A Command A a Cohere 2025 márciusában megjelent szöveges modellje vállalati ágensekhez, visszakereséssel kiegészített válaszokhoz és többnyelvű munkához. A pontos kiadás 111 milliárd paraméterrel rendelkezik, szöveget fogad és szöveget állít elő. Gyártói modellkontextusa 256K token, a közzétett szolgáltatási profilban 8000 tokenes maximális kimenettel. Különbözik a Command A Vision, Command A Reasoning és a későbbi multimodális A+ kiadástól.
A gyártó autoregresszív transformert ír le helyi csúszóablakos figyelemmel és időszakos globális figyelemmel. Három helyi réteg 4096 tokenes ablakot és forgatott pozíciókódolást használ; a negyedik réteg globális figyelmet alkalmaz pozícióbeágyazások nélkül. Felügyelt finomhangolás és preferenciatanítás formálja a segítőkész társalgási és feladatközpontú viselkedést. A modellt 23 nyelven tanították, és támogat nyelvek közötti feladatokat, például fordítást vagy más nyelven írott anyagra vonatkozó kérdés megválaszolását.
Adja meg a válasz nyelvét, és őrizze meg a szükséges terminológiát. Többnyelvű tudásasszisztensnél adjon saját nevet a forrásrészleteknek, és kérjen olyan magyarázatot, amely megtartja a termékneveket, kódazonosítókat és idézett megfogalmazásokat. A hasznos végső válasz azonosítja a következtetés mögötti forrást, ahelyett hogy a fordítás során eltüntetne egy, a feladat szempontjából fontos különbséget.
A Command A alapértelmezés szerint társalgó jellegű, gyakran bevezetést, további kérdéseket és Markdown- vagy matematikai formázást ad hozzá. Adatkinyerésnél, kategorizálásnál, összefoglalásnál vagy fordításnál használja a gyártó rendszerutasításos megközelítését arra, hogy kizárólag a szükséges választ kérje, és adja meg, tartozzon-e Markdown vagy kódblokk a kimenethez. Ez elkerüli, hogy a barátságos társalgási bevezető egy későbbi adatrekord részévé váljon.
A modellkártya kontextuális és szigorú biztonsági módokat ír le, a gyártói alapértelmezés a kontextuális mód. Ezek a gyártói profil dokumentált viselkedési beállításai, a feladat kért formátumától függetlenül. Világosan határozza meg a releváns feladatkörnyezetet és a kívánt kimenetet.
A Command A-t a visszakereséssel kiegészített generálás válaszelőállítási lépésére tanították. A bemenet a beszélgetést megadott dokumentumrészletekkel kapcsolja össze, jellemzően darabonként körülbelül 100–400 szóval, rövid leíró kulcsok és szöveges vagy félig strukturált értékek formájában. A gyártó e specializált formátum összehasonlítását is ösztönzi a közvetlenül a felhasználói üzenetbe helyezett releváns dokumentumokkal.
Szabályzati vagy műszaki összehasonlításnál címkézzen fel minden részletet, és kérjen a vonatkozó szövegrészlettel alátámasztott következtetést. A gyártó hivatkozásokat engedélyező formátumában a kimenet a válasz szakaszait alátámasztó forrásokhoz kapcsolja. A visszakeresett dokumentumazonosítókat tartsa elérhetően, hogy a hivatkozások értelmezhetők maradjanak. Egy hivatkozás azt mutatja meg, mely megadott anyag támasztja alá a generált szakaszt; a tényleges visszakeresést a környező rendszer biztosítja.
A gyártó a Command A-t társalgási eszközhasználatra tanítja JSON-sémás függvényleírásokkal. A modell tervet és kiválasztott hívásokat generálhat, az alkalmazás végrehajtja ezeket, szótár formájú eredményeik pedig a megfelelő eszközhívás-azonosítóval térnek vissza a beszélgetésbe. A modell ezután a megfigyelések alapján választ készít, opcionálisan eszközeredményekhez kapcsolt forrásszakaszokkal.
A kódolási feladatok közé SQL-generálás, kódmagyarázat, valamint kód fordítása vagy átírása tartozik. Adja meg a sémát vagy a releváns megvalósítást és a megőrzendő viselkedést. A gyártó alacsony temperature értéket ajánl kódgenerálási utasításokhoz, szükség szerint mohó dekódolással. Végrehajtás előtt vizsgálja felül a generált SQL-t vagy kódot, és az eredmény módosításakor adjon vissza tényleges ellenőrzési megfigyeléseket.
