Command A+ er Coheres multimodale resonneringsmodell fra mai 2026 for komplekse virksomhetsoppgaver. Den kombinerer tekst og bilder som inndata med tekstutdata og støtter 48 språk, inkludert alle de offisielle språkene i EU. Produsenten posisjonerer den for flerspråklige agenter som analyserer belegg, arbeider seg gjennom et problem og bruker verktøy fra en applikasjon. Den er en egen utgave, forskjellig fra den tidligere tekstbaserte Command A og de spesialiserte Vision- og Reasoning-modellene.
Cohere beskriver en sparsom mixture-of-experts-arkitektur med 218 milliarder parametere totalt og 25 milliarder aktive parametere. Den publiserte profilen har en kontekst på 128 000 tokener og maksimalt 64 000 tokener i utdata. Oppgitt kunnskapsgrense er 1. april 2025. Kildematerialet, samtalen og det genererte resultatet må passe innenfor det gjeldende forespørselsbudsjettet; oppgi oppdatert belegg eller et egnet verktøy når oppgaven avhenger av informasjon utover treningskunnskapen.
Produsentens hybride arbeidsflyt for resonnering kan aktivere resonnering før det endelige tekstsvaret eller deaktivere den for direkte svar. Et resonneringsbudsjett styrer mellomprosessen, mens svaret fortsatt trenger plass til å formidle resultatet. Definer svaret uavhengig: et beslutningsnotat, en sammenligning, en oversatt forklaring eller en strukturert post. Ved en flerspråklig oppgave bør du angi utdataspråk og hvilke egennavn, feltidentifikatorer og sitater som må beholde sin opprinnelige form.
En illustrerende instruksjon er: «Sammenlign disse regelverksavsnittene, forklar den praktiske forskjellen på ønsket språk og identifiser kildesetningen som støtter hver konklusjon.» Dette kombinerer flerspråklig forståelse med resonnering over det faktiske belegget, fremfor å be om en udokumentert fremstilling av et regelverk.
Coheres bildeveiledning omfatter diagrammer, figurer, tabeller i bilder, dokumentgjenkjenning og bildebaserte spørsmål. Klargjør lesbare sider og behold overskrifter, enheter og akseetiketter. Når en detalj er liten, bør du forstørre den uten å miste konteksten rundt og bruke det dokumenterte valget for bildedetaljer som passer til oppgaven. Produsenten bemerker at den visuelle ytelsen kan variere for skrift som ikke er latinsk.
Den dokumenterte bildearbeidsflyten godtar PNG, JPEG, WEBP og ikke-animert GIF, med inntil 20 bilder eller 20 MB totalt per forespørsel, avhengig av hvilken grense som nås først. Dette er grenser i produsentens arbeidsflyt. Ved uttrekk av informasjon bør du be om de konkrete feltene og en henvisning til kildebildet; ved diagramanalyse bør du be om synlige verdier separat fra tolkningen. Modellen returnerer tekst, så generering eller redigering av et bilde er en annen utdataoppgave.
Command A+ oppgir kildehenvisninger, verktøybruk, strukturerte utdata og sikkerhetsmoduser blant funksjonene sine. Gi dokumenter meningsfulle identifikatorer, og oppgi verktøyfunksjoner med beskrivelser og argumentskjemaer. Modellen kan velge en operasjon, applikasjonen utfører den og returnerer resultatet, og det påfølgende svaret kan bruke dette belegget. En gjenfunnet kilde, modellens foreslåtte handling og et utført resultat bør fortsatt kunne skilles i oppgaveregistreringen.
For et strukturert resultat bør du definere hvert felt og forventet håndtering av manglende data. Kontroller innholdet mot kildene selv når formatet er gyldig. En nyttig sluttleveranse inneholder det forespurte svaret, belegget som støtter det, og eventuell uavklart informasjon som påvirker konklusjonen. Dette holder modellens multimodale funksjoner og resonnering knyttet til en konkret virksomhetsoppgave uten å tilordne profilen til den tidligere Command A til denne utgaven.
