Command A è il modello testuale di Cohere del marzo 2025 per agenti aziendali, risposte aumentate dal recupero di informazioni e lavoro multilingue. Questa precisa edizione ha 111 miliardi di parametri, accetta testo e produce testo. Il contesto del modello del produttore è di 256K token, con un output massimo di 8.000 token nel profilo di servizio pubblicato. È distinto da Command A Vision, Command A Reasoning e dalla successiva edizione multimodale A+.
Il produttore descrive un transformer autoregressivo con attenzione locale a finestra scorrevole e attenzione globale periodica. Tre livelli locali usano una finestra di 4.096 token con codifica rotatoria della posizione; un quarto livello usa l'attenzione globale senza embedding posizionali. Il fine-tuning supervisionato e l'addestramento sulle preferenze modellano un comportamento utile, conversazionale e orientato all'attività. Il modello è addestrato in 23 lingue e supporta attività tra lingue diverse, come tradurre o rispondere a una domanda su materiale scritto in un'altra lingua.
Specifica la lingua della risposta e conserva la terminologia richiesta. Per un assistente informativo multilingue, assegna nomi distinti ai passaggi di origine e chiedi una spiegazione che mantenga i nomi dei prodotti, gli identificatori del codice e il testo citato. Una risposta finale utile identifica la fonte alla base di una conclusione, evitando che la traduzione cancelli una distinzione rilevante per l'attività.
Command A adotta per impostazione predefinita uno stile conversazionale, spesso aggiungendo un'introduzione, domande di approfondimento e formattazione Markdown o matematica. Per estrazione, categorizzazione, sintesi o traduzione, usa l'approccio del produttore basato sulle istruzioni di sistema per chiedere soltanto la risposta necessaria e specificare se l'output deve includere Markdown o blocchi di codice delimitati. Questo evita di trattare un preambolo conversazionale cordiale come parte di un record destinato a un'elaborazione successiva.
La scheda del modello descrive modalità di sicurezza contestuale e rigorosa, con la modalità contestuale come impostazione predefinita del produttore. Si tratta di impostazioni comportamentali documentate del profilo del produttore, indipendenti dal formato richiesto dall'attività. Definisci chiaramente il contesto pertinente e l'output desiderato.
Command A è addestrato per la fase di generazione della risposta nella generazione aumentata dal recupero di informazioni. L'input combina la conversazione con estratti documentali forniti, in genere di circa 100–400 parole per segmento, rappresentati mediante brevi chiavi descrittive e valori testuali o semistrutturati. Il produttore incoraggia anche a confrontare questo formato specializzato con l'inserimento diretto dei documenti pertinenti nel messaggio dell'utente.
Per un confronto tra politiche o tra aspetti tecnici, etichetta ogni estratto e richiedi una conclusione sostenuta dal passaggio pertinente. Nel formato del produttore con citazioni abilitate, l'output associa porzioni della risposta alle fonti di supporto. Mantieni disponibili gli identificatori dei documenti recuperati affinché tali riferimenti restino interpretabili. Una citazione indica quale materiale fornito sostiene la porzione generata; il sistema circostante effettua il recupero vero e proprio.
Il produttore addestra Command A all'uso conversazionale di strumenti con descrizioni delle funzioni in JSON Schema. Il modello può generare un piano e selezionare chiamate, l'applicazione le esegue e i risultati sotto forma di dizionari tornano nella conversazione con l'identificatore corrispondente della chiamata allo strumento. Il modello usa quindi queste osservazioni per produrre una risposta, eventualmente con porzioni della risposta collegate ai risultati degli strumenti.
Le attività di programmazione comprendono generazione di SQL, spiegazione del codice e traduzione o riscrittura del codice. Fornisci lo schema o l'implementazione pertinente e il comportamento da preservare. Il produttore consiglia una temperatura bassa, incluso il greedy decoding quando appropriato, per le istruzioni di generazione del codice. Esamina SQL o codice generato prima di eseguirlo e restituisci osservazioni di validazione reali quando rivedi il risultato.
La scheda del modello segnala una distinzione pratica sul contesto: il modello supporta 256K, mentre la configurazione Hugging Face pubblicata è impostata a 128K e può essere modificata. Mantieni la configurazione effettiva del contesto del flusso scelto e riserva spazio per la risposta. Un risultato utile è il testo o l'artefatto di codice richiesto, accompagnato da prove riconducibili alle fonti fornite e alle osservazioni degli strumenti.