A modellkártya gyakorlati kontextusbeli különbséget jelez: a modell támogatja a 256K-t, míg a közzétett Hugging Face-konfiguráció 128K-ra van állítva, és módosítható. Őrizze meg a kiválasztott munkafolyamat tényleges kontextuskonfigurációját, és hagyjon helyet a válasznak. A hasznos eredmény a kért szöveges vagy kódos munkaanyag, olyan bizonyítékkal, amely a megadott forrásokhoz és eszközmegfigyelésekhez visszavezethető.
", "aboutText": "A Command A a Cohere 2025 márciusában megjelent szöveges modellje vállalati ágensekhez, visszakereséssel kiegészített válaszokhoz és többnyelvű munkához. A pontos kiadás 111 milliárd paraméterrel rendelkezik, szöveget fogad és szöveget állít elő. Gyártói modellkontextusa 256K token, a közzétett szolgáltatási profilban 8000 tokenes maximális kimenettel. Különbözik a Command A Vision, Command A Reasoning és a későbbi multimodális A+ kiadástól.\n\n### Modellrészletek és nyelv\n\nA gyártó autoregresszív transformert ír le helyi csúszóablakos figyelemmel és időszakos globális figyelemmel. Három helyi réteg 4096 tokenes ablakot és forgatott pozíciókódolást használ; a negyedik réteg globális figyelmet alkalmaz pozícióbeágyazások nélkül. Felügyelt finomhangolás és preferenciatanítás formálja a segítőkész társalgási és feladatközpontú viselkedést. A modellt 23 nyelven tanították, és támogat nyelvek közötti feladatokat, például fordítást vagy más nyelven írott anyagra vonatkozó kérdés megválaszolását.\n\nAdja meg a válasz nyelvét, és őrizze meg a szükséges terminológiát. Többnyelvű tudásasszisztensnél adjon saját nevet a forrásrészleteknek, és kérjen olyan magyarázatot, amely megtartja a termékneveket, kódazonosítókat és idézett megfogalmazásokat. A hasznos végső válasz azonosítja a következtetés mögötti forrást, ahelyett hogy a fordítás során eltüntetne egy, a feladat szempontjából fontos különbséget.\n\n### Beszélgetés és feladatközpontú kimenet\n\nA Command A alapértelmezés szerint társalgó jellegű, gyakran bevezetést, további kérdéseket és Markdown- vagy matematikai formázást ad hozzá. Adatkinyerésnél, kategorizálásnál, összefoglalásnál vagy fordításnál használja a gyártó rendszerutasításos megközelítését arra, hogy kizárólag a szükséges választ kérje, és adja meg, tartozzon-e Markdown vagy kódblokk a kimenethez. Ez elkerüli, hogy a barátságos társalgási bevezető egy későbbi adatrekord részévé váljon.\n\nA modellkártya kontextuális és szigorú biztonsági módokat ír le, a gyártói alapértelmezés a kontextuális mód. Ezek a gyártói profil dokumentált viselkedési beállításai, a feladat kért formátumától függetlenül. Világosan határozza meg a releváns feladatkörnyezetet és a kívánt kimenetet.\n\n### Forrásokra alapozott generálás\n\nA Command A-t a visszakereséssel kiegészített generálás válaszelőállítási lépésére tanították. A bemenet a beszélgetést megadott dokumentumrészletekkel kapcsolja össze, jellemzően darabonként körülbelül 100–400 szóval, rövid leíró kulcsok és szöveges vagy félig strukturált értékek formájában. A gyártó e specializált formátum összehasonlítását is ösztönzi a közvetlenül a felhasználói üzenetbe helyezett releváns dokumentumokkal.\n\nSzabályzati vagy műszaki összehasonlításnál címkézzen fel minden részletet, és kérjen a vonatkozó szövegrészlettel alátámasztott következtetést. A gyártó hivatkozásokat engedélyező formátumában a kimenet a válasz szakaszait alátámasztó forrásokhoz kapcsolja. A visszakeresett dokumentumazonosítókat tartsa elérhetően, hogy a hivatkozások értelmezhetők maradjanak. Egy hivatkozás azt mutatja meg, mely megadott anyag támasztja alá a generált szakaszt; a tényleges visszakeresést a környező rendszer biztosítja.\n\n### Eszközök és kód\n\nA gyártó a Command A-t társalgási eszközhasználatra tanítja JSON-sémás függvényleírásokkal. A modell tervet és kiválasztott hívásokat generálhat, az alkalmazás végrehajtja ezeket, szótár formájú eredményeik pedig a megfelelő eszközhívás-azonosítóval térnek vissza a beszélgetésbe. A modell ezután a megfigyelések alapján választ készít, opcionálisan eszközeredményekhez kapcsolt forrásszakaszokkal.