Command R+ (08-2024) è il grande modello testuale di Cohere dell'agosto 2024 per risposte complesse aumentate dal recupero di informazioni e attività da agente. Questa precisa edizione ha 104 miliardi di parametri e un contesto di 128K, accetta testo e produce testo. Il profilo pubblicato del produttore elenca un output massimo di 4.000 token. R+ è il compagno più grande di Command R e pone particolare enfasi sulla combinazione di strumenti su più passaggi.
Il modello usa un transformer autoregressivo con grouped-query attention, fine-tuning supervisionato e addestramento sulle preferenze. È addestrato in 23 lingue e valutato su dieci lingue principali. L'aggiornamento di agosto migliora le decisioni di selezione degli strumenti, l'esecuzione delle istruzioni di sistema, l'analisi dei dati strutturati e la robustezza a modifiche non semantiche dei prompt. Supporta anche flussi di recupero senza citazioni, diverse modalità di sicurezza e il rifiuto di domande a cui non è possibile rispondere.
Per il lavoro multilingue, specifica la lingua di output e i nomi, i codici o le citazioni delle fonti che devono restare invariati. Una risposta fondata sulle fonti può spiegare materiale in una lingua diversa, mantenendo le prove disponibili per la revisione. Fornisci una fonte attuale per fatti sensibili al tempo oppure ottienila tramite uno strumento applicativo adeguato.
Il template RAG del produttore accetta una conversazione ed estratti documentali recuperati, normalmente di circa 100–400 parole per segmento, con brevi chiavi descrittive e valori testuali o semistrutturati. Il modello è specificamente addestrato a rispondere a partire da tali estratti e a collegare porzioni della risposta alle fonti di supporto. Usa il template dell'esatta edizione quando quel comportamento di ancoraggio appreso è importante.
La modalità di citazione accurate identifica i documenti pertinenti e citati, genera una risposta e inserisce porzioni collegate alle fonti. La modalità fast genera direttamente la risposta citata, riducendo i token di output a fronte di un compromesso nell'accuratezza dell'ancoraggio alle fonti. Mantieni disponibili gli identificatori delle fonti per entrambe le modalità. Una richiesta pratica di rapporto può chiedere al modello di confrontare le prove rispetto a criteri nominati e citare il passaggio di supporto accanto a ogni riscontro.
R+ supporta sia un template di chiamata a funzioni in singolo passaggio sia l'uso di strumenti in più passaggi per flussi più difficili. Nel flusso a singolo passaggio, il modello seleziona funzioni e argomenti JSON, l'applicazione li esegue e una risposta successiva del modello usa i risultati restituiti. L'opzione documentata directly_answer consente al modello di evitare un'operazione esterna non necessaria. In un agente a più passaggi, le decisioni successive possono combinare osservazioni di strumenti diversi finché l'attività raggiunge il risultato specificato.
Un brief utile per un agente definisce la domanda, le operazioni consentite e il risultato finale. Per esempio, un assistente di ricerca potrebbe dover recuperare schede prodotto pertinenti, confrontare i requisiti forniti e produrre una raccomandazione sostenuta da prove. Assegna a ogni strumento uno scopo chiaro e associa il risultato alla chiamata che l'ha prodotto. Un'operazione proposta nel testo è distinta dall'esecuzione da parte dell'applicazione.
Organizza gli estratti delle fonti attorno alla domanda effettiva e riserva spazio per la cronologia degli strumenti e la risposta. Se le prove disponibili sono in conflitto, chiedi al modello di spiegare la discrepanza invece di scegliere un valore senza riscontri. Per il lavoro su dati strutturati, definisci campi, unità e rappresentazione delle informazioni mancanti.
Il risultato finale deve essere una risposta o un rapporto verificabile collegato alle prove fornite e alle osservazioni effettive. Le dimensioni di R+ e il suo orientamento agentico non forniscono autonomamente una connessione di ricerca, non eseguono un'azione su un database e non validano il codice generato. Questi passaggi appartengono al flusso circostante e sono le prove che restituiscono a rendere verificabile una conclusione.
