Command A+ est le modèle de raisonnement multimodal de Cohere paru en mai 2026 pour les tâches d’entreprise complexes. Il combine des entrées texte et image avec une sortie texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Son fabricant le destine aux agents multilingues qui analysent des éléments probants, résolvent un problème et utilisent les outils fournis par une application. Cette édition est distincte du modèle Command A antérieur, limité au texte, ainsi que des modèles spécialisés Vision et Reasoning.
Cohere décrit une architecture à mélange d’experts parcimonieux comptant 218 milliards de paramètres au total, dont 25 milliards actifs. Le profil publié prévoit un contexte de 128 000 jetons et une sortie maximale de 64 000 jetons. La date limite des connaissances indiquée est le 1er avril 2025. Les documents sources, la conversation et le résultat généré doivent respecter ensemble le budget applicable à la requête; fournissez des données récentes ou un outil approprié lorsque la tâche dépend d’informations postérieures aux connaissances acquises à l’entraînement.
Le flux de raisonnement hybride du producteur permet d’activer une phase de réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir une réponse directe. Un budget de réflexion encadre ce processus intermédiaire, mais la réponse doit aussi disposer de suffisamment d’espace pour communiquer le résultat. Définissez séparément la réponse attendue : note décisionnelle, comparaison, explication traduite ou fiche structurée. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, les identifiants de champs et les citations qui doivent conserver leur forme d’origine.
Voici un exemple de consigne : « Compare ces passages de politiques, explique leur différence opérationnelle dans la langue demandée et indique la phrase source qui appuie chaque conclusion. » La compréhension multilingue se combine ainsi à un raisonnement fondé sur les éléments réellement fournis, plutôt qu’à un exposé sans fondement sur une politique.
Le guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux intégrés aux images, la reconnaissance de documents et les questions fondées sur des images. Préparez des pages lisibles et conservez les titres, les unités et les libellés des axes. Si un détail est petit, agrandissez-le sans perdre le contexte environnant et utilisez l’option documentée de niveau de détail d’image qui convient à la tâche. Le fabricant signale que les performances visuelles peuvent varier pour les écritures non latines.
Le flux d’images documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, jusqu’à 20 images ou 20 Mo au total par requête, selon la première limite atteinte. Ces limites concernent le flux du producteur. Pour une extraction, demandez les champs précis et une référence à l’image source; pour l’analyse d’un graphique, demandez les valeurs visibles séparément de leur interprétation. Le modèle renvoie du texte : générer ou modifier une image constitue donc une autre tâche de sortie.
Command A+ compte les citations, l’utilisation d’outils, les sorties structurées et les modes de sécurité parmi ses capacités. Attribuez aux documents des identifiants explicites et fournissez des fonctions d’outils accompagnées de descriptions et de schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, puis la réponse suivante peut s’appuyer sur ces éléments. La source récupérée, l’action proposée par le modèle et le résultat exécuté doivent demeurer distincts dans le dossier de la tâche.
Pour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Vérifiez le contenu par rapport à ses sources même lorsque le format est valide. Un livrable final utile comprend la réponse demandée, les éléments qui l’appuient et toute information non résolue ayant une incidence sur la conclusion. Les capacités multimodales et de raisonnement du modèle restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil de l’ancien Command A.
", "aboutText": "Command A+ est le modèle de raisonnement multimodal de Cohere paru en mai 2026 pour les tâches d’entreprise complexes. Il combine des entrées texte et image avec une sortie texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Son fabricant le destine aux agents multilingues qui analysent des éléments probants, résolvent un problème et utilisent les outils fournis par une application. Cette édition est distincte du modèle Command A antérieur, limité au texte, ainsi que des modèles spécialisés Vision et Reasoning.\n\n### Propriétés du modèle et taille des tâches\n\nCohere décrit une architecture à mélange d’experts parcimonieux comptant 218 milliards de paramètres au total, dont 25 milliards actifs. Le profil publié prévoit un contexte de 128 000 jetons et une sortie maximale de 64 000 jetons. La date limite des connaissances indiquée est le 1er avril 2025. Les documents sources, la conversation et le résultat généré doivent respecter ensemble le budget applicable à la requête; fournissez des données récentes ou un outil approprié lorsque la tâche dépend d’informations postérieures aux connaissances acquises à l’entraînement.\n\n### Raisonnement et travail multilingue\n\nLe flux de raisonnement hybride du producteur permet d’activer une phase de réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir une réponse directe. Un budget de réflexion encadre ce processus intermédiaire, mais la réponse doit aussi disposer de suffisamment d’espace pour communiquer le résultat. Définissez séparément la réponse attendue : note décisionnelle, comparaison, explication traduite ou fiche structurée. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, les identifiants de champs et les citations qui doivent conserver leur forme d’origine.\n\nVoici un exemple de consigne : « Compare ces passages de politiques, explique leur différence opérationnelle dans la langue demandée et indique la phrase source qui appuie chaque conclusion. » La compréhension multilingue se combine ainsi à un raisonnement fondé sur les éléments réellement fournis, plutôt qu’à un exposé sans fondement sur une politique.