", "aboutText": "Command A è il modello testuale di Cohere del marzo 2025 per agenti aziendali, risposte aumentate dal recupero di informazioni e lavoro multilingue. Questa precisa edizione ha 111 miliardi di parametri, accetta testo e produce testo. Il contesto del modello del produttore è di 256K token, con un output massimo di 8.000 token nel profilo di servizio pubblicato. È distinto da Command A Vision, Command A Reasoning e dalla successiva edizione multimodale A+.\n\n### Dettagli del modello e lingue\n\nIl produttore descrive un transformer autoregressivo con attenzione locale a finestra scorrevole e attenzione globale periodica. Tre livelli locali usano una finestra di 4.096 token con codifica rotatoria della posizione; un quarto livello usa l'attenzione globale senza embedding posizionali. Il fine-tuning supervisionato e l'addestramento sulle preferenze modellano un comportamento utile, conversazionale e orientato all'attività. Il modello è addestrato in 23 lingue e supporta attività tra lingue diverse, come tradurre o rispondere a una domanda su materiale scritto in un'altra lingua.\n\nSpecifica la lingua della risposta e conserva la terminologia richiesta. Per un assistente informativo multilingue, assegna nomi distinti ai passaggi di origine e chiedi una spiegazione che mantenga i nomi dei prodotti, gli identificatori del codice e il testo citato. Una risposta finale utile identifica la fonte alla base di una conclusione, evitando che la traduzione cancelli una distinzione rilevante per l'attività.\n\n### Conversazione e output orientato all'attività\n\nCommand A adotta per impostazione predefinita uno stile conversazionale, spesso aggiungendo un'introduzione, domande di approfondimento e formattazione Markdown o matematica. Per estrazione, categorizzazione, sintesi o traduzione, usa l'approccio del produttore basato sulle istruzioni di sistema per chiedere soltanto la risposta necessaria e specificare se l'output deve includere Markdown o blocchi di codice delimitati. Questo evita di trattare un preambolo conversazionale cordiale come parte di un record destinato a un'elaborazione successiva.\n\nLa scheda del modello descrive modalità di sicurezza contestuale e rigorosa, con la modalità contestuale come impostazione predefinita del produttore. Si tratta di impostazioni comportamentali documentate del profilo del produttore, indipendenti dal formato richiesto dall'attività. Definisci chiaramente il contesto pertinente e l'output desiderato.\n\n### Generazione fondata sulle fonti\n\nCommand A è addestrato per la fase di generazione della risposta nella generazione aumentata dal recupero di informazioni. L'input combina la conversazione con estratti documentali forniti, in genere di circa 100–400 parole per segmento, rappresentati mediante brevi chiavi descrittive e valori testuali o semistrutturati. Il produttore incoraggia anche a confrontare questo formato specializzato con l'inserimento diretto dei documenti pertinenti nel messaggio dell'utente.\n\nPer un confronto tra politiche o tra aspetti tecnici, etichetta ogni estratto e richiedi una conclusione sostenuta dal passaggio pertinente. Nel formato del produttore con citazioni abilitate, l'output associa porzioni della risposta alle fonti di supporto. Mantieni disponibili gli identificatori dei documenti recuperati affinché tali riferimenti restino interpretabili. Una citazione indica quale materiale fornito sostiene la porzione generata; il sistema circostante effettua il recupero vero e proprio.\n\n### Strumenti e codice\n\nIl produttore addestra Command A all'uso conversazionale di strumenti con descrizioni delle funzioni in JSON Schema. Il modello può generare un piano e selezionare chiamate, l'applicazione le esegue e i risultati sotto forma di dizionari tornano nella conversazione con l'identificatore corrispondente della chiamata allo strumento. Il modello usa quindi queste osservazioni per produrre una risposta, eventualmente con porzioni della risposta collegate ai risultati degli strumenti.\n\nLe attività di programmazione comprendono generazione di SQL, spiegazione del codice e traduzione o riscrittura del codice. Fornisci lo schema o l'implementazione pertinente e il comportamento da preservare. Il produttore consiglia una temperatura bassa, incluso il greedy decoding quando appropriato, per le istruzioni di generazione del codice. Esamina SQL o codice generato prima di eseguirlo e restituisci osservazioni di validazione reali quando rivedi il risultato.\n\nLa scheda del modello segnala una distinzione pratica sul contesto: il modello supporta 256K, mentre la configurazione Hugging Face pubblicata è impostata a 128K e può essere modificata. Mantieni la configurazione effettiva del contesto del flusso scelto e riserva spazio per la risposta. Un risultato utile è il testo o l'artefatto di codice richiesto, accompagnato da prove riconducibili alle fonti fornite e alle osservazioni degli strumenti.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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-aCommand A è il modello testuale di Cohere da 111B per agenti aziendali multilingue, risposte fondate sui documenti e attività guidate da strumenti. Combina un contesto di 256K con citazioni delle fonti, assistenza alla programmazione e addestramento in 23 lingue, producendo testo da istruzioni scritte e prove fornite.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Command A è il modello testuale di Cohere del marzo 2025 per agenti aziendali, risposte aumentate dal recupero di informazioni e lavoro multilingue. Questa precisa edizione ha 111 miliardi di parametri, accetta testo e produce testo. Il contesto del modello del produttore è di 256K token, con un output massimo di 8.000 token nel profilo di servizio pubblicato. È distinto da Command A Vision, Command A Reasoning e dalla successiva edizione multimodale A+.