", "aboutText": "Command R+ (08-2024) è il grande modello testuale di Cohere dell'agosto 2024 per risposte complesse aumentate dal recupero di informazioni e attività da agente. Questa precisa edizione ha 104 miliardi di parametri e un contesto di 128K, accetta testo e produce testo. Il profilo pubblicato del produttore elenca un output massimo di 4.000 token. R+ è il compagno più grande di Command R e pone particolare enfasi sulla combinazione di strumenti su più passaggi.\n\n### Modello e modifiche dell'edizione\n\nIl modello usa un transformer autoregressivo con grouped-query attention, fine-tuning supervisionato e addestramento sulle preferenze. È addestrato in 23 lingue e valutato su dieci lingue principali. L'aggiornamento di agosto migliora le decisioni di selezione degli strumenti, l'esecuzione delle istruzioni di sistema, l'analisi dei dati strutturati e la robustezza a modifiche non semantiche dei prompt. Supporta anche flussi di recupero senza citazioni, diverse modalità di sicurezza e il rifiuto di domande a cui non è possibile rispondere.\n\nPer il lavoro multilingue, specifica la lingua di output e i nomi, i codici o le citazioni delle fonti che devono restare invariati. Una risposta fondata sulle fonti può spiegare materiale in una lingua diversa, mantenendo le prove disponibili per la revisione. Fornisci una fonte attuale per fatti sensibili al tempo oppure ottienila tramite uno strumento applicativo adeguato.\n\n### Risposte fondate sulle fonti e citazioni\n\nIl template RAG del produttore accetta una conversazione ed estratti documentali recuperati, normalmente di circa 100–400 parole per segmento, con brevi chiavi descrittive e valori testuali o semistrutturati. Il modello è specificamente addestrato a rispondere a partire da tali estratti e a collegare porzioni della risposta alle fonti di supporto. Usa il template dell'esatta edizione quando quel comportamento di ancoraggio appreso è importante.\n\nLa modalità di citazione accurate identifica i documenti pertinenti e citati, genera una risposta e inserisce porzioni collegate alle fonti. La modalità fast genera direttamente la risposta citata, riducendo i token di output a fronte di un compromesso nell'accuratezza dell'ancoraggio alle fonti. Mantieni disponibili gli identificatori delle fonti per entrambe le modalità. Una richiesta pratica di rapporto può chiedere al modello di confrontare le prove rispetto a criteri nominati e citare il passaggio di supporto accanto a ogni riscontro.\n\n### Lavoro assistito da strumenti\n\nR+ supporta sia un template di chiamata a funzioni in singolo passaggio sia l'uso di strumenti in più passaggi per flussi più difficili. Nel flusso a singolo passaggio, il modello seleziona funzioni e argomenti JSON, l'applicazione li esegue e una risposta successiva del modello usa i risultati restituiti. L'opzione documentata directly_answer consente al modello di evitare un'operazione esterna non necessaria. In un agente a più passaggi, le decisioni successive possono combinare osservazioni di strumenti diversi finché l'attività raggiunge il risultato specificato.\n\nUn brief utile per un agente definisce la domanda, le operazioni consentite e il risultato finale. Per esempio, un assistente di ricerca potrebbe dover recuperare schede prodotto pertinenti, confrontare i requisiti forniti e produrre una raccomandazione sostenuta da prove. Assegna a ogni strumento uno scopo chiaro e associa il risultato alla chiamata che l'ha prodotto. Un'operazione proposta nel testo è distinta dall'esecuzione da parte dell'applicazione.\n\n### Preparazione e revisione del risultato\n\nOrganizza gli estratti delle fonti attorno alla domanda effettiva e riserva spazio per la cronologia degli strumenti e la risposta. Se le prove disponibili sono in conflitto, chiedi al modello di spiegare la discrepanza invece di scegliere un valore senza riscontri. Per il lavoro su dati strutturati, definisci campi, unità e rappresentazione delle informazioni mancanti.\n\nIl risultato finale deve essere una risposta o un rapporto verificabile collegato alle prove fornite e alle osservazioni effettive. Le dimensioni di R+ e il suo orientamento agentico non forniscono autonomamente una connessione di ricerca, non eseguono un'azione su un database e non validano il codice generato. Questi passaggi appartengono al flusso circostante e sono le prove che restituiscono a rendere verificabile una conclusione.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Answer from product evidence\n\nUse only these snippets to answer whether Team Plan supports both requested features. S1: Team Plan includes shared folders and 30-day activity history. S2: Single sign-on is available on Enterprise Plan. Request: We need shared folders and single sign-on. State what is supported, cite each source identifier and leave unsupported assumptions unresolved.A feature-by-feature answer with a source identifier beside each finding and a concise conclusion about the two requirements.Check that S1 supports shared folders and S2 does not establish single sign-on for Team Plan.cohere/command-r-plus-08-2024Command R+ (08-2024) è il modello testuale da 104B di Cohere per risposte complesse fondate sui documenti e uso di strumenti in più passaggi. Combina un contesto di 128K con generazione multilingue, citazioni collegate a porzioni delle fonti e flussi agentici che usano le osservazioni effettive degli strumenti dell'applicazione.
