Command A+ est le modèle de raisonnement multimodal lancé par Cohere en mai 2026 pour les tâches complexes en entreprise. Il reçoit du texte et des images, produit du texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Le fabricant le destine aux agents multilingues qui analysent des éléments probants, examinent un problème et utilisent les outils fournis par une application. Cette édition est distincte du premier Command A, exclusivement textuel, et des modèles spécialisés Vision et Reasoning.
Cohere décrit une architecture de mélange d’experts parcimonieuse, avec 218 milliards de paramètres au total et 25 milliards de paramètres actifs. Son profil publié prévoit un contexte de 128 000 tokens et une sortie maximale de 64 000 tokens. La date limite des connaissances indiquée est le 1er avril 2025. Les sources, la conversation et le résultat généré doivent tenir dans le budget applicable à la requête; fournissez des éléments actuels ou un outil adapté lorsque la tâche dépend d’informations absentes des connaissances d’entraînement.
Le processus de raisonnement hybride du producteur permet d’activer une réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir des réponses directes. Un budget de réflexion encadre le processus intermédiaire, mais il faut aussi prévoir de la place pour communiquer le résultat. Définissez séparément la réponse attendue: note de décision, comparaison, explication traduite ou enregistrement structuré. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, identifiants de champs et citations qui doivent conserver leur forme d’origine.
Voici une consigne illustrative: «Compare ces passages de politique, explique la différence opérationnelle dans la langue demandée et indique la phrase source qui étaye chaque conclusion.» Elle associe compréhension multilingue et raisonnement à partir des éléments réellement fournis, au lieu de demander un exposé sans fondement sur une politique.
Le guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux présents dans des 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. Lorsqu’un détail est petit, agrandissez-le sans perdre le contexte environnant et choisissez le niveau de détail d’image documenté qui convient à la tâche. Le fabricant précise que les performances visuelles peuvent varier pour les écritures non latines.
Le processus documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, avec un maximum de 20 images ou de 20 Mo au total par requête, selon la première limite atteinte. Il s’agit des limites du processus 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 les fonctions d’outils avec leurs descriptions et leurs schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, que la réponse suivante peut utiliser comme élément probant. La source retrouvée, l’action proposée par le modèle et le résultat exécuté doivent rester identifiables séparément dans le dossier de la tâche.
Pour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Confrontez le contenu à ses sources même lorsque le format est valide. Un livrable final utile contient la réponse demandée, les éléments qui l’étayent et les informations encore manquantes qui influencent la conclusion. Les capacités multimodales et de raisonnement restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil du premier Command A.
", "aboutText": "Command A+ est le modèle de raisonnement multimodal lancé par Cohere en mai 2026 pour les tâches complexes en entreprise. Il reçoit du texte et des images, produit du texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Le fabricant le destine aux agents multilingues qui analysent des éléments probants, examinent un problème et utilisent les outils fournis par une application. Cette édition est distincte du premier Command A, exclusivement textuel, et des modèles spécialisés Vision et Reasoning.\n\n### Propriétés du modèle et taille des tâches\n\nCohere décrit une architecture de mélange d’experts parcimonieuse, avec 218 milliards de paramètres au total et 25 milliards de paramètres actifs. Son profil publié prévoit un contexte de 128 000 tokens et une sortie maximale de 64 000 tokens. La date limite des connaissances indiquée est le 1er avril 2025. Les sources, la conversation et le résultat généré doivent tenir dans le budget applicable à la requête; fournissez des éléments actuels ou un outil adapté lorsque la tâche dépend d’informations absentes des connaissances d’entraînement.\n\n### Raisonnement et travail multilingue\n\nLe processus de raisonnement hybride du producteur permet d’activer une réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir des réponses directes. Un budget de réflexion encadre le processus intermédiaire, mais il faut aussi prévoir de la place pour communiquer le résultat. Définissez séparément la réponse attendue: note de décision, comparaison, explication traduite ou enregistrement structuré. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, identifiants de champs et citations qui doivent conserver leur forme d’origine.