\n\nA kódolási feladatok közé SQL-generálás, kódmagyarázat, valamint kód fordítása vagy átírása tartozik. Adja meg a sémát vagy a releváns megvalósítást és a megőrzendő viselkedést. A gyártó alacsony temperature értéket ajánl kódgenerálási utasításokhoz, szükség szerint mohó dekódolással. Végrehajtás előtt vizsgálja felül a generált SQL-t vagy kódot, és az eredmény módosításakor adjon vissza tényleges ellenőrzési megfigyeléseket.\n\nA modellkártya gyakorlati kontextusbeli különbséget jelez: a modell támogatja a 256K-t, míg a közzétett Hugging Face-konfiguráció 128K-ra van állítva, és módosítható. Őrizze meg a kiválasztott munkafolyamat tényleges kontextuskonfigurációját, és hagyjon helyet a válasznak. A hasznos eredmény a kért szöveges vagy kódos munkaanyag, olyan bizonyítékkal, amely a megadott forrásokhoz és eszközmegfigyelésekhez visszavezethető.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
A multilingual answer grounded in snippets\n\nAnswer in English using only these snippets. FR-1: 'Les retours sont acceptés sous 30 jours pour les articles non utilisés.' EN-2: 'Return shipping is paid by the customer unless the item is defective.' A customer asks whether an unused item can be returned after 20 days and who pays postage. Cite snippet IDs.A short English answer with FR-1 and EN-2 attached to the conclusions they support.The answer preserves the unused-item condition and defective-item exception without inventing a refund timeline.cohere/command-aA Command A a Cohere 111B szöveges modellje többnyelvű vállalati ágensekhez, dokumentumokra alapozott válaszokhoz és eszközökkel végzett munkához. 256K kontextust egyesít forráshivatkozásokkal, kódolási segítséggel és 23 nyelven végzett tanítással, írott utasításokból és megadott bizonyítékokból szöveget készítve.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Command A a Cohere 2025 márciusában megjelent szöveges modellje vállalati ágensekhez, visszakereséssel kiegészített válaszokhoz és többnyelvű munkához. A pontos kiadás 111 milliárd paraméterrel rendelkezik, szöveget fogad és szöveget állít elő. Gyártói modellkontextusa 256K token, a közzétett szolgáltatási profilban 8000 tokenes maximális kimenettel. Különbözik a Command A Vision, Command A Reasoning és a későbbi multimodális A+ kiadástól.
A gyártó autoregresszív transformert ír le helyi csúszóablakos figyelemmel és időszakos globális figyelemmel. Három helyi réteg 4096 tokenes ablakot és forgatott pozíciókódolást használ; a negyedik réteg globális figyelmet alkalmaz pozícióbeágyazások nélkül. Felügyelt finomhangolás és preferenciatanítás formálja a segítőkész társalgási és feladatközpontú viselkedést. A modellt 23 nyelven tanították, és támogat nyelvek közötti feladatokat, például fordítást vagy más nyelven írott anyagra vonatkozó kérdés megválaszolását.
Adja meg a válasz nyelvét, és őrizze meg a szükséges terminológiát. Többnyelvű tudásasszisztensnél adjon saját nevet a forrásrészleteknek, és kérjen olyan magyarázatot, amely megtartja a termékneveket, kódazonosítókat és idézett megfogalmazásokat. A hasznos végső válasz azonosítja a következtetés mögötti forrást, ahelyett hogy a fordítás során eltüntetne egy, a feladat szempontjából fontos különbséget.
A Command A alapértelmezés szerint társalgó jellegű, gyakran bevezetést, további kérdéseket és Markdown- vagy matematikai formázást ad hozzá. Adatkinyerésnél, kategorizálásnál, összefoglalásnál vagy fordításnál használja a gyártó rendszerutasításos megközelítését arra, hogy kizárólag a szükséges választ kérje, és adja meg, tartozzon-e Markdown vagy kódblokk a kimenethez. Ez elkerüli, hogy a barátságos társalgási bevezető egy későbbi adatrekord részévé váljon.
