Command A는 기업용 에이전트, 검색 증강 답변, 다국어 작업을 위한 Cohere의 2025년 3월 텍스트 모델입니다. 이 정확한 에디션은 111B 파라미터를 가지며 텍스트를 입력받아 텍스트를 생성합니다. 제작사 모델 컨텍스트는 256K토큰이며, 공개 서비스 프로필의 최대 출력은 8,000토큰입니다. Command A Vision, Command A Reasoning, 이후 멀티모달 A+ 에디션과는 별개입니다.
제조사는 로컬 슬라이딩 윈도 어텐션과 주기적인 글로벌 어텐션을 갖춘 자기회귀 트랜스포머라고 설명합니다. 세 개의 로컬 레이어는 회전 위치 인코딩이 적용된 4,096토큰 창을 사용하고, 네 번째 레이어는 위치 임베딩 없이 글로벌 어텐션을 사용합니다. 지도 미세조정과 선호도 훈련은 유용한 대화 및 작업 중심 동작을 형성합니다. 모델은 23개 언어로 훈련되었으며 번역이나 다른 언어로 작성된 자료에 관한 질문에 답하는 언어 간 작업을 지원합니다.
답변 언어를 지정하고 필수 용어를 보존하세요. 다국어 지식 어시스턴트에서는 원문 구절에 각각 이름을 붙이고 제품명, 코드 식별자, 인용 표현을 유지하는 설명을 요청하세요. 유용한 최종 답변은 작업에 중요한 구분을 번역 과정에서 없애지 않고 결론의 출처를 명시합니다.
Command A는 기본적으로 대화형이며 서론, 후속 질문, Markdown 또는 수학적 서식을 덧붙이는 경우가 많습니다. 추출, 분류, 요약, 번역에서는 제작사의 시스템 지침 방식을 사용해 필요한 답변만 요청하고 출력에 Markdown이나 코드 펜스를 포함할지 지정하세요. 이렇게 하면 친근한 대화 서두를 후속 데이터 레코드의 일부로 취급하는 일을 피할 수 있습니다.
모델 카드는 컨텍스트 기반 안전 모드와 엄격한 안전 모드를 설명하며, 제작사 기본값은 컨텍스트 기반 모드입니다. 이는 제작사 프로필에 문서화된 동작 설정으로, 작업에서 요청한 형식과는 독립적입니다. 관련 작업 컨텍스트와 원하는 출력을 명확히 정의하세요.
Command A는 검색 증강 생성의 답변 생성 단계를 위해 훈련되었습니다. 입력은 대화와 제공된 문서 발췌를 결합합니다. 일반적으로 청크당 약 100–400단어이며, 짧은 설명형 키와 텍스트 또는 반구조화된 값으로 표현합니다. 제작사는 이 특화된 형식을 사용자 메시지에 관련 문서를 직접 배치하는 방식과 비교하는 것도 권장합니다.
정책 또는 기술 비교에서는 각 발췌에 이름을 붙이고 관련 구절이 뒷받침하는 결론을 요청하세요. 제작사의 인용 지원 형식에서 출력은 답변 구간을 근거 출처와 연결합니다. 참조를 해석할 수 있도록 검색된 문서 식별자를 유지하세요. 인용은 제공한 자료 중 무엇이 생성된 구간을 뒷받침하는지 나타냅니다. 실제 검색은 주변 시스템이 제공합니다.
제작사는 JSON 스키마 함수 설명을 이용한 대화형 도구 사용을 위해 Command A를 훈련합니다. 모델은 계획과 선택한 호출을 생성할 수 있습니다. 애플리케이션이 호출을 수행하고, 사전 형태의 결과가 대응하는 도구 호출 식별자와 함께 대화로 반환됩니다. 이후 모델은 그 관찰을 사용해 답변을 생성하며, 선택적으로 도구 결과에 연결된 출처 구간을 포함할 수 있습니다.
