Command R (08-2024) es la edición de agosto de 2024 del modelo textual escalable de Cohere para conversación, trabajo con contextos largos y respuestas fundamentadas. El modelo exacto tiene 32 mil millones de parámetros, acepta texto y produce texto. Utiliza contexto de 128K, con una salida máxima de 4,000 tokens en el perfil de servicio publicado del fabricante. Su identidad sigue siendo distinta de Command R anterior, de la actualización R+ de mayor tamaño y de los modelos Command A posteriores.
El fabricante describe un Transformer autorregresivo con atención de consultas agrupadas, seguido de ajuste fino supervisado y entrenamiento de preferencias. El modelo está entrenado en 23 idiomas y evaluado en diez idiomas principales. Especifica el idioma de respuesta, conserva los nombres requeridos y proporciona la redacción fuente cuando una traducción o comparación entre idiomas deba mantener una distinción precisa.
La actualización de agosto mejora las decisiones sobre cuándo utilizar herramientas, el seguimiento de instrucciones del sistema, la manipulación de datos estructurados y la robustez frente a cambios como los espacios en blanco. También admite flujos de recuperación sin citas y está entrenado para rechazar preguntas que no puedan responderse con la información disponible. Da al modelo criterios explícitos para responder y describe el tratamiento de los datos ausentes, en lugar de pedirle que rellene todos los campos independientemente de las pruebas.
Command R está entrenado para generar respuestas a partir de fragmentos de documentos proporcionados y vincular partes de ellas con la información fuente. El productor recomienda su plantilla específica de prompt porque este comportamiento se entrenó con esa representación. Utiliza fragmentos breves, normalmente de 100–400 palabras, con claves descriptivas y contenido textual o semiestructurado. Conserva los identificadores necesarios para interpretar las referencias a fuentes.
La ficha exacta distingue modos de citas preciso y rápido. El modo preciso identifica primero los documentos pertinentes y las fuentes que se citarán, desarrolla la respuesta y después añade los fragmentos de fundamentación. El modo rápido genera directamente la respuesta con esos fragmentos, reduciendo los tokens generados a cambio de cierta precisión de fundamentación. Elige el flujo del productor según la necesidad de fidelidad a las fuentes y el presupuesto de respuesta de la tarea.
Para una comparación práctica, proporciona requisitos identificados y una propuesta, y solicita cada discrepancia junto con el pasaje fuente que la demuestra. Para resumir, define el público y los hechos que deben conservarse. Un resultado útil vincula cada afirmación a los fragmentos reales, en lugar de tratar un marcador de fuente como prueba de que se realizó una recuperación externa.
El flujo nativo de herramientas de la ficha tiene dos etapas de modelo: selección de funciones y argumentos, seguida de generación de respuesta después de que la aplicación ejecute esas llamadas y devuelva sus resultados. El modelo puede seleccionar un subconjunto de herramientas e invocar una herramienta proporcionada más de una vez. Su opción documentada directly_answer expresa la decisión de responder sin otra operación externa.
Da a las funciones nombres, objetivos y definiciones de parámetros específicos. Una herramienta de información de productos puede devolver la ficha pertinente, tras lo cual la respuesta debe explicar el valor que necesita el usuario. La aplicación realiza la consulta y comprueba los argumentos; la lista de acciones generada no las ejecuta por sí misma. Esta edición también admite un flujo de varios pasos entrenado por separado que itera entre acciones, observaciones y reflexión antes de la respuesta final; su plantilla específica difiere del formato de un solo paso.
Mantén la pregunta, los pasajes recuperados y las observaciones dentro del contexto aplicable, dejando espacio para la respuesta final. El resultado útil es un texto conciso con sus vínculos a las fuentes y una descripción explícita de cualquier información que siga sin estar disponible en las pruebas proporcionadas.