A modellkártya kontextuális és szigorú biztonsági módokat ír le, a gyártói alapértelmezés a kontextuális mód. Ezek a gyártói profil dokumentált viselkedési beállításai, a feladat kért formátumától függetlenül. Világosan határozza meg a releváns feladatkörnyezetet és a kívánt kimenetet.
A Command A-t a visszakereséssel kiegészített generálás válaszelőállítási lépésére tanították. A bemenet a beszélgetést megadott dokumentumrészletekkel kapcsolja össze, jellemzően darabonként körülbelül 100–400 szóval, rövid leíró kulcsok és szöveges vagy félig strukturált értékek formájában. A gyártó e specializált formátum összehasonlítását is ösztönzi a közvetlenül a felhasználói üzenetbe helyezett releváns dokumentumokkal.
Szabályzati vagy műszaki összehasonlításnál címkézzen fel minden részletet, és kérjen a vonatkozó szövegrészlettel alátámasztott következtetést. A gyártó hivatkozásokat engedélyező formátumában a kimenet a válasz szakaszait alátámasztó forrásokhoz kapcsolja. A visszakeresett dokumentumazonosítókat tartsa elérhetően, hogy a hivatkozások értelmezhetők maradjanak. Egy hivatkozás azt mutatja meg, mely megadott anyag támasztja alá a generált szakaszt; a tényleges visszakeresést a környező rendszer biztosítja.
A gyártó a Command A-t társalgási eszközhasználatra tanítja JSON-sémás függvényleírásokkal. A modell tervet és kiválasztott hívásokat generálhat, az alkalmazás végrehajtja ezeket, szótár formájú eredményeik pedig a megfelelő eszközhívás-azonosítóval térnek vissza a beszélgetésbe. A modell ezután a megfigyelések alapján választ készít, opcionálisan eszközeredményekhez kapcsolt forrásszakaszokkal.
A kódolási feladatok közé SQL-generálás, kódmagyarázat, valamint kód fordítása vagy átírása tartozik. Adja meg a sémát vagy a releváns megvalósítást és a megőrzendő viselkedést. A gyártó alacsony temperature értéket ajánl kódgenerálási utasításokhoz, szükség szerint mohó dekódolással. Végrehajtás előtt vizsgálja felül a generált SQL-t vagy kódot, és az eredmény módosításakor adjon vissza tényleges ellenőrzési megfigyeléseket.
A modellkártya gyakorlati kontextusbeli különbséget jelez: a modell támogatja a 256K-t, míg a közzétett Hugging Face-konfiguráció 128K-ra van állítva, és módosítható. Őrizze meg a kiválasztott munkafolyamat tényleges kontextuskonfigurációját, és hagyjon helyet a válasznak. A hasznos eredmény a kért szöveges vagy kódos munkaanyag, olyan bizonyítékkal, amely a megadott forrásokhoz és eszközmegfigyelésekhez visszavezethető.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok cohere/command-a | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.02 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.02 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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", "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',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',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra cohere/command-a
Használja a fent látható metódusútvonalakat.
cohere/command-aA Command A a Cohere 111B szöveges modellje többnyelvű vállalati ágensekhez, dokumentumokra alapozott válaszokhoz és eszközökkel végzett munkához. 256K kontextust egyesít forráshivatkozásokkal, kódolási segítséggel és 23 nyelven végzett tanítással, írott utasításokból és megadott bizonyítékokból szöveget készítve.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Command A a Cohere 2025 márciusában megjelent szöveges modellje vállalati ágensekhez, visszakereséssel kiegészített válaszokhoz és többnyelvű munkához. A pontos kiadás 111 milliárd paraméterrel rendelkezik, szöveget fogad és szöveget állít elő. Gyártói modellkontextusa 256K token, a közzétett szolgáltatási profilban 8000 tokenes maximális kimenettel. Különbözik a Command A Vision, Command A Reasoning és a későbbi multimodális A+ kiadástól.
A gyártó autoregresszív transformert ír le helyi csúszóablakos figyelemmel és időszakos globális figyelemmel. Három helyi réteg 4096 tokenes ablakot és forgatott pozíciókódolást használ; a negyedik réteg globális figyelmet alkalmaz pozícióbeágyazások nélkül. Felügyelt finomhangolás és preferenciatanítás formálja a segítőkész társalgási és feladatközpontú viselkedést. A modellt 23 nyelven tanították, és támogat nyelvek közötti feladatokat, például fordítást vagy más nyelven írott anyagra vonatkozó kérdés megválaszolását.