", "aboutText": "Command A+ er Coheres multimodale resonneringsmodell fra mai 2026 for komplekse virksomhetsoppgaver. Den kombinerer tekst og bilder som inndata med tekstutdata og støtter 48 språk, inkludert alle de offisielle språkene i EU. Produsenten posisjonerer den for flerspråklige agenter som analyserer belegg, arbeider seg gjennom et problem og bruker verktøy fra en applikasjon. Den er en egen utgave, forskjellig fra den tidligere tekstbaserte Command A og de spesialiserte Vision- og Reasoning-modellene.\n\n### Modellegenskaper og oppgavestørrelse\n\nCohere beskriver en sparsom mixture-of-experts-arkitektur med 218 milliarder parametere totalt og 25 milliarder aktive parametere. Den publiserte profilen har en kontekst på 128 000 tokener og maksimalt 64 000 tokener i utdata. Oppgitt kunnskapsgrense er 1. april 2025. Kildematerialet, samtalen og det genererte resultatet må passe innenfor det gjeldende forespørselsbudsjettet; oppgi oppdatert belegg eller et egnet verktøy når oppgaven avhenger av informasjon utover treningskunnskapen.\n\n### Resonnering og flerspråklig arbeid\n\nProdusentens hybride arbeidsflyt for resonnering kan aktivere resonnering før det endelige tekstsvaret eller deaktivere den for direkte svar. Et resonneringsbudsjett styrer mellomprosessen, mens svaret fortsatt trenger plass til å formidle resultatet. Definer svaret uavhengig: et beslutningsnotat, en sammenligning, en oversatt forklaring eller en strukturert post. Ved en flerspråklig oppgave bør du angi utdataspråk og hvilke egennavn, feltidentifikatorer og sitater som må beholde sin opprinnelige form.\n\nEn illustrerende instruksjon er: «Sammenlign disse regelverksavsnittene, forklar den praktiske forskjellen på ønsket språk og identifiser kildesetningen som støtter hver konklusjon.» Dette kombinerer flerspråklig forståelse med resonnering over det faktiske belegget, fremfor å be om en udokumentert fremstilling av et regelverk.\n\n### Bilder og dokumentbelegg\n\nCoheres bildeveiledning omfatter diagrammer, figurer, tabeller i bilder, dokumentgjenkjenning og bildebaserte spørsmål. Klargjør lesbare sider og behold overskrifter, enheter og akseetiketter. Når en detalj er liten, bør du forstørre den uten å miste konteksten rundt og bruke det dokumenterte valget for bildedetaljer som passer til oppgaven. Produsenten bemerker at den visuelle ytelsen kan variere for skrift som ikke er latinsk.\n\nDen dokumenterte bildearbeidsflyten godtar PNG, JPEG, WEBP og ikke-animert GIF, med inntil 20 bilder eller 20 MB totalt per forespørsel, avhengig av hvilken grense som nås først. Dette er grenser i produsentens arbeidsflyt. Ved uttrekk av informasjon bør du be om de konkrete feltene og en henvisning til kildebildet; ved diagramanalyse bør du be om synlige verdier separat fra tolkningen. Modellen returnerer tekst, så generering eller redigering av et bilde er en annen utdataoppgave.\n\n### Kildehenvisninger, verktøy og strukturerte resultater\n\nCommand A+ oppgir kildehenvisninger, verktøybruk, strukturerte utdata og sikkerhetsmoduser blant funksjonene sine. Gi dokumenter meningsfulle identifikatorer, og oppgi verktøyfunksjoner med beskrivelser og argumentskjemaer. Modellen kan velge en operasjon, applikasjonen utfører den og returnerer resultatet, og det påfølgende svaret kan bruke dette belegget. En gjenfunnet kilde, modellens foreslåtte handling og et utført resultat bør fortsatt kunne skilles i oppgaveregistreringen.\n\nFor et strukturert resultat bør du definere hvert felt og forventet håndtering av manglende data. Kontroller innholdet mot kildene selv når formatet er gyldig. En nyttig sluttleveranse inneholder det forespurte svaret, belegget som støtter det, og eventuell uavklart informasjon som påvirker konklusjonen. Dette holder modellens multimodale funksjoner og resonnering knyttet til en konkret virksomhetsoppgave uten å tilordne profilen til den tidligere Command A til denne utgaven.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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+ er Coheres multimodale resonneringsmodell for virksomhetsagenter, med tekst og bilder som inndata og tekstutdata på 48 språk. Den kombinerer kildehenvisninger, verktøybruk og strukturerte utdata med en kontekst på 128 000 tokener og en dokumentert utdatagrense på 64 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Command A+ er Coheres multimodale resonneringsmodell fra mai 2026 for komplekse virksomhetsoppgaver. Den kombinerer tekst og bilder som inndata med tekstutdata og støtter 48 språk, inkludert alle de offisielle språkene i EU. Produsenten posisjonerer den for flerspråklige agenter som analyserer belegg, arbeider seg gjennom et problem og bruker verktøy fra en applikasjon. Den er en egen utgave, forskjellig fra den tidligere tekstbaserte Command A og de spesialiserte Vision- og Reasoning-modellene.
Cohere beskriver en sparsom mixture-of-experts-arkitektur med 218 milliarder parametere totalt og 25 milliarder aktive parametere. Den publiserte profilen har en kontekst på 128 000 tokener og maksimalt 64 000 tokener i utdata. Oppgitt kunnskapsgrense er 1. april 2025. Kildematerialet, samtalen og det genererte resultatet må passe innenfor det gjeldende forespørselsbudsjettet; oppgi oppdatert belegg eller et egnet verktøy når oppgaven avhenger av informasjon utover treningskunnskapen.
Produsentens hybride arbeidsflyt for resonnering kan aktivere resonnering før det endelige tekstsvaret eller deaktivere den for direkte svar. Et resonneringsbudsjett styrer mellomprosessen, mens svaret fortsatt trenger plass til å formidle resultatet. Definer svaret uavhengig: et beslutningsnotat, en sammenligning, en oversatt forklaring eller en strukturert post. Ved en flerspråklig oppgave bør du angi utdataspråk og hvilke egennavn, feltidentifikatorer og sitater som må beholde sin opprinnelige form.
En illustrerende instruksjon er: «Sammenlign disse regelverksavsnittene, forklar den praktiske forskjellen på ønsket språk og identifiser kildesetningen som støtter hver konklusjon.» Dette kombinerer flerspråklig forståelse med resonnering over det faktiske belegget, fremfor å be om en udokumentert fremstilling av et regelverk.
Coheres bildeveiledning omfatter diagrammer, figurer, tabeller i bilder, dokumentgjenkjenning og bildebaserte spørsmål. Klargjør lesbare sider og behold overskrifter, enheter og akseetiketter. Når en detalj er liten, bør du forstørre den uten å miste konteksten rundt og bruke det dokumenterte valget for bildedetaljer som passer til oppgaven. Produsenten bemerker at den visuelle ytelsen kan variere for skrift som ikke er latinsk.
Den dokumenterte bildearbeidsflyten godtar PNG, JPEG, WEBP og ikke-animert GIF, med inntil 20 bilder eