi verfügbar. Eine praktische Berichtsanforderung kann das Modell auffordern, Belege anhand benannter Kriterien zu vergleichen und neben jedem Befund die stützende Passage zu zitieren.\n\n### Werkzeuggestützte Arbeit\n\nR+ unterstützt sowohl ein einstufiges Template für Funktionsaufrufe als auch mehrstufige Werkzeugnutzung für schwierigere Abläufe. Im einstufigen Ablauf wählt das Modell Funktionen und JSON-Argumente, die Anwendung führt sie aus, und eine spätere Modellantwort verwendet die zurückgegebenen Ergebnisse. Die dokumentierte Option directly_answer ermöglicht dem Modell, eine unnötige externe Operation zu vermeiden. In einem mehrstufigen Agenten können weitere Entscheidungen Beobachtungen unterschiedlicher Werkzeuge kombinieren, bis die Aufgabe ihr festgelegtes Ergebnis erreicht.\n\nEin hilfreiches Agentenbriefing definiert Frage, erlaubte Operationen und Endergebnis. Ein Rechercheassistent muss beispielsweise relevante Produktdatensätze abrufen, die bereitgestellten Anforderungen vergleichen und eine beleggestützte Empfehlung erstellen. Geben Sie jedem Werkzeug einen klaren Zweck und ordnen Sie sein Ergebnis dem erzeugenden Aufruf zu. Eine im Text vorgeschlagene Operation unterscheidet sich von der Ausführung durch die Anwendung.\n\n### Ergebnis vorbereiten und prüfen\n\nOrdnen Sie die Quellauszüge um die tatsächliche Frage und reservieren Sie Platz für Werkzeugverlauf und Antwort. Widersprechen sich die verfügbaren Belege, lassen Sie das Modell den Widerspruch erklären, statt einen unbelegten Wert auszuwählen. Definieren Sie für Arbeit mit strukturierten Daten Felder, Einheiten und die Darstellung fehlender Informationen.\n\nDas Endergebnis sollte eine prüfbare Antwort oder ein Bericht mit Bezug auf die bereitgestellten Belege und tatsächlichen Beobachtungen sein. Größe und Agentenausrichtung von R+ stellen nicht eigenständig eine Suchverbindung her, führen keine Datenbankaktion aus und validieren keinen erzeugten Code. Diese Schritte gehören zum umgebenden Ablauf; ihre zurückgegebenen Belege machen eine Schlussfolgerung prüfbar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Answer from product evidence\n\nUse only these snippets to answer whether Team Plan supports both requested features. S1: Team Plan includes shared folders and 30-day activity history. S2: Single sign-on is available on Enterprise Plan. Request: We need shared folders and single sign-on. State what is supported, cite each source identifier and leave unsupported assumptions unresolved.A feature-by-feature answer with a source identifier beside each finding and a concise conclusion about the two requirements.Check that S1 supports shared folders and S2 does not establish single sign-on for Team Plan.cohere/command-r-plus-08-2024Command R+ (08-2024) ist Coheres Textmodell mit 104B für komplexe dokumentgestützte Antworten und mehrstufige Werkzeugnutzung. Es verbindet einen Kontext von 128K mit mehrsprachiger Erzeugung, Quellenverweisen für Antwortabschnitte und Agentenabläufen, die tatsächliche Werkzeugbeobachtungen der Anwendung nutzen.
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 großes Textmodell vom August 2024 für komplexe, durch Suche ergänzte Antworten und Agentenaufgaben. Die genaue Edition hat 104 Milliarden Parameter und einen Kontext von 128K; sie akzeptiert Text und erzeugt Text. Das veröffentlichte Herstellerprofil nennt eine maximale Ausgabe von 4.000 Tokens. R+ ist das größere Gegenstück zu Command R und legt besonderen Wert auf die Kombination von Werkzeugen über mehrere Schritte hinweg.
Das Modell verwendet einen autoregressiven Transformer mit Grouped-Query-Attention, überwachtem Fine-Tuning und Präferenztraining. Es wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Die August-Aktualisierung verbessert Entscheidungen zur Werkzeugauswahl, das Befolgen von Systemanweisungen, die Analyse strukturierter Daten und die Robustheit gegenüber nichtsemantischen Prompt-Änderungen. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise, mehrere Sicherheitsmodi und das Ablehnen unbeantwortbarer Fragen.
Geben Sie bei mehrsprachiger Arbeit die Ausgabesprache und die unverändert zu erhaltenden Namen, Codes oder Quellenzitate an. Eine quellengestützte Antwort kann Material in einer anderen Sprache erklären und die Belege zugleich für die Prüfung verfügbar halten. Stellen Sie für zeitabhängige Fakten eine aktuelle Quelle bereit oder beschaffen Sie sie über ein geeignetes Anwendungswerkzeug.
