Command A+ は、複雑な企業業務向けに Cohere が2026年5月に公開したマルチモーダル推論モデルです。テキストと画像の入力をテキスト出力と組み合わせ、欧州連合の全公用語を含む 48 言語に対応します。メーカーは、根拠を分析し、問題を段階的に解き、アプリケーションが提供するツールを使う多言語エージェント向けに位置付けています。以前のテキスト専用 Command A や、特化型の Vision、Reasoning モデルとは別のエディションです。
Cohere は、総パラメータ数 2,180 億、アクティブパラメータ数 250 億のスパースな混合エキスパートアーキテクチャとして説明しています。公開プロファイルは、128,000 トークンのコンテキストと、最大 64,000 トークンの出力を持ちます。掲載された知識のカットオフは2025年4月1日です。資料、対話、生成結果は、適用されるリクエストの枠内に収める必要があります。訓練知識を超える情報に依存するタスクでは、最新の根拠や適切なツールを提供してください。
開発元のハイブリッド推論ワークフローでは、最終的なテキスト回答の前に思考を有効にしたり、直接回答のために無効にしたりできます。思考予算は中間過程を制御しますが、結果を伝える回答にも余地が必要です。意思決定メモ、比較、翻訳した説明、構造化レコードなど、回答そのものを独立して定義します。多言語タスクでは、出力言語と、原形を保持すべき固有名詞、フィールド識別子、引用を指定してください。
指示の例は、「これらの方針の文章を比較し、指定した言語で運用上の違いを説明して、各結論を裏付ける原文の文を特定してください」です。これにより、根拠のない方針説明を求めるのではなく、多言語理解と実際の根拠に対する推論を組み合わせられます。
Cohere の画像ガイドは、グラフ、図、画像内の表、文書認識、画像に基づく質問を扱っています。読みやすいページを用意し、見出し、単位、軸ラベルを保持します。細部が小さい場合は、周辺の文脈を失わずに拡大し、タスクに適した、文書化された画像詳細度の選択肢を使います。メーカーは、非ラテン文字では視覚性能が変わる場合があるとしています。
文書化された画像ワークフローは、PNG、JPEG、WEBP、非アニメーション GIF を受け付けます。1リクエスト当たり最大 20 画像、または合計 20 MB のうち、先に達する上限が適用されます。これらは開発元ワークフローの範囲です。抽出では、具体的なフィールドと原画像への参照を求めます。グラフ分析では、見える値と解釈を別々に求めてください。モデルはテキストを返すため、画像の生成や編集は別の出力タスクです。
Command A+ は、引用、ツール利用、構造化出力、安全モードを機能として挙げています。文書に意味の分かる識別子を付け、ツール関数には説明と引数スキーマを提供します。モデルが操作を選択し、アプリケーションが実行して結果を返すと、次の回答でその根拠を使えます。検索元、モデルが提案した操作、実行済みの結果は、タスク記録の中で区別できるようにしてください。
構造化した結果では、各フィールドと欠損データの扱いを定義します。形式が有効であっても、内容を出典と照合します。有用な最終成果物には、求める回答、それを裏付ける根拠、結論に影響する未解決情報が含まれます。これにより、以前の Command A のプロファイルをこのエディションに当てはめることなく、マルチモーダル能力と推論能力を具体的な企業業務に結び付けられます。
", "aboutText": "Command A+ は、複雑な企業業務向けに Cohere が2026年5月に公開したマルチモーダル推論モデルです。テキストと画像の入力をテキスト出力と組み合わせ、欧州連合の全公用語を含む 48 言語に対応します。メーカーは、根拠を分析し、問題を段階的に解き、アプリケーションが提供するツールを使う多言語エージェント向けに位置付けています。以前のテキスト専用 Command A や、特化型の Vision、Reasoning モデルとは別のエディションです。\n\n### モデルの特性とタスクの規模\n\nCohere は、総パラメータ数 2,180 億、アクティブパラメータ数 250 億のスパースな混合エキスパートアーキテクチャとして説明しています。公開プロファイルは、128,000 トークンのコンテキストと、最大 64,000 トークンの出力を持ちます。掲載された知識のカットオフは2025年4月1日です。資料、対話、生成結果は、適用されるリクエストの枠内に収める必要があります。訓練知識を超える情報に依存するタスクでは、最新の根拠や適切なツールを提供してください。\n\n### 推論と多言語の作業\n\n開発元のハイブリッド推論ワークフローでは、最終的なテキスト回答の前に思考を有効にしたり、直接回答のために無効にしたりできます。思考予算は中間過程を制御しますが、結果を伝える回答にも余地が必要です。意思決定メモ、比較、翻訳した説明、構造化レコードなど、回答そのものを独立して定義します。多言語タスクでは、出力言語と、原形を保持すべき固有名詞、フィールド識別子、引用を指定してください。\n\n指示の例は、「これらの方針の文章を比較し、指定した言語で運用上の違いを説明して、各結論を裏付ける原文の文を特定してください」です。