", "aboutText": "Command R (08-2024) es la edición de agosto de 2024 del modelo textual escalable de Cohere para conversación, trabajo con contextos largos y respuestas fundamentadas. El modelo exacto tiene 32 mil millones de parámetros, acepta texto y produce texto. Utiliza contexto de 128K, con una salida máxima de 4,000 tokens en el perfil de servicio publicado del fabricante. Su identidad sigue siendo distinta de Command R anterior, de la actualización R+ de mayor tamaño y de los modelos Command A posteriores.\n\n### Detalles del modelo y actualización de agosto\n\nEl fabricante describe un Transformer autorregresivo con atención de consultas agrupadas, seguido de ajuste fino supervisado y entrenamiento de preferencias. El modelo está entrenado en 23 idiomas y evaluado en diez idiomas principales. Especifica el idioma de respuesta, conserva los nombres requeridos y proporciona la redacción fuente cuando una traducción o comparación entre idiomas deba mantener una distinción precisa.\n\nLa actualización de agosto mejora las decisiones sobre cuándo utilizar herramientas, el seguimiento de instrucciones del sistema, la manipulación de datos estructurados y la robustez frente a cambios como los espacios en blanco. También admite flujos de recuperación sin citas y está entrenado para rechazar preguntas que no puedan responderse con la información disponible. Da al modelo criterios explícitos para responder y describe el tratamiento de los datos ausentes, en lugar de pedirle que rellene todos los campos independientemente de las pruebas.\n\n### Generación fundamentada\n\nCommand R está entrenado para generar respuestas a partir de fragmentos de documentos proporcionados y vincular partes de ellas con la información fuente. El productor recomienda su plantilla específica de prompt porque este comportamiento se entrenó con esa representación. Utiliza fragmentos breves, normalmente de 100–400 palabras, con claves descriptivas y contenido textual o semiestructurado. Conserva los identificadores necesarios para interpretar las referencias a fuentes.\n\nLa ficha exacta distingue modos de citas preciso y rápido. El modo preciso identifica primero los documentos pertinentes y las fuentes que se citarán, desarrolla la respuesta y después añade los fragmentos de fundamentación. El modo rápido genera directamente la respuesta con esos fragmentos, reduciendo los tokens generados a cambio de cierta precisión de fundamentación. Elige el flujo del productor según la necesidad de fidelidad a las fuentes y el presupuesto de respuesta de la tarea.\n\nPara una comparación práctica, proporciona requisitos identificados y una propuesta, y solicita cada discrepancia junto con el pasaje fuente que la demuestra. Para resumir, define el público y los hechos que deben conservarse. Un resultado útil vincula cada afirmación a los fragmentos reales, en lugar de tratar un marcador de fuente como prueba de que se realizó una recuperación externa.\n\n### Uso de herramientas de uno o varios pasos\n\nEl flujo nativo de herramientas de la ficha tiene dos etapas de modelo: selección de funciones y argumentos, seguida de generación de respuesta después de que la aplicación ejecute esas llamadas y devuelva sus resultados. El modelo puede seleccionar un subconjunto de herramientas e invocar una herramienta proporcionada más de una vez. Su opción documentada directly_answer expresa la decisión de responder sin otra operación externa.\n\nDa a las funciones nombres, objetivos y definiciones de parámetros específicos. Una herramienta de información de productos puede devolver la ficha pertinente, tras lo cual la respuesta debe explicar el valor que necesita el usuario. La aplicación realiza la consulta y comprueba los argumentos; la lista de acciones generada no las ejecuta por sí misma. Esta edición también admite un flujo de varios pasos entrenado por separado que itera entre acciones, observaciones y reflexión antes de la respuesta final; su plantilla específica difiere del formato de un solo paso.\n\nMantén la pregunta, los pasajes recuperados y las observaciones dentro del contexto aplicable, dejando espacio para la respuesta final. El resultado útil es un texto conciso con sus vínculos a las fuentes y una descripción explícita de cualquier información que siga sin estar disponible en las pruebas proporcionadas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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) es el modelo textual de 32B de Cohere para respuestas conversacionales y fundamentadas en documentos. Su contexto de 128K, las citas vinculadas a fragmentos de fuentes y las llamadas a funciones de un solo paso permiten crear asistentes multilingües de conocimiento, extraer información y responder preguntas a partir de las pruebas proporcionadas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Command R (08-2024) es la edición de agosto de 2024 del modelo textual escalable de Cohere para conversación, trabajo con contextos largos y respuestas fundamentadas. El modelo exacto tiene 32 mil millones de parámetros, acepta texto y produce texto. Utiliza contexto de 128K, con una salida máxima de 4,000 tokens en el perfil de servicio publicado del fabricante. Su identidad sigue siendo distinta de Command R anterior, de la actualización R+ de mayor tamaño y de los modelos Command A posteriores.