Das RAG-Template des Herstellers akzeptiert einen Dialog und abgerufene Dokumentauszüge, üblicherweise etwa 100–400 Wörter je Abschnitt, mit kurzen beschreibenden Schlüsseln und Text oder halbstrukturierten Werten. Das Modell wird gezielt darauf trainiert, aus diesen Auszügen zu antworten und Antwortabschnitte mit stützenden Quellen zu verbinden. Verwenden Sie das Template der genauen Edition, wenn dieses trainierte Quellenverhalten wichtig ist.
Der genaue Quellenverweismodus identifiziert relevante und zitierte Dokumente, erzeugt eine Antwort und fügt Quellenzuordnungen ein. Der schnelle Modus erzeugt die zitierte Antwort direkt und reduziert dadurch Ausgabetokens auf Kosten der Genauigkeit der Quellenzuordnung. Halten Sie Quellenkennungen für beide Modi verfügbar. Eine praktische Berichtsanforderung kann das Modell auffordern, Belege anhand benannter Kriterien zu vergleichen und neben jedem Befund die stützende Passage zu zitieren.
R+ unterstützt sowohl ein einstufiges Template für Funktionsaufrufe als auch mehrstufige Werkzeugnutzung für schwierigere Abläufe. Im einstufigen Ablauf wählt das Modell Funktionen und JSON-Argumente, die Anwendung führt sie aus, und eine spätere Modellantwort verwendet die zurückgegebenen Ergebnisse. Die dokumentierte Option directly_answer ermöglicht dem Modell, eine unnötige externe Operation zu vermeiden. In einem mehrstufigen Agenten können weitere Entscheidungen Beobachtungen unterschiedlicher Werkzeuge kombinieren, bis die Aufgabe ihr festgelegtes Ergebnis erreicht.
Ein hilfreiches Agentenbriefing definiert Frage, erlaubte Operationen und Endergebnis. Ein Rechercheassistent muss beispielsweise relevante Produktdatensätze abrufen, die bereitgestellten Anforderungen vergleichen und eine beleggestützte Empfehlung erstellen. Geben Sie jedem Werkzeug einen klaren Zweck und ordnen Sie sein Ergebnis dem erzeugenden Aufruf zu. Eine im Text vorgeschlagene Operation unterscheidet sich von der Ausführung durch die Anwendung.
Ordnen Sie die Quellauszüge um die tatsächliche Frage und reservieren Sie Platz für Werkzeugverlauf und Antwort. Widersprechen sich die verfügbaren Belege, lassen Sie das Modell den Widerspruch erklären, statt einen unbelegten Wert auszuwählen. Definieren Sie für Arbeit mit strukturierten Daten Felder, Einheiten und die Darstellung fehlender Informationen.
Das Endergebnis sollte eine prüfbare Antwort oder ein Bericht mit Bezug auf die bereitgestellten Belege und tatsächlichen Beobachtungen sein. Größe und Agentenausrichtung von R+ stellen nicht eigenständig eine Suchverbindung her, führen keine Datenbankaktion aus und validieren keinen erzeugten Code. Diese Schritte gehören zum umgebenden Ablauf; ihre zurückgegebenen Belege machen eine Schlussfolgerung prüfbar.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits cohere/command-r-plus-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 $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-plus-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-plus-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-plus-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-plus-08-2024
Verwenden Sie die oben angezeigten Methodenpfade.
cohere/command-r-plus-08-2024Command R+ (08-2024) ist Coheres Textmodell mit 104B für komplexe dokumentgestützte Antworten und mehrstufige Werkzeugnutzung. Es verbindet einen Kontext von 128K mit mehrsprachiger Erzeugung, Quellenverweisen für Antwortabschnitte und Agentenabläufen, die tatsächliche Werkzeugbeobachtungen der Anwendung nutzen.
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 großes Textmodell vom August 2024 für komplexe, durch Suche ergänzte Antworten und Agentenaufgaben. Die genaue Edition hat 104 Milliarden Parameter und einen Kontext von 128K; sie akzeptiert Text und erzeugt Text. Das veröffentlichte Herstellerprofil nennt eine maximale Ausgabe von 4.000 Tokens. R+ ist das größere Gegenstück zu Command R und legt besonderen Wert auf die Kombination von Werkzeugen über mehrere Schritte hinweg.