코딩 작업에는 SQL 생성, 코드 설명, 코드 번역 또는 다시 쓰기가 포함됩니다. 스키마나 관련 구현과 유지할 동작을 제공하세요. 제작사는 코드 생성 지침에 낮은 temperature를 권장하며, 적절한 경우 탐욕 디코딩도 포함합니다. 생성된 SQL이나 코드를 실행 전에 검토하고, 결과를 수정할 때는 실제 검증 관찰을 반환하세요.
모델 카드는 실제적인 컨텍스트 차이를 설명합니다. 모델은 256K를 지원하지만 공개 Hugging Face 설정은 128K로 지정되어 있으며 조정할 수 있습니다. 선택한 워크플로의 실제 컨텍스트 설정을 유지하고 응답 공간을 확보하세요. 유용한 결과는 제공한 출처와 도구 관찰로 추적할 수 있는 근거를 갖춘 요청된 텍스트 또는 코드 결과물입니다.
", "aboutText": "Command A는 기업용 에이전트, 검색 증강 답변, 다국어 작업을 위한 Cohere의 2025년 3월 텍스트 모델입니다. 이 정확한 에디션은 111B 파라미터를 가지며 텍스트를 입력받아 텍스트를 생성합니다. 제작사 모델 컨텍스트는 256K토큰이며, 공개 서비스 프로필의 최대 출력은 8,000토큰입니다. Command A Vision, Command A Reasoning, 이후 멀티모달 A+ 에디션과는 별개입니다.\n\n### 모델 세부 사항과 언어\n\n제조사는 로컬 슬라이딩 윈도 어텐션과 주기적인 글로벌 어텐션을 갖춘 자기회귀 트랜스포머라고 설명합니다. 세 개의 로컬 레이어는 회전 위치 인코딩이 적용된 4,096토큰 창을 사용하고, 네 번째 레이어는 위치 임베딩 없이 글로벌 어텐션을 사용합니다. 지도 미세조정과 선호도 훈련은 유용한 대화 및 작업 중심 동작을 형성합니다. 모델은 23개 언어로 훈련되었으며 번역이나 다른 언어로 작성된 자료에 관한 질문에 답하는 언어 간 작업을 지원합니다.\n\n답변 언어를 지정하고 필수 용어를 보존하세요. 다국어 지식 어시스턴트에서는 원문 구절에 각각 이름을 붙이고 제품명, 코드 식별자, 인용 표현을 유지하는 설명을 요청하세요. 유용한 최종 답변은 작업에 중요한 구분을 번역 과정에서 없애지 않고 결론의 출처를 명시합니다.\n\n### 대화와 작업 중심 출력\n\nCommand A는 기본적으로 대화형이며 서론, 후속 질문, Markdown 또는 수학적 서식을 덧붙이는 경우가 많습니다. 추출, 분류, 요약, 번역에서는 제작사의 시스템 지침 방식을 사용해 필요한 답변만 요청하고 출력에 Markdown이나 코드 펜스를 포함할지 지정하세요. 이렇게 하면 친근한 대화 서두를 후속 데이터 레코드의 일부로 취급하는 일을 피할 수 있습니다.\n\n모델 카드는 컨텍스트 기반 안전 모드와 엄격한 안전 모드를 설명하며, 제작사 기본값은 컨텍스트 기반 모드입니다. 이는 제작사 프로필에 문서화된 동작 설정으로, 작업에서 요청한 형식과는 독립적입니다. 관련 작업 컨텍스트와 원하는 출력을 명확히 정의하세요.\n\n### 근거에 기반한 생성\n\nCommand A는 검색 증강 생성의 답변 생성 단계를 위해 훈련되었습니다. 입력은 대화와 제공된 문서 발췌를 결합합니다. 일반적으로 청크당 약 100–400단어이며, 짧은 설명형 키와 텍스트 또는 반구조화된 값으로 표현합니다. 제작사는 이 특화된 형식을 사용자 메시지에 관련 문서를 직접 배치하는 방식과 비교하는 것도 권장합니다.\n\n정책 또는 기술 비교에서는 각 발췌에 이름을 붙이고 관련 구절이 뒷받침하는 결론을 요청하세요. 제작사의 인용 지원 형식에서 출력은 답변 구간을 근거 출처와 연결합니다. 참조를 해석할 수 있도록 검색된 문서 식별자를 유지하세요. 