Il produttore descrive un transformer autoregressivo con attenzione locale a finestra scorrevole e attenzione globale periodica. Tre livelli locali usano una finestra di 4.096 token con codifica rotatoria della posizione; un quarto livello usa l'attenzione globale senza embedding posizionali. Il fine-tuning supervisionato e l'addestramento sulle preferenze modellano un comportamento utile, conversazionale e orientato all'attività. Il modello è addestrato in 23 lingue e supporta attività tra lingue diverse, come tradurre o rispondere a una domanda su materiale scritto in un'altra lingua.
Specifica la lingua della risposta e conserva la terminologia richiesta. Per un assistente informativo multilingue, assegna nomi distinti ai passaggi di origine e chiedi una spiegazione che mantenga i nomi dei prodotti, gli identificatori del codice e il testo citato. Una risposta finale utile identifica la fonte alla base di una conclusione, evitando che la traduzione cancelli una distinzione rilevante per l'attività.
Command A adotta per impostazione predefinita uno stile conversazionale, spesso aggiungendo un'introduzione, domande di approfondimento e formattazione Markdown o matematica. Per estrazione, categorizzazione, sintesi o traduzione, usa l'approccio del produttore basato sulle istruzioni di sistema per chiedere soltanto la risposta necessaria e specificare se l'output deve includere Markdown o blocchi di codice delimitati. Questo evita di trattare un preambolo conversazionale cordiale come parte di un record destinato a un'elaborazione successiva.
La scheda del modello descrive modalità di sicurezza contestuale e rigorosa, con la modalità contestuale come impostazione predefinita del produttore. Si tratta di impostazioni comportamentali documentate del profilo del produttore, indipendenti dal formato richiesto dall'attività. Definisci chiaramente il contesto pertinente e l'output desiderato.
Command A è addestrato per la fase di generazione della risposta nella generazione aumentata dal recupero di informazioni. L'input combina la conversazione con estratti documentali forniti, in genere di circa 100–400 parole per segmento, rappresentati mediante brevi chiavi descrittive e valori testuali o semistrutturati. Il produttore incoraggia anche a confrontare questo formato specializzato con l'inserimento diretto dei documenti pertinenti nel messaggio dell'utente.
Per un confronto tra politiche o tra aspetti tecnici, etichetta ogni estratto e richiedi una conclusione sostenuta dal passaggio pertinente. Nel formato del produttore con citazioni abilitate, l'output associa porzioni della risposta alle fonti di supporto. Mantieni disponibili gli identificatori dei documenti recuperati affinché tali riferimenti restino interpretabili. Una citazione indica quale materiale fornito sostiene la porzione generata; il sistema circostante effettua il recupero vero e proprio.
Il produttore addestra Command A all'uso conversazionale di strumenti con descrizioni delle funzioni in JSON Schema. Il modello può generare un piano e selezionare chiamate, l'applicazione le esegue e i risultati sotto forma di dizionari tornano nella conversazione con l'identificatore corrispondente della chiamata allo strumento. Il modello usa quindi queste osservazioni per produrre una risposta, eventualmente con porzioni della risposta collegate ai risultati degli strumenti.
Le attività di programmazione comprendono generazione di SQL, spiegazione del codice e traduzione o riscrittura del codice. Fornisci lo schema o l'implementazione pertinente e il comportamento da preservare. Il produttore consiglia una temperatura bassa, incluso il greedy decoding quando appropriato, per le istruzioni di generazione del codice. Esamina SQL o codice generato prima di eseguirlo e restituisci osservazioni di validazione reali quando rivedi il risultato.
La scheda del modello segnala una distinzione pratica sul contesto: il modello supporta 256K, mentre la configurazione Hugging Face pubblicata è impostata a 128K e può essere modificata. Mantieni la configurazione effettiva del contesto del flusso scelto e riserva spazio per la risposta. Un risultato utile è il testo o l'artefatto di codice richiesto, accompagnato da prove riconducibili alle fonti fornite e alle osservazioni degli strumenti.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cohere/command-a | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra cohere/command-a
Usa i percorsi dei metodi indicati sopra.
cohere/command-aCommand A è il modello testuale di Cohere da 111B per agenti aziendali multilingue, risposte fondate sui documenti e attività guidate da strumenti. Combina un contesto di 256K con citazioni delle fonti, assistenza alla programmazione e addestramento in 23 lingue, producendo testo da istruzioni scritte e prove fornite.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Command A è il modello testuale di Cohere del marzo 2025 per agenti aziendali, risposte aumentate dal recupero di informazioni e lavoro multilingue. Questa precisa edizione ha 111 miliardi di parametri, accetta testo e produce testo. Il contesto del modello del produttore è di 256K token, con un output massimo di 8.000 token nel profilo di servizio pubblicato. È distinto da Command A Vision, Command A Reasoning e dalla successiva edizione multimodale A+.