これにより、根拠のない方針説明を求めるのではなく、多言語理解と実際の根拠に対する推論を組み合わせられます。\n\n### 画像と文書の根拠\n\nCohere の画像ガイドは、グラフ、図、画像内の表、文書認識、画像に基づく質問を扱っています。読みやすいページを用意し、見出し、単位、軸ラベルを保持します。細部が小さい場合は、周辺の文脈を失わずに拡大し、タスクに適した、文書化された画像詳細度の選択肢を使います。メーカーは、非ラテン文字では視覚性能が変わる場合があるとしています。\n\n文書化された画像ワークフローは、PNG、JPEG、WEBP、非アニメーション GIF を受け付けます。1リクエスト当たり最大 20 画像、または合計 20 MB のうち、先に達する上限が適用されます。これらは開発元ワークフローの範囲です。抽出では、具体的なフィールドと原画像への参照を求めます。グラフ分析では、見える値と解釈を別々に求めてください。モデルはテキストを返すため、画像の生成や編集は別の出力タスクです。\n\n### 引用、ツール、構造化した結果\n\nCommand A+ は、引用、ツール利用、構造化出力、安全モードを機能として挙げています。文書に意味の分かる識別子を付け、ツール関数には説明と引数スキーマを提供します。モデルが操作を選択し、アプリケーションが実行して結果を返すと、次の回答でその根拠を使えます。検索元、モデルが提案した操作、実行済みの結果は、タスク記録の中で区別できるようにしてください。\n\n構造化した結果では、各フィールドと欠損データの扱いを定義します。形式が有効であっても、内容を出典と照合します。有用な最終成果物には、求める回答、それを裏付ける根拠、結論に影響する未解決情報が含まれます。これにより、以前の Command A のプロファイルをこのエディションに当てはめることなく、マルチモーダル能力と推論能力を具体的な企業業務に結び付けられます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Reconcile multilingual delivery notes\n\nCompare these delivery notes: EN-1: 'Send eight replacement handles; keep order A17 open until they arrive.' FR-1: 'Envoyer huit poignees de remplacement; ne pas fermer la commande A17 avant leur reception.' Write an English operations handoff with quantity, item, order ID and closure condition. State whether the two supplied notes disagree.An English handoff with four operational fields and an evidence-based agreement check.Keep A17 unchanged and preserve the condition that arrival precedes closure.cohere/command-a-plusCommand A+ は、企業向けエージェントのための Cohere のマルチモーダル推論モデルです。テキストと画像を入力し、48 言語でテキストを出力します。引用、ツール利用、構造化出力を備え、128,000 トークンのコンテキストと、文書化された 64,000 トークンの出力上限を持ちます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Command A+ は、複雑な企業業務向けに Cohere が2026年5月に公開したマルチモーダル推論モデルです。テキストと画像の入力をテキスト出力と組み合わせ、欧州連合の全公用語を含む 48 言語に対応します。メーカーは、根拠を分析し、問題を段階的に解き、アプリケーションが提供するツールを使う多言語エージェント向けに位置付けています。以前のテキスト専用 Command A や、特化型の Vision、Reasoning モデルとは別のエディションです。
Cohere は、総パラメータ数 2,180 億、アクティブパラメータ数 250 億のスパースな混合エキスパートアーキテクチャとして説明しています。公開プロファイルは、128,000 トークンのコンテキストと、最大 64,000 トークンの出力を持ちます。掲載された知識のカットオフは2025年4月1日です。資料、対話、生成結果は、適用されるリクエストの枠内に収める必要があります。訓練知識を超える情報に依存するタスクでは、最新の根拠や適切なツールを提供してください。
開発元のハイブリッド推論ワークフローでは、最終的なテキスト回答の前に思考を有効にしたり、直接回答のために無効にしたりできます。思考予算は中間過程を制御しますが、結果を伝える回答にも余地が必要です。意思決定メモ、比較、翻訳した説明、構造化レコードなど、回答そのものを独立して定義します。多言語タスクでは、出力言語と、原形を保持すべき固有名詞、フィールド識別子、引用を指定してください。