El fabricante describe un Transformer autorregresivo con atención de consultas agrupadas, seguido de ajuste fino supervisado y entrenamiento de preferencias. El modelo está entrenado en 23 idiomas y evaluado en diez idiomas principales. Especifica el idioma de respuesta, conserva los nombres requeridos y proporciona la redacción fuente cuando una traducción o comparación entre idiomas deba mantener una distinción precisa.
La actualización de agosto mejora las decisiones sobre cuándo utilizar herramientas, el seguimiento de instrucciones del sistema, la manipulación de datos estructurados y la robustez frente a cambios como los espacios en blanco. También admite flujos de recuperación sin citas y está entrenado para rechazar preguntas que no puedan responderse con la información disponible. Da al modelo criterios explícitos para responder y describe el tratamiento de los datos ausentes, en lugar de pedirle que rellene todos los campos independientemente de las pruebas.
Command R está entrenado para generar respuestas a partir de fragmentos de documentos proporcionados y vincular partes de ellas con la información fuente. El productor recomienda su plantilla específica de prompt porque este comportamiento se entrenó con esa representación. Utiliza fragmentos breves, normalmente de 100–400 palabras, con claves descriptivas y contenido textual o semiestructurado. Conserva los identificadores necesarios para interpretar las referencias a fuentes.
La ficha exacta distingue modos de citas preciso y rápido. El modo preciso identifica primero los documentos pertinentes y las fuentes que se citarán, desarrolla la respuesta y después añade los fragmentos de fundamentación. El modo rápido genera directamente la respuesta con esos fragmentos, reduciendo los tokens generados a cambio de cierta precisión de fundamentación. Elige el flujo del productor según la necesidad de fidelidad a las fuentes y el presupuesto de respuesta de la tarea.
Para una comparación práctica, proporciona requisitos identificados y una propuesta, y solicita cada discrepancia junto con el pasaje fuente que la demuestra. Para resumir, define el público y los hechos que deben conservarse. Un resultado útil vincula cada afirmación a los fragmentos reales, en lugar de tratar un marcador de fuente como prueba de que se realizó una recuperación externa.
El flujo nativo de herramientas de la ficha tiene dos etapas de modelo: selección de funciones y argumentos, seguida de generación de respuesta después de que la aplicación ejecute esas llamadas y devuelva sus resultados. El modelo puede seleccionar un subconjunto de herramientas e invocar una herramienta proporcionada más de una vez. Su opción documentada directly_answer expresa la decisión de responder sin otra operación externa.
Da a las funciones nombres, objetivos y definiciones de parámetros específicos. Una herramienta de información de productos puede devolver la ficha pertinente, tras lo cual la respuesta debe explicar el valor que necesita el usuario. La aplicación realiza la consulta y comprueba los argumentos; la lista de acciones generada no las ejecuta por sí misma. Esta edición también admite un flujo de varios pasos entrenado por separado que itera entre acciones, observaciones y reflexión antes de la respuesta final; su plantilla específica difiere del formato de un solo paso.
Mantén la pregunta, los pasajes recuperados y las observaciones dentro del contexto aplicable, dejando espacio para la respuesta final. El resultado útil es un texto conciso con sus vínculos a las fuentes y una descripción explícita de cualquier información que siga sin estar disponible en las pruebas proporcionadas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites cohere/command-r-08-2024 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.0012 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.0012 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra cohere/command-r-08-2024
Usa las rutas de método indicadas arriba.