Il produttore descrive un transformer autoregressivo con attenzione locale a finestra scorrevole e attenzione globale periodica. Tre livelli locali usano una finestra di 4.096 token con codifica rotatoria della posizione; un quarto livello usa l'attenzione globale senza embedding posizionali. Il fine-tuning supervisionato e l'addestramento sulle preferenze modellano un comportamento utile, conversazionale e orientato all'attività. Il modello è addestrato in 23 lingue e supporta attività tra lingue diverse, come tradurre o rispondere a una domanda su materiale scritto in un'altra lingua.
Specifica la lingua della risposta e conserva la terminologia richiesta. Per un assistente informativo multilingue, assegna nomi distinti ai passaggi di origine e chiedi una spiegazione che mantenga i nomi dei prodotti, gli identificatori del codice e il testo citato. Una risposta finale utile identifica la fonte alla base di una conclusione, evitando che la traduzione cancelli una distinzione rilevante per l'attività.
Command A adotta per impostazione predefinita uno stile conversazionale, spesso aggiungendo un'introduzione, domande di approfondimento e formattazione Markdown o matematica. Per estrazione, categorizzazione, sintesi o traduzione, usa l'approccio del produttore basato sulle istruzioni di sistema per chiedere soltanto la risposta necessaria e specificare se l'output deve includere Markdown o blocchi di codice delimitati. Questo evita di trattare un preambolo conversazionale cordiale come parte di un record destinato a un'elaborazione successiva.
La scheda del modello descrive modalità di sicurezza contestuale e rigorosa, con la modalità contestuale come impostazione predefinita del produttore. Si tratta di impostazioni comportamentali documentate del profilo del produttore, indipendenti dal formato richiesto dall'attività. Definisci chiaramente il contesto pertinente e l'output desiderato.
Command A è addestrato per la fase di generazione della risposta nella generazione aumentata dal recupero di informazioni. L'input combina la conversazione con estratti documentali forniti, in genere di circa 100–400 parole per segmento, rappresentati mediante brevi chiavi descrittive e valori testuali o semistrutturati. Il produttore incoraggia anche a confrontare questo formato specializzato con l'inserimento diretto dei documenti pertinenti nel messaggio dell'utente.
Per un confronto tra politiche o tra aspetti tecnici, etichetta ogni estratto e richiedi una conclusione sostenuta dal passaggio pertinente. Nel formato del produttore con citazioni abilitate, l'output associa porzioni della risposta alle fonti di supporto. Mantieni disponibili gli identificatori dei documenti recuperati affinché tali riferimenti restino interpretabili. Una citazione indica quale materiale fornito sostiene la porzione generata; il sistema circostante effettua il recupero vero e proprio.
Il produttore addestra Command A all'uso conversazionale di strumenti con descrizioni delle funzioni in JSON Schema. Il modello può generare un piano e selezionare chiamate, l'applicazione le esegue e i risultati sotto forma di dizionari tornano nella conversazione con l'identificatore corrispondente della chiamata allo strumento. Il modello usa quindi queste osservazioni per produrre una risposta, eventualmente con porzioni della risposta collegate ai risultati degli strumenti.
Le attività di programmazione comprendono generazione di SQL, spiegazione del codice e traduzione o riscrittura del codice. Fornisci lo schema o l'implementazione pertinente e il comportamento da preservare. Il produttore consiglia una temperatura bassa, incluso il greedy decoding quando appropriato, per le istruzioni di generazione del codice. Esamina SQL o codice generato prima di eseguirlo e restituisci osservazioni di validazione reali quando rivedi il risultato.
La scheda del modello segnala una distinzione pratica sul contesto: il modello supporta 256K, mentre la configurazione Hugging Face pubblicata è impostata a 128K e può essere modificata. Mantieni la configurazione effettiva del contesto del flusso scelto e riserva spazio per la risposta. Un risultato utile è il testo o l'artefatto di codice richiesto, accompagnato da prove riconducibili alle fonti fornite e alle osservazioni degli strumenti.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cohere/command-a | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.005 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "cohere/command-a",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra cohere/command-a
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.