인용은 제공한 자료 중 무엇이 생성된 구간을 뒷받침하는지 나타냅니다. 실제 검색은 주변 시스템이 제공합니다.\n\n### 도구와 코드\n\n제작사는 JSON 스키마 함수 설명을 이용한 대화형 도구 사용을 위해 Command A를 훈련합니다. 모델은 계획과 선택한 호출을 생성할 수 있습니다. 애플리케이션이 호출을 수행하고, 사전 형태의 결과가 대응하는 도구 호출 식별자와 함께 대화로 반환됩니다. 이후 모델은 그 관찰을 사용해 답변을 생성하며, 선택적으로 도구 결과에 연결된 출처 구간을 포함할 수 있습니다.\n\n코딩 작업에는 SQL 생성, 코드 설명, 코드 번역 또는 다시 쓰기가 포함됩니다. 스키마나 관련 구현과 유지할 동작을 제공하세요. 제작사는 코드 생성 지침에 낮은 temperature를 권장하며, 적절한 경우 탐욕 디코딩도 포함합니다. 생성된 SQL이나 코드를 실행 전에 검토하고, 결과를 수정할 때는 실제 검증 관찰을 반환하세요.\n\n모델 카드는 실제적인 컨텍스트 차이를 설명합니다. 모델은 256K를 지원하지만 공개 Hugging Face 설정은 128K로 지정되어 있으며 조정할 수 있습니다. 선택한 워크플로의 실제 컨텍스트 설정을 유지하고 응답 공간을 확보하세요. 유용한 결과는 제공한 출처와 도구 관찰로 추적할 수 있는 근거를 갖춘 요청된 텍스트 또는 코드 결과물입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 A는 다국어 기업용 에이전트, 문서에 근거한 답변, 도구 기반 작업을 위한 Cohere의 111B 텍스트 모델입니다. 256K 컨텍스트를 출처 인용, 코드 지원, 23개 언어 훈련과 결합하며, 글로 된 지침과 제공된 근거에서 텍스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Command A는 기업용 에이전트, 검색 증강 답변, 다국어 작업을 위한 Cohere의 2025년 3월 텍스트 모델입니다. 이 정확한 에디션은 111B 파라미터를 가지며 텍스트를 입력받아 텍스트를 생성합니다. 제작사 모델 컨텍스트는 256K토큰이며, 공개 서비스 프로필의 최대 출력은 8,000토큰입니다. Command A Vision, Command A Reasoning, 이후 멀티모달 A+ 에디션과는 별개입니다.
제조사는 로컬 슬라이딩 윈도 어텐션과 주기적인 글로벌 어텐션을 갖춘 자기회귀 트랜스포머라고 설명합니다. 세 개의 로컬 레이어는 회전 위치 인코딩이 적용된 4,096토큰 창을 사용하고, 네 번째 레이어는 위치 임베딩 없이 글로벌 어텐션을 사용합니다. 지도 미세조정과 선호도 훈련은 유용한 대화 및 작업 중심 동작을 형성합니다. 모델은 23개 언어로 훈련되었으며 번역이나 다른 언어로 작성된 자료에 관한 질문에 답하는 언어 간 작업을 지원합니다.
답변 언어를 지정하고 필수 용어를 보존하세요. 다국어 지식 어시스턴트에서는 원문 구절에 각각 이름을 붙이고 제품명, 코드 식별자, 인용 표현을 유지하는 설명을 요청하세요. 유용한 최종 답변은 작업에 중요한 구분을 번역 과정에서 없애지 않고 결론의 출처를 명시합니다.
Command A는 기본적으로 대화형이며 서론, 후속 질문, Markdown 또는 수학적 서식을 덧붙이는 경우가 많습니다. 추출, 분류, 요약, 번역에서는 제작사의 시스템 지침 방식을 사용해 필요한 답변만 요청하고 출력에 Markdown이나 코드 펜스를 포함할지 지정하세요. 이렇게 하면 친근한 대화 서두를 후속 데이터 레코드의 일부로 취급하는 일을 피할 수 있습니다.