指示の例は、「これらの方針の文章を比較し、指定した言語で運用上の違いを説明して、各結論を裏付ける原文の文を特定してください」です。これにより、根拠のない方針説明を求めるのではなく、多言語理解と実際の根拠に対する推論を組み合わせられます。
Cohere の画像ガイドは、グラフ、図、画像内の表、文書認識、画像に基づく質問を扱っています。読みやすいページを用意し、見出し、単位、軸ラベルを保持します。細部が小さい場合は、周辺の文脈を失わずに拡大し、タスクに適した、文書化された画像詳細度の選択肢を使います。メーカーは、非ラテン文字では視覚性能が変わる場合があるとしています。
文書化された画像ワークフローは、PNG、JPEG、WEBP、非アニメーション GIF を受け付けます。1リクエスト当たり最大 20 画像、または合計 20 MB のうち、先に達する上限が適用されます。これらは開発元ワークフローの範囲です。抽出では、具体的なフィールドと原画像への参照を求めます。グラフ分析では、見える値と解釈を別々に求めてください。モデルはテキストを返すため、画像の生成や編集は別の出力タスクです。
Command A+ は、引用、ツール利用、構造化出力、安全モードを機能として挙げています。文書に意味の分かる識別子を付け、ツール関数には説明と引数スキーマを提供します。モデルが操作を選択し、アプリケーションが実行して結果を返すと、次の回答でその根拠を使えます。検索元、モデルが提案した操作、実行済みの結果は、タスク記録の中で区別できるようにしてください。
構造化した結果では、各フィールドと欠損データの扱いを定義します。形式が有効であっても、内容を出典と照合します。有用な最終成果物には、求める回答、それを裏付ける根拠、結論に影響する未解決情報が含まれます。これにより、以前の Command A のプロファイルをこのエディションに当てはめることなく、マルチモーダル能力と推論能力を具体的な企業業務に結び付けられます。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 cohere/command-a-plus | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0006 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り $0.0003 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0006 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り $0.0003 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cohere/command-a-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='cohere/command-a-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='cohere/command-a-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njsonまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra cohere/command-a-plus
上記に表示されたメソッドパスを使用してください。
cohere/command-a-plusCommand A+ は、企業向けエージェントのための Cohere のマルチモーダル推論モデルです。テキストと画像を入力し、48 言語でテキストを出力します。引用、ツール利用、構造化出力を備え、128,000 トークンのコンテキストと、文書化された 64,000 トークンの出力上限を持ちます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Command A+ は、複雑な企業業務向けに Cohere が2026年5月に公開したマルチモーダル推論モデルです。テキストと画像の入力をテキスト出力と組み合わせ、欧州連合の全公用語を含む 48 言語に対応します。メーカーは、根拠を分析し、問題を段階的に解き、アプリケーションが提供するツールを使う多言語エージェント向けに位置付けています。以前のテキスト専用 Command A や、特化型の Vision、Reasoning モデルとは別のエディションです。
Cohere は、総パラメータ数 2,180 億、アクティブパラメータ数 250 億のスパースな混合エキスパートアーキテクチャとして説明しています。公開プロファイルは、128,000 トークンのコンテキストと、最大 64,000 トークンの出力を持ちます。掲載された知識のカットオフは2025年4月1日です。資料、対話、生成結果は、適用されるリクエストの枠内に収める必要があります。訓練知識を超える情報に依存するタスクでは、最新の根拠や適切なツールを提供してください。