cohere/command-r-08-2024Command R (08-2024) es el modelo textual de 32B de Cohere para respuestas conversacionales y fundamentadas en documentos. Su contexto de 128K, las citas vinculadas a fragmentos de fuentes y las llamadas a funciones de un solo paso permiten crear asistentes multilingües de conocimiento, extraer información y responder preguntas a partir de las pruebas proporcionadas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Command R (08-2024) es la edición de agosto de 2024 del modelo textual escalable de Cohere para conversación, trabajo con contextos largos y respuestas fundamentadas. El modelo exacto tiene 32 mil millones de parámetros, acepta texto y produce texto. Utiliza contexto de 128K, con una salida máxima de 4,000 tokens en el perfil de servicio publicado del fabricante. Su identidad sigue siendo distinta de Command R anterior, de la actualización R+ de mayor tamaño y de los modelos Command A posteriores.
El fabricante describe un Transformer autorregresivo con atención de consultas agrupadas, seguido de ajuste fino supervisado y entrenamiento de preferencias. El modelo está entrenado en 23 idiomas y evaluado en diez idiomas principales. Especifica el idioma de respuesta, conserva los nombres requeridos y proporciona la redacción fuente cuando una traducción o comparación entre idiomas deba mantener una distinción precisa.
La actualización de agosto mejora las decisiones sobre cuándo utilizar herramientas, el seguimiento de instrucciones del sistema, la manipulación de datos estructurados y la robustez frente a cambios como los espacios en blanco. También admite flujos de recuperación sin citas y está entrenado para rechazar preguntas que no puedan responderse con la información disponible. Da al modelo criterios explícitos para responder y describe el tratamiento de los datos ausentes, en lugar de pedirle que rellene todos los campos independientemente de las pruebas.
Command R está entrenado para generar respuestas a partir de fragmentos de documentos proporcionados y vincular partes de ellas con la información fuente. El productor recomienda su plantilla específica de prompt porque este comportamiento se entrenó con esa representación. Utiliza fragmentos breves, normalmente de 100–400 palabras, con claves descriptivas y contenido textual o semiestructurado. Conserva los identificadores necesarios para interpretar las referencias a fuentes.
La ficha exacta distingue modos de citas preciso y rápido. El modo preciso identifica primero los documentos pertinentes y las fuentes que se citarán, desarrolla la respuesta y después añade los fragmentos de fundamentación. El modo rápido genera directamente la respuesta con esos fragmentos, reduciendo los tokens generados a cambio de cierta precisión de fundamentación. Elige el flujo del productor según la necesidad de fidelidad a las fuentes y el presupuesto de respuesta de la tarea.
Para una comparación práctica, proporciona requisitos identificados y una propuesta, y solicita cada discrepancia junto con el pasaje fuente que la demuestra. Para resumir, define el público y los hechos que deben conservarse. Un resultado útil vincula cada afirmación a los fragmentos reales, en lugar de tratar un marcador de fuente como prueba de que se realizó una recuperación externa.
El flujo nativo de herramientas de la ficha tiene dos etapas de modelo: selección de funciones y argumentos, seguida de generación de respuesta después de que la aplicación ejecute esas llamadas y devuelva sus resultados. El modelo puede seleccionar un subconjunto de herramientas e invocar una herramienta proporcionada más de una vez. Su opción documentada directly_answer expresa la decisión de responder sin otra operación externa.
Da a las funciones nombres, objetivos y definiciones de parámetros específicos. Una herramienta de información de productos puede devolver la ficha pertinente, tras lo cual la respuesta debe explicar el valor que necesita el usuario. La aplicación realiza la consulta y comprueba los argumentos; la lista de acciones generada no las ejecuta por sí misma. Esta edición también admite un flujo de varios pasos entrenado por separado que itera entre acciones, observaciones y reflexión antes de la respuesta final; su plantilla específica difiere del formato de un solo paso.
Mantén la pregunta, los pasajes recuperados y las observaciones dentro del contexto aplicable, dejando espacio para la respuesta final. El resultado útil es un texto conciso con sus vínculos a las fuentes y una descripción explícita de cualquier información que siga sin estar disponible en las pruebas proporcionadas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites cohere/command-r-08-2024 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.0012 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.0012 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "cohere/command-r-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra cohere/command-r-08-2024
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
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.