모델 카드는 컨텍스트 기반 안전 모드와 엄격한 안전 모드를 설명하며, 제작사 기본값은 컨텍스트 기반 모드입니다. 이는 제작사 프로필에 문서화된 동작 설정으로, 작업에서 요청한 형식과는 독립적입니다. 관련 작업 컨텍스트와 원하는 출력을 명확히 정의하세요.
Command A는 검색 증강 생성의 답변 생성 단계를 위해 훈련되었습니다. 입력은 대화와 제공된 문서 발췌를 결합합니다. 일반적으로 청크당 약 100–400단어이며, 짧은 설명형 키와 텍스트 또는 반구조화된 값으로 표현합니다. 제작사는 이 특화된 형식을 사용자 메시지에 관련 문서를 직접 배치하는 방식과 비교하는 것도 권장합니다.
정책 또는 기술 비교에서는 각 발췌에 이름을 붙이고 관련 구절이 뒷받침하는 결론을 요청하세요. 제작사의 인용 지원 형식에서 출력은 답변 구간을 근거 출처와 연결합니다. 참조를 해석할 수 있도록 검색된 문서 식별자를 유지하세요. 인용은 제공한 자료 중 무엇이 생성된 구간을 뒷받침하는지 나타냅니다. 실제 검색은 주변 시스템이 제공합니다.
제작사는 JSON 스키마 함수 설명을 이용한 대화형 도구 사용을 위해 Command A를 훈련합니다. 모델은 계획과 선택한 호출을 생성할 수 있습니다. 애플리케이션이 호출을 수행하고, 사전 형태의 결과가 대응하는 도구 호출 식별자와 함께 대화로 반환됩니다. 이후 모델은 그 관찰을 사용해 답변을 생성하며, 선택적으로 도구 결과에 연결된 출처 구간을 포함할 수 있습니다.
코딩 작업에는 SQL 생성, 코드 설명, 코드 번역 또는 다시 쓰기가 포함됩니다. 스키마나 관련 구현과 유지할 동작을 제공하세요. 제작사는 코드 생성 지침에 낮은 temperature를 권장하며, 적절한 경우 탐욕 디코딩도 포함합니다. 생성된 SQL이나 코드를 실행 전에 검토하고, 결과를 수정할 때는 실제 검증 관찰을 반환하세요.
모델 카드는 실제적인 컨텍스트 차이를 설명합니다. 모델은 256K를 지원하지만 공개 Hugging Face 설정은 128K로 지정되어 있으며 조정할 수 있습니다. 선택한 워크플로의 실제 컨텍스트 설정을 유지하고 응답 공간을 확보하세요. 유용한 결과는 제공한 출처와 도구 관찰로 추적할 수 있는 근거를 갖춘 요청된 텍스트 또는 코드 결과물입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 cohere/command-a | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra cohere/command-a
위에 표시된 메서드 경로를 사용하세요.
cohere/command-aCommand A는 다국어 기업용 에이전트, 문서에 근거한 답변, 도구 기반 작업을 위한 Cohere의 111B 텍스트 모델입니다. 256K 컨텍스트를 출처 인용, 코드 지원, 23개 언어 훈련과 결합하며, 글로 된 지침과 제공된 근거에서 텍스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Command A는 기업용 에이전트, 검색 증강 답변, 다국어 작업을 위한 Cohere의 2025년 3월 텍스트 모델입니다. 이 정확한 에디션은 111B 파라미터를 가지며 텍스트를 입력받아 텍스트를 생성합니다. 제작사 모델 컨텍스트는 256K토큰이며, 공개 서비스 프로필의 최대 출력은 8,000토큰입니다. Command A Vision, Command A Reasoning, 이후 멀티모달 A+ 에디션과는 별개입니다.