Adja meg a válasz nyelvét, és őrizze meg a szükséges terminológiát. Többnyelvű tudásasszisztensnél adjon saját nevet a forrásrészleteknek, és kérjen olyan magyarázatot, amely megtartja a termékneveket, kódazonosítókat és idézett megfogalmazásokat. A hasznos végső válasz azonosítja a következtetés mögötti forrást, ahelyett hogy a fordítás során eltüntetne egy, a feladat szempontjából fontos különbséget.
A Command A alapértelmezés szerint társalgó jellegű, gyakran bevezetést, további kérdéseket és Markdown- vagy matematikai formázást ad hozzá. Adatkinyerésnél, kategorizálásnál, összefoglalásnál vagy fordításnál használja a gyártó rendszerutasításos megközelítését arra, hogy kizárólag a szükséges választ kérje, és adja meg, tartozzon-e Markdown vagy kódblokk a kimenethez. Ez elkerüli, hogy a barátságos társalgási bevezető egy későbbi adatrekord részévé váljon.
A modellkártya kontextuális és szigorú biztonsági módokat ír le, a gyártói alapértelmezés a kontextuális mód. Ezek a gyártói profil dokumentált viselkedési beállításai, a feladat kért formátumától függetlenül. Világosan határozza meg a releváns feladatkörnyezetet és a kívánt kimenetet.
A Command A-t a visszakereséssel kiegészített generálás válaszelőállítási lépésére tanították. A bemenet a beszélgetést megadott dokumentumrészletekkel kapcsolja össze, jellemzően darabonként körülbelül 100–400 szóval, rövid leíró kulcsok és szöveges vagy félig strukturált értékek formájában. A gyártó e specializált formátum összehasonlítását is ösztönzi a közvetlenül a felhasználói üzenetbe helyezett releváns dokumentumokkal.
Szabályzati vagy műszaki összehasonlításnál címkézzen fel minden részletet, és kérjen a vonatkozó szövegrészlettel alátámasztott következtetést. A gyártó hivatkozásokat engedélyező formátumában a kimenet a válasz szakaszait alátámasztó forrásokhoz kapcsolja. A visszakeresett dokumentumazonosítókat tartsa elérhetően, hogy a hivatkozások értelmezhetők maradjanak. Egy hivatkozás azt mutatja meg, mely megadott anyag támasztja alá a generált szakaszt; a tényleges visszakeresést a környező rendszer biztosítja.
A gyártó a Command A-t társalgási eszközhasználatra tanítja JSON-sémás függvényleírásokkal. A modell tervet és kiválasztott hívásokat generálhat, az alkalmazás végrehajtja ezeket, szótár formájú eredményeik pedig a megfelelő eszközhívás-azonosítóval térnek vissza a beszélgetésbe. A modell ezután a megfigyelések alapján választ készít, opcionálisan eszközeredményekhez kapcsolt forrásszakaszokkal.
A kódolási feladatok közé SQL-generálás, kódmagyarázat, valamint kód fordítása vagy átírása tartozik. Adja meg a sémát vagy a releváns megvalósítást és a megőrzendő viselkedést. A gyártó alacsony temperature értéket ajánl kódgenerálási utasításokhoz, szükség szerint mohó dekódolással. Végrehajtás előtt vizsgálja felül a generált SQL-t vagy kódot, és az eredmény módosításakor adjon vissza tényleges ellenőrzési megfigyeléseket.
A modellkártya gyakorlati kontextusbeli különbséget jelez: a modell támogatja a 256K-t, míg a közzétett Hugging Face-konfiguráció 128K-ra van állítva, és módosítható. Őrizze meg a kiválasztott munkafolyamat tényleges kontextuskonfigurációját, és hagyjon helyet a válasznak. A hasznos eredmény a kért szöveges vagy kódos munkaanyag, olyan bizonyítékkal, amely a megadott forrásokhoz és eszközmegfigyelésekhez visszavezethető.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok cohere/command-a | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.02 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.02 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "cohere/command-a",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra cohere/command-a
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
A multilingual answer grounded in snippets\n\nAnswer in English using only these snippets. FR-1: 'Les retours sont acceptés sous 30 jours pour les articles non utilisés.' EN-2: 'Return shipping is paid by the customer unless the item is defective.' A customer asks whether an unused item can be returned after 20 days and who pays postage. Cite snippet IDs.A short English answer with FR-1 and EN-2 attached to the conclusions they support.The answer preserves the unused-item condition and defective-item exception without inventing a refund timeline.