\n\nVoici une consigne illustrative: «Compare ces passages de politique, explique la différence opérationnelle dans la langue demandée et indique la phrase source qui étaye chaque conclusion.» Elle associe compréhension multilingue et raisonnement à partir des éléments réellement fournis, au lieu de demander un exposé sans fondement sur une politique.\n\n### Images et éléments documentaires\n\nLe guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux présents dans des 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. Lorsqu’un détail est petit, agrandissez-le sans perdre le contexte environnant et choisissez le niveau de détail d’image documenté qui convient à la tâche. Le fabricant précise que les performances visuelles peuvent varier pour les écritures non latines.\n\nLe processus documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, avec un maximum de 20 images ou de 20 Mo au total par requête, selon la première limite atteinte. Il s’agit des limites du processus 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 les fonctions d’outils avec leurs descriptions et leurs schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, que la réponse suivante peut utiliser comme élément probant. La source retrouvée, l’action proposée par le modèle et le résultat exécuté doivent rester identifiables séparément dans le dossier de la tâche.\n\nPour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Confrontez le contenu à ses sources même lorsque le format est valide. Un livrable final utile contient la réponse demandée, les éléments qui l’étayent et les informations encore manquantes qui influencent la conclusion. Les capacités multimodales et de raisonnement restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil du premier 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 destiné aux agents d’entreprise. Il reçoit du texte et des images et produit du texte dans 48 langues. Il associe citations, utilisation d’outils et sorties structurées à un contexte de 128 000 tokens et à une limite de sortie documentée de 64 000 tokens.
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 lancé par Cohere en mai 2026 pour les tâches complexes en entreprise. Il reçoit du texte et des images, produit du texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Le fabricant le destine aux agents multilingues qui analysent des éléments probants, examinent un problème et utilisent les outils fournis par une application. Cette édition est distincte du premier Command A, exclusivement textuel, et des modèles spécialisés Vision et Reasoning.
Cohere décrit une architecture de mélange d’experts parcimonieuse, avec 218 milliards de paramètres au total et 25 milliards de paramètres actifs. Son profil publié prévoit un contexte de 128 000 tokens et une sortie maximale de 64 000 tokens. La date limite des connaissances indiquée est le 1er avril 2025. Les sources, la conversation et le résultat généré doivent tenir dans le budget applicable à la requête; fournissez des éléments actuels ou un outil adapté lorsque la tâche dépend d’informations absentes des connaissances d’entraînement.
Le processus de raisonnement hybride du producteur permet d’activer une réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir des réponses directes. Un budget de réflexion encadre le processus intermédiaire, mais il faut aussi prévoir de la place pour communiquer le résultat. Définissez séparément la réponse attendue: note de décision, comparaison, explication traduite ou enregistrement structuré. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, identifiants de champs et citations qui doivent conserver leur forme d’origine.
Voici une consigne illustrative: «Compare ces passages de politique, explique la différence opérationnelle dans la langue demandée et indique la phrase source qui étaye chaque conclusion.» Elle associe compréhension multilingue et raisonnement à partir des éléments réellement fournis, au lieu de demander un exposé sans fondement sur une politique.
Le guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux présents dans des 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. Lorsqu’un détail est petit, agrandissez-le sans perdre le contexte environnant et choisissez le niveau de détail d’image documenté qui convient à la tâche. Le fabricant précise que les performances visuelles peuvent varier pour les écritures non latines.
Le processus documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, avec un maximum de 20 images ou de 20 Mo au total par requête, selon la première limite atteinte. Il s’agit des limites du processus 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 les fonctions d’outils avec leurs descriptions et leurs schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, que la réponse suivante peut utiliser comme élément probant. La source retrouvée, l’action proposée par le modèle et le résultat exécuté doivent rester identifiables séparément dans le dossier de la tâche.