제조사는 로컬 슬라이딩 윈도 어텐션과 주기적인 글로벌 어텐션을 갖춘 자기회귀 트랜스포머라고 설명합니다. 세 개의 로컬 레이어는 회전 위치 인코딩이 적용된 4,096토큰 창을 사용하고, 네 번째 레이어는 위치 임베딩 없이 글로벌 어텐션을 사용합니다. 지도 미세조정과 선호도 훈련은 유용한 대화 및 작업 중심 동작을 형성합니다. 모델은 23개 언어로 훈련되었으며 번역이나 다른 언어로 작성된 자료에 관한 질문에 답하는 언어 간 작업을 지원합니다.
답변 언어를 지정하고 필수 용어를 보존하세요. 다국어 지식 어시스턴트에서는 원문 구절에 각각 이름을 붙이고 제품명, 코드 식별자, 인용 표현을 유지하는 설명을 요청하세요. 유용한 최종 답변은 작업에 중요한 구분을 번역 과정에서 없애지 않고 결론의 출처를 명시합니다.
Command A는 기본적으로 대화형이며 서론, 후속 질문, Markdown 또는 수학적 서식을 덧붙이는 경우가 많습니다. 추출, 분류, 요약, 번역에서는 제작사의 시스템 지침 방식을 사용해 필요한 답변만 요청하고 출력에 Markdown이나 코드 펜스를 포함할지 지정하세요. 이렇게 하면 친근한 대화 서두를 후속 데이터 레코드의 일부로 취급하는 일을 피할 수 있습니다.
모델 카드는 컨텍스트 기반 안전 모드와 엄격한 안전 모드를 설명하며, 제작사 기본값은 컨텍스트 기반 모드입니다. 이는 제작사 프로필에 문서화된 동작 설정으로, 작업에서 요청한 형식과는 독립적입니다. 관련 작업 컨텍스트와 원하는 출력을 명확히 정의하세요.
Command A는 검색 증강 생성의 답변 생성 단계를 위해 훈련되었습니다. 입력은 대화와 제공된 문서 발췌를 결합합니다. 일반적으로 청크당 약 100–400단어이며, 짧은 설명형 키와 텍스트 또는 반구조화된 값으로 표현합니다. 제작사는 이 특화된 형식을 사용자 메시지에 관련 문서를 직접 배치하는 방식과 비교하는 것도 권장합니다.
정책 또는 기술 비교에서는 각 발췌에 이름을 붙이고 관련 구절이 뒷받침하는 결론을 요청하세요. 제작사의 인용 지원 형식에서 출력은 답변 구간을 근거 출처와 연결합니다. 참조를 해석할 수 있도록 검색된 문서 식별자를 유지하세요. 인용은 제공한 자료 중 무엇이 생성된 구간을 뒷받침하는지 나타냅니다. 실제 검색은 주변 시스템이 제공합니다.
제작사는 JSON 스키마 함수 설명을 이용한 대화형 도구 사용을 위해 Command A를 훈련합니다. 모델은 계획과 선택한 호출을 생성할 수 있습니다. 애플리케이션이 호출을 수행하고, 사전 형태의 결과가 대응하는 도구 호출 식별자와 함께 대화로 반환됩니다. 이후 모델은 그 관찰을 사용해 답변을 생성하며, 선택적으로 도구 결과에 연결된 출처 구간을 포함할 수 있습니다.
코딩 작업에는 SQL 생성, 코드 설명, 코드 번역 또는 다시 쓰기가 포함됩니다. 스키마나 관련 구현과 유지할 동작을 제공하세요. 제작사는 코드 생성 지침에 낮은 temperature를 권장하며, 적절한 경우 탐욕 디코딩도 포함합니다. 생성된 SQL이나 코드를 실행 전에 검토하고, 결과를 수정할 때는 실제 검증 관찰을 반환하세요.
모델 카드는 실제적인 컨텍스트 차이를 설명합니다. 모델은 256K를 지원하지만 공개 Hugging Face 설정은 128K로 지정되어 있으며 조정할 수 있습니다. 선택한 워크플로의 실제 컨텍스트 설정을 유지하고 응답 공간을 확보하세요. 유용한 결과는 제공한 출처와 도구 관찰로 추적할 수 있는 근거를 갖춘 요청된 텍스트 또는 코드 결과물입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 cohere/command-a | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "cohere/command-a",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra cohere/command-a
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.