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 R+ (08-2024) è il grande modello testuale di Cohere dell'agosto 2024 per risposte complesse aumentate dal recupero di informazioni e attività da agente. Questa precisa edizione ha 104 miliardi di parametri e un contesto di 128K, accetta testo e produce testo. Il profilo pubblicato del produttore elenca un output massimo di 4.000 token. R+ è il compagno più grande di Command R e pone particolare enfasi sulla combinazione di strumenti su più passaggi.
Il modello usa un transformer autoregressivo con grouped-query attention, fine-tuning supervisionato e addestramento sulle preferenze. È addestrato in 23 lingue e valutato su dieci lingue principali. L'aggiornamento di agosto migliora le decisioni di selezione degli strumenti, l'esecuzione delle istruzioni di sistema, l'analisi dei dati strutturati e la robustezza a modifiche non semantiche dei prompt. Supporta anche flussi di recupero senza citazioni, diverse modalità di sicurezza e il rifiuto di domande a cui non è possibile rispondere.
Per il lavoro multilingue, specifica la lingua di output e i nomi, i codici o le citazioni delle fonti che devono restare invariati. Una risposta fondata sulle fonti può spiegare materiale in una lingua diversa, mantenendo le prove disponibili per la revisione. Fornisci una fonte attuale per fatti sensibili al tempo oppure ottienila tramite uno strumento applicativo adeguato.
Il template RAG del produttore accetta una conversazione ed estratti documentali recuperati, normalmente di circa 100–400 parole per segmento, con brevi chiavi descrittive e valori testuali o semistrutturati. Il modello è specificamente addestrato a rispondere a partire da tali estratti e a collegare porzioni della risposta alle fonti di supporto. Usa il template dell'esatta edizione quando quel comportamento di ancoraggio appreso è importante.
La modalità di citazione accurate identifica i documenti pertinenti e citati, genera una risposta e inserisce porzioni collegate alle fonti. La modalità fast genera direttamente la risposta citata, riducendo i token di output a fronte di un compromesso nell'accuratezza dell'ancoraggio alle fonti. Mantieni disponibili gli identificatori delle fonti per entrambe le modalità. Una richiesta pratica di rapporto può chiedere al modello di confrontare le prove rispetto a criteri nominati e citare il passaggio di supporto accanto a ogni riscontro.
R+ supporta sia un template di chiamata a funzioni in singolo passaggio sia l'uso di strumenti in più passaggi per flussi più difficili. Nel flusso a singolo passaggio, il modello seleziona funzioni e argomenti JSON, l'applicazione li esegue e una risposta successiva del modello usa i risultati restituiti. L'opzione documentata directly_answer consente al modello di evitare un'operazione esterna non necessaria. In un agente a più passaggi, le decisioni successive possono combinare osservazioni di strumenti diversi finché l'attività raggiunge il risultato specificato.
Un brief utile per un agente definisce la domanda, le operazioni consentite e il risultato finale. Per esempio, un assistente di ricerca potrebbe dover recuperare schede prodotto pertinenti, confrontare i requisiti forniti e produrre una raccomandazione sostenuta da prove. Assegna a ogni strumento uno scopo chiaro e associa il risultato alla chiamata che l'ha prodotto. Un'operazione proposta nel testo è distinta dall'esecuzione da parte dell'applicazione.
Organizza gli estratti delle fonti attorno alla domanda effettiva e riserva spazio per la cronologia degli strumenti e la risposta. Se le prove disponibili sono in conflitto, chiedi al modello di spiegare la discrepanza invece di scegliere un valore senza riscontri. Per il lavoro su dati strutturati, definisci campi, unità e rappresentazione delle informazioni mancanti.
Il risultato finale deve essere una risposta o un rapporto verificabile collegato alle prove fornite e alle osservazioni effettive. Le dimensioni di R+ e il suo orientamento agentico non forniscono autonomamente una connessione di ricerca, non eseguono un'azione su un database e non validano il codice generato. Questi passaggi appartengono al flusso circostante e sono le prove che restituiscono a rendere verificabile una conclusione.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cohere/command-r-plus-08-2024 | 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-r-plus-08-2024", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='cohere/command-r-plus-08-2024',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='cohere/command-r-plus-08-2024',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva 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-r-plus-08-2024
Usa i percorsi dei metodi indicati sopra.
cohere/command-r-plus-08-2024Command R+ (08-2024) è il modello testuale da 104B di Cohere per risposte complesse fondate sui documenti e uso di strumenti in più passaggi. Combina un contesto di 128K con generazione multilingue, citazioni collegate a porzioni delle fonti e flussi agentici che usano le osservazioni effettive degli strumenti dell'applicazione.