\n\n### Images et éléments probants tirés des documents\n\nLe guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux intégrés aux images, la reconnaissance de documents et les questions fondées sur des images. Préparez des pages lisibles et conservez les titres, les unités et les libellés des axes. Si un détail est petit, agrandissez-le sans perdre le contexte environnant et utilisez l’option documentée de niveau de détail d’image qui convient à la tâche. Le fabricant signale que les performances visuelles peuvent varier pour les écritures non latines.\n\nLe flux d’images documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, jusqu’à 20 images ou 20 Mo au total par requête, selon la première limite atteinte. Ces limites concernent le flux du producteur. Pour une extraction, demandez les champs précis et une référence à l’image source; pour l’analyse d’un graphique, demandez les valeurs visibles séparément de leur interprétation. Le modèle renvoie du texte : générer ou modifier une image constitue donc une autre tâche de sortie.\n\n### Citations, outils et résultats structurés\n\nCommand A+ compte les citations, l’utilisation d’outils, les sorties structurées et les modes de sécurité parmi ses capacités. Attribuez aux documents des identifiants explicites et fournissez des fonctions d’outils accompagnées de descriptions et de schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, puis la réponse suivante peut s’appuyer sur ces éléments. La source récupérée, l’action proposée par le modèle et le résultat exécuté doivent demeurer distincts dans le dossier de la tâche.\n\nPour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Vérifiez le contenu par rapport à ses sources même lorsque le format est valide. Un livrable final utile comprend la réponse demandée, les éléments qui l’appuient et toute information non résolue ayant une incidence sur la conclusion. Les capacités multimodales et de raisonnement du modèle restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil de l’ancien Command A.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Reconcile multilingual delivery notes\n\nCompare these delivery notes: EN-1: 'Send eight replacement handles; keep order A17 open until they arrive.' FR-1: 'Envoyer huit poignees de remplacement; ne pas fermer la commande A17 avant leur reception.' Write an English operations handoff with quantity, item, order ID and closure condition. State whether the two supplied notes disagree.An English handoff with four operational fields and an evidence-based agreement check.Keep A17 unchanged and preserve the condition that arrival precedes closure.cohere/command-a-plusCommand A+ est le modèle de raisonnement multimodal de Cohere pour les agents d’entreprise. Il reçoit du texte et des images et produit du texte dans 48 langues. Il réunit citations, utilisation d’outils et sorties structurées, avec un contexte de 128 000 jetons et un plafond de sortie documenté de 64 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Command A+ est le modèle de raisonnement multimodal de Cohere paru en mai 2026 pour les tâches d’entreprise complexes. Il combine des entrées texte et image avec une sortie texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Son fabricant le destine aux agents multilingues qui analysent des éléments probants, résolvent un problème et utilisent les outils fournis par une application. Cette édition est distincte du modèle Command A antérieur, limité au texte, ainsi que des modèles spécialisés Vision et Reasoning.
Cohere décrit une architecture à mélange d’experts parcimonieux comptant 218 milliards de paramètres au total, dont 25 milliards actifs. Le profil publié prévoit un contexte de 128 000 jetons et une sortie maximale de 64 000 jetons. La date limite des connaissances indiquée est le 1er avril 2025. Les documents sources, la conversation et le résultat généré doivent respecter ensemble le budget applicable à la requête; fournissez des données récentes ou un outil approprié lorsque la tâche dépend d’informations postérieures aux connaissances acquises à l’entraînement.
Le flux de raisonnement hybride du producteur permet d’activer une phase de réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir une réponse directe. Un budget de réflexion encadre ce processus intermédiaire, mais la réponse doit aussi disposer de suffisamment d’espace pour communiquer le résultat. Définissez séparément la réponse attendue : note décisionnelle, comparaison, explication traduite ou fiche structurée. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, les identifiants de champs et les citations qui doivent conserver leur forme d’origine.
Voici un exemple de consigne : « Compare ces passages de politiques, explique leur différence opérationnelle dans la langue demandée et indique la phrase source qui appuie chaque conclusion. » La compréhension multilingue se combine ainsi à un raisonnement fondé sur les éléments réellement fournis, plutôt qu’à un exposé sans fondement sur une politique.
Le guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux intégrés aux images, la reconnaissance de documents et les questions fondées sur des images. Préparez des pages lisibles et conservez les titres, les unités et les libellés des axes. Si un détail est petit, agrandissez-le sans perdre le contexte environnant et utilisez l’option documentée de niveau de détail d’image qui convient à la tâche. Le fabricant signale que les performances visuelles peuvent varier pour les écritures non latines.
Le flux d’images documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, jusqu’à 20 images ou 20 Mo au total par requête, selon la première limite atteinte. Ces limites concernent le flux du producteur. Pour une extraction, demandez les champs précis et une référence à l’image source; pour l’analyse d’un graphique, demandez les valeurs visibles séparément de leur interprétation. Le modèle renvoie du texte : générer ou modifier une image constitue donc une autre tâche de sortie.