Das Modell verwendet einen autoregressiven Transformer mit Grouped-Query-Attention, überwachtem Fine-Tuning und Präferenztraining. Es wird in 23 Sprachen trainiert und in zehn Hauptsprachen evaluiert. Die August-Aktualisierung verbessert Entscheidungen zur Werkzeugauswahl, das Befolgen von Systemanweisungen, die Analyse strukturierter Daten und die Robustheit gegenüber nichtsemantischen Prompt-Änderungen. Sie unterstützt außerdem Suchabläufe ohne Quellenverweise, mehrere Sicherheitsmodi und das Ablehnen unbeantwortbarer Fragen.
Geben Sie bei mehrsprachiger Arbeit die Ausgabesprache und die unverändert zu erhaltenden Namen, Codes oder Quellenzitate an. Eine quellengestützte Antwort kann Material in einer anderen Sprache erklären und die Belege zugleich für die Prüfung verfügbar halten. Stellen Sie für zeitabhängige Fakten eine aktuelle Quelle bereit oder beschaffen Sie sie über ein geeignetes Anwendungswerkzeug.
Das RAG-Template des Herstellers akzeptiert einen Dialog und abgerufene Dokumentauszüge, üblicherweise etwa 100–400 Wörter je Abschnitt, mit kurzen beschreibenden Schlüsseln und Text oder halbstrukturierten Werten. Das Modell wird gezielt darauf trainiert, aus diesen Auszügen zu antworten und Antwortabschnitte mit stützenden Quellen zu verbinden. Verwenden Sie das Template der genauen Edition, wenn dieses trainierte Quellenverhalten wichtig ist.
Der genaue Quellenverweismodus identifiziert relevante und zitierte Dokumente, erzeugt eine Antwort und fügt Quellenzuordnungen ein. Der schnelle Modus erzeugt die zitierte Antwort direkt und reduziert dadurch Ausgabetokens auf Kosten der Genauigkeit der Quellenzuordnung. Halten Sie Quellenkennungen für beide Modi verfügbar. Eine praktische Berichtsanforderung kann das Modell auffordern, Belege anhand benannter Kriterien zu vergleichen und neben jedem Befund die stützende Passage zu zitieren.
R+ unterstützt sowohl ein einstufiges Template für Funktionsaufrufe als auch mehrstufige Werkzeugnutzung für schwierigere Abläufe. Im einstufigen Ablauf wählt das Modell Funktionen und JSON-Argumente, die Anwendung führt sie aus, und eine spätere Modellantwort verwendet die zurückgegebenen Ergebnisse. Die dokumentierte Option directly_answer ermöglicht dem Modell, eine unnötige externe Operation zu vermeiden. In einem mehrstufigen Agenten können weitere Entscheidungen Beobachtungen unterschiedlicher Werkzeuge kombinieren, bis die Aufgabe ihr festgelegtes Ergebnis erreicht.
Ein hilfreiches Agentenbriefing definiert Frage, erlaubte Operationen und Endergebnis. Ein Rechercheassistent muss beispielsweise relevante Produktdatensätze abrufen, die bereitgestellten Anforderungen vergleichen und eine beleggestützte Empfehlung erstellen. Geben Sie jedem Werkzeug einen klaren Zweck und ordnen Sie sein Ergebnis dem erzeugenden Aufruf zu. Eine im Text vorgeschlagene Operation unterscheidet sich von der Ausführung durch die Anwendung.
Ordnen Sie die Quellauszüge um die tatsächliche Frage und reservieren Sie Platz für Werkzeugverlauf und Antwort. Widersprechen sich die verfügbaren Belege, lassen Sie das Modell den Widerspruch erklären, statt einen unbelegten Wert auszuwählen. Definieren Sie für Arbeit mit strukturierten Daten Felder, Einheiten und die Darstellung fehlender Informationen.
Das Endergebnis sollte eine prüfbare Antwort oder ein Bericht mit Bezug auf die bereitgestellten Belege und tatsächlichen Beobachtungen sein. Größe und Agentenausrichtung von R+ stellen nicht eigenständig eine Suchverbindung her, führen keine Datenbankaktion aus und validieren keinen erzeugten Code. Diese Schritte gehören zum umgebenden Ablauf; ihre zurückgegebenen Belege machen eine Schlussfolgerung prüfbar.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits cohere/command-r-plus-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 $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "cohere/command-r-plus-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus-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-plus-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-plus-08-2024
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Answer from product evidence\n\nUse only these snippets to answer whether Team Plan supports both requested features. S1: Team Plan includes shared folders and 30-day activity history. S2: Single sign-on is available on Enterprise Plan. Request: We need shared folders and single sign-on. State what is supported, cite each source identifier and leave unsupported assumptions unresolved.A feature-by-feature answer with a source identifier beside each finding and a concise conclusion about the two requirements.Check that S1 supports shared folders and S2 does not establish single sign-on for Team Plan.