Pour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Confrontez le contenu à ses sources même lorsque le format est valide. Un livrable final utile contient la réponse demandée, les éléments qui l’étayent et les informations encore manquantes qui influencent la conclusion. Les capacités multimodales et de raisonnement restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil du premier 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.003 / 1K tokens Entrée · Lecture du cache $0.0003 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.003 / 1K tokens Entrée · Lecture du cache $0.0003 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | 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 destiné aux agents d’entreprise. Il reçoit du texte et des images et produit du texte dans 48 langues. Il associe citations, utilisation d’outils et sorties structurées à un contexte de 128 000 tokens et à une limite de sortie documentée de 64 000 tokens.
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 lancé par Cohere en mai 2026 pour les tâches complexes en entreprise. Il reçoit du texte et des images, produit du texte et prend en charge 48 langues, dont toutes les langues officielles de l’Union européenne. Le fabricant le destine aux agents multilingues qui analysent des éléments probants, examinent un problème et utilisent les outils fournis par une application. Cette édition est distincte du premier Command A, exclusivement textuel, et des modèles spécialisés Vision et Reasoning.
Cohere décrit une architecture de mélange d’experts parcimonieuse, avec 218 milliards de paramètres au total et 25 milliards de paramètres actifs. Son profil publié prévoit un contexte de 128 000 tokens et une sortie maximale de 64 000 tokens. La date limite des connaissances indiquée est le 1er avril 2025. Les sources, la conversation et le résultat généré doivent tenir dans le budget applicable à la requête; fournissez des éléments actuels ou un outil adapté lorsque la tâche dépend d’informations absentes des connaissances d’entraînement.
Le processus de raisonnement hybride du producteur permet d’activer une réflexion avant la réponse textuelle finale ou de la désactiver pour obtenir des réponses directes. Un budget de réflexion encadre le processus intermédiaire, mais il faut aussi prévoir de la place pour communiquer le résultat. Définissez séparément la réponse attendue: note de décision, comparaison, explication traduite ou enregistrement structuré. Pour une tâche multilingue, précisez la langue de sortie ainsi que les noms propres, identifiants de champs et citations qui doivent conserver leur forme d’origine.
Voici une consigne illustrative: «Compare ces passages de politique, explique la différence opérationnelle dans la langue demandée et indique la phrase source qui étaye chaque conclusion.» Elle associe compréhension multilingue et raisonnement à partir des éléments réellement fournis, au lieu de demander un exposé sans fondement sur une politique.
Le guide des images de Cohere couvre les graphiques, les diagrammes, les tableaux présents dans des 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. Lorsqu’un détail est petit, agrandissez-le sans perdre le contexte environnant et choisissez le niveau de détail d’image documenté qui convient à la tâche. Le fabricant précise que les performances visuelles peuvent varier pour les écritures non latines.
Le processus documenté accepte les formats PNG, JPEG, WEBP et GIF non animé, avec un maximum de 20 images ou de 20 Mo au total par requête, selon la première limite atteinte. Il s’agit des limites du processus 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 les fonctions d’outils avec leurs descriptions et leurs schémas d’arguments. Le modèle peut sélectionner une opération; l’application l’exécute et renvoie le résultat, que la réponse suivante peut utiliser comme élément probant. La source retrouvée, l’action proposée par le modèle et le résultat exécuté doivent rester identifiables séparément dans le dossier de la tâche.
Pour un résultat structuré, définissez chaque champ et le traitement attendu des données manquantes. Confrontez le contenu à ses sources même lorsque le format est valide. Un livrable final utile contient la réponse demandée, les éléments qui l’étayent et les informations encore manquantes qui influencent la conclusion. Les capacités multimodales et de raisonnement restent ainsi liées à une tâche d’entreprise concrète, sans attribuer à cette édition le profil du premier 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.003 / 1K tokens Entrée · Lecture du cache $0.0003 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.003 / 1K tokens Entrée · Lecture du cache $0.0003 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "cohere/command-a-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | 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.