Command A+ compte les citations, l’utilisation d’outils, les sorties structurées et les modes de sécurité parmi ses capacités. Attribuez aux documents des identifiants explicites et fournissez des fonctions d’outils accompagnées de descriptions et de schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, puis la réponse suivante peut s’appuyer sur ces éléments. La source récupérée, l’action proposée par le modèle et le résultat exécuté doivent demeurer distincts dans le dossier de la tâche.
Pour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Vérifiez le contenu par rapport à ses sources même lorsque le format est valide. Un livrable final utile comprend la réponse demandée, les éléments qui l’appuient et toute information non résolue ayant une incidence sur la conclusion. Les capacités multimodales et de raisonnement du modèle restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil de l’ancien Command A.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites cohere/command-a-plus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0006 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache $0.0003 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0006 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache $0.0003 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cohere/command-a-plus", "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-a-plus',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-a-plus',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra cohere/command-a-plus
Utilisez les chemins de méthode indiqués ci-dessus.
cohere/command-a-plusCommand A+ est le modèle de raisonnement multimodal de Cohere pour les agents d’entreprise. Il reçoit du texte et des images et produit du texte dans 48 langues. Il réunit citations, utilisation d’outils et sorties structurées, avec un contexte de 128 000 jetons et un plafond de sortie documenté de 64 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Command A+ est le modèle de raisonnement multimodal de Cohere paru en mai 2026 pour les tâches d’entreprise complexes. Il combine des entrées texte et image avec une sortie texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Son fabricant le destine aux agents multilingues qui analysent des éléments probants, résolvent un problème et utilisent les outils fournis par une application. Cette édition est distincte du modèle Command A antérieur, limité au texte, ainsi que des modèles spécialisés Vision et Reasoning.
Cohere décrit une architecture à mélange d’experts parcimonieux comptant 218 milliards de paramètres au total, dont 25 milliards actifs. Le profil publié prévoit un contexte de 128 000 jetons et une sortie maximale de 64 000 jetons. La date limite des connaissances indiquée est le 1er avril 2025. Les documents sources, la conversation et le résultat généré doivent respecter ensemble le budget applicable à la requête; fournissez des données récentes ou un outil approprié lorsque la tâche dépend d’informations postérieures aux connaissances acquises à l’entraînement.
Le flux de raisonnement hybride du producteur permet d’activer une phase de réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir une réponse directe. Un budget de réflexion encadre ce processus intermédiaire, mais la réponse doit aussi disposer de suffisamment d’espace pour communiquer le résultat. Définissez séparément la réponse attendue : note décisionnelle, comparaison, explication traduite ou fiche structurée. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, les identifiants de champs et les citations qui doivent conserver leur forme d’origine.
Voici un exemple de consigne : « Compare ces passages de politiques, explique leur différence opérationnelle dans la langue demandée et indique la phrase source qui appuie chaque conclusion. » La compréhension multilingue se combine ainsi à un raisonnement fondé sur les éléments réellement fournis, plutôt qu’à un exposé sans fondement sur une politique.
Le guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux intégrés aux images, la reconnaissance de documents et les questions fondées sur des images. Préparez des pages lisibles et conservez les titres, les unités et les libellés des axes. Si un détail est petit, agrandissez-le sans perdre le contexte environnant et utilisez l’option documentée de niveau de détail d’image qui convient à la tâche. Le fabricant signale que les performances visuelles peuvent varier pour les écritures non latines.
Le flux d’images documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, jusqu’à 20 images ou 20 Mo au total par requête, selon la première limite atteinte. Ces limites concernent le flux du producteur. Pour une extraction, demandez les champs précis et une référence à l’image source; pour l’analyse d’un graphique, demandez les valeurs visibles séparément de leur interprétation. Le modèle renvoie du texte : générer ou modifier une image constitue donc une autre tâche de sortie.
Command A+ compte les citations, l’utilisation d’outils, les sorties structurées et les modes de sécurité parmi ses capacités. Attribuez aux documents des identifiants explicites et fournissez des fonctions d’outils accompagnées de descriptions et de schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, puis la réponse suivante peut s’appuyer sur ces éléments. La source récupérée, l’action proposée par le modèle et le résultat exécuté doivent demeurer distincts dans le dossier de la tâche.
Pour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Vérifiez le contenu par rapport à ses sources même lorsque le format est valide. Un livrable final utile comprend la réponse demandée, les éléments qui l’appuient et toute information non résolue ayant une incidence sur la conclusion. Les capacités multimodales et de raisonnement du modèle restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil de l’ancien Command A.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites cohere/command-a-plus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0006 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache $0.0003 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0006 / 1K jetons Sortie · Jetons en sortie $0.003 / 1K jetons Entrée · Lecture du cache $0.0003 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "cohere/command-a-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-a-plus', '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-a-plus', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra cohere/command-a-plus
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Reconcile multilingual delivery notes\n\nCompare these delivery notes: EN-1: 'Send eight replacement handles; keep order A17 open until they arrive.' FR-1: 'Envoyer huit poignees de remplacement; ne pas fermer la commande A17 avant leur reception.' Write an English operations handoff with quantity, item, order ID and closure condition. State whether the two supplied notes disagree.An English handoff with four operational fields and an evidence-based agreement check.Keep A17 unchanged and preserve the condition that arrival precedes closure.