開発元のハイブリッド推論ワークフローでは、最終的なテキスト回答の前に思考を有効にしたり、直接回答のために無効にしたりできます。思考予算は中間過程を制御しますが、結果を伝える回答にも余地が必要です。意思決定メモ、比較、翻訳した説明、構造化レコードなど、回答そのものを独立して定義します。多言語タスクでは、出力言語と、原形を保持すべき固有名詞、フィールド識別子、引用を指定してください。
指示の例は、「これらの方針の文章を比較し、指定した言語で運用上の違いを説明して、各結論を裏付ける原文の文を特定してください」です。これにより、根拠のない方針説明を求めるのではなく、多言語理解と実際の根拠に対する推論を組み合わせられます。
Cohere の画像ガイドは、グラフ、図、画像内の表、文書認識、画像に基づく質問を扱っています。読みやすいページを用意し、見出し、単位、軸ラベルを保持します。細部が小さい場合は、周辺の文脈を失わずに拡大し、タスクに適した、文書化された画像詳細度の選択肢を使います。メーカーは、非ラテン文字では視覚性能が変わる場合があるとしています。
文書化された画像ワークフローは、PNG、JPEG、WEBP、非アニメーション GIF を受け付けます。1リクエスト当たり最大 20 画像、または合計 20 MB のうち、先に達する上限が適用されます。これらは開発元ワークフローの範囲です。抽出では、具体的なフィールドと原画像への参照を求めます。グラフ分析では、見える値と解釈を別々に求めてください。モデルはテキストを返すため、画像の生成や編集は別の出力タスクです。
Command A+ は、引用、ツール利用、構造化出力、安全モードを機能として挙げています。文書に意味の分かる識別子を付け、ツール関数には説明と引数スキーマを提供します。モデルが操作を選択し、アプリケーションが実行して結果を返すと、次の回答でその根拠を使えます。検索元、モデルが提案した操作、実行済みの結果は、タスク記録の中で区別できるようにしてください。
構造化した結果では、各フィールドと欠損データの扱いを定義します。形式が有効であっても、内容を出典と照合します。有用な最終成果物には、求める回答、それを裏付ける根拠、結論に影響する未解決情報が含まれます。これにより、以前の Command A のプロファイルをこのエディションに当てはめることなく、マルチモーダル能力と推論能力を具体的な企業業務に結び付けられます。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 cohere/command-a-plus | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0006 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り $0.0003 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0006 / 1K トークン 出力 · 出力トークン $0.003 / 1K トークン 入力 · キャッシュ読み取り $0.0003 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "cohere/command-a-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-a-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-a-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSONまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra cohere/command-a-plus
上記に表示されたメソッドパスを使用してください。
英語の技術例
Reconcile multilingual delivery notes\n\nCompare these delivery notes: EN-1: 'Send eight replacement handles; keep order A17 open until they arrive.' FR-1: 'Envoyer huit poignees de remplacement; ne pas fermer la commande A17 avant leur reception.' Write an English operations handoff with quantity, item, order ID and closure condition. State whether the two supplied notes disagree.An English handoff with four operational fields and an evidence-based agreement check.Keep A17 unchanged and preserve the condition that arrival precedes closure.