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 R+ (08-2024) è il grande modello testuale di Cohere dell'agosto 2024 per risposte complesse aumentate dal recupero di informazioni e attività da agente. Questa precisa edizione ha 104 miliardi di parametri e un contesto di 128K, accetta testo e produce testo. Il profilo pubblicato del produttore elenca un output massimo di 4.000 token. R+ è il compagno più grande di Command R e pone particolare enfasi sulla combinazione di strumenti su più passaggi.
Il modello usa un transformer autoregressivo con grouped-query attention, fine-tuning supervisionato e addestramento sulle preferenze. È addestrato in 23 lingue e valutato su dieci lingue principali. L'aggiornamento di agosto migliora le decisioni di selezione degli strumenti, l'esecuzione delle istruzioni di sistema, l'analisi dei dati strutturati e la robustezza a modifiche non semantiche dei prompt. Supporta anche flussi di recupero senza citazioni, diverse modalità di sicurezza e il rifiuto di domande a cui non è possibile rispondere.
Per il lavoro multilingue, specifica la lingua di output e i nomi, i codici o le citazioni delle fonti che devono restare invariati. Una risposta fondata sulle fonti può spiegare materiale in una lingua diversa, mantenendo le prove disponibili per la revisione. Fornisci una fonte attuale per fatti sensibili al tempo oppure ottienila tramite uno strumento applicativo adeguato.
Il template RAG del produttore accetta una conversazione ed estratti documentali recuperati, normalmente di circa 100–400 parole per segmento, con brevi chiavi descrittive e valori testuali o semistrutturati. Il modello è specificamente addestrato a rispondere a partire da tali estratti e a collegare porzioni della risposta alle fonti di supporto. Usa il template dell'esatta edizione quando quel comportamento di ancoraggio appreso è importante.
La modalità di citazione accurate identifica i documenti pertinenti e citati, genera una risposta e inserisce porzioni collegate alle fonti. La modalità fast genera direttamente la risposta citata, riducendo i token di output a fronte di un compromesso nell'accuratezza dell'ancoraggio alle fonti. Mantieni disponibili gli identificatori delle fonti per entrambe le modalità. Una richiesta pratica di rapporto può chiedere al modello di confrontare le prove rispetto a criteri nominati e citare il passaggio di supporto accanto a ogni riscontro.
R+ supporta sia un template di chiamata a funzioni in singolo passaggio sia l'uso di strumenti in più passaggi per flussi più difficili. Nel flusso a singolo passaggio, il modello seleziona funzioni e argomenti JSON, l'applicazione li esegue e una risposta successiva del modello usa i risultati restituiti. L'opzione documentata directly_answer consente al modello di evitare un'operazione esterna non necessaria. In un agente a più passaggi, le decisioni successive possono combinare osservazioni di strumenti diversi finché l'attività raggiunge il risultato specificato.
Un brief utile per un agente definisce la domanda, le operazioni consentite e il risultato finale. Per esempio, un assistente di ricerca potrebbe dover recuperare schede prodotto pertinenti, confrontare i requisiti forniti e produrre una raccomandazione sostenuta da prove. Assegna a ogni strumento uno scopo chiaro e associa il risultato alla chiamata che l'ha prodotto. Un'operazione proposta nel testo è distinta dall'esecuzione da parte dell'applicazione.
Organizza gli estratti delle fonti attorno alla domanda effettiva e riserva spazio per la cronologia degli strumenti e la risposta. Se le prove disponibili sono in conflitto, chiedi al modello di spiegare la discrepanza invece di scegliere un valore senza riscontri. Per il lavoro su dati strutturati, definisci campi, unità e rappresentazione delle informazioni mancanti.
Il risultato finale deve essere una risposta o un rapporto verificabile collegato alle prove fornite e alle osservazioni effettive. Le dimensioni di R+ e il suo orientamento agentico non forniscono autonomamente una connessione di ricerca, non eseguono un'azione su un database e non validano il codice generato. Questi passaggi appartengono al flusso circostante e sono le prove che restituiscono a rendere verificabile una conclusione.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cohere/command-r-plus-08-2024 | 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 $0.02 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "cohere/command-r-plus-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-r-plus-08-2024', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-r-plus-08-2024', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva 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-r-plus-08-2024
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Answer from product evidence\n\nUse only these snippets to answer whether Team Plan supports both requested features. S1: Team Plan includes shared folders and 30-day activity history. S2: Single sign-on is available on Enterprise Plan. Request: We need shared folders and single sign-on. State what is supported, cite each source identifier and leave unsupported assumptions unresolved.A feature-by-feature answer with a source identifier beside each finding and a concise conclusion about the two requirements.Check that S1 supports shared folders and S2 does not establish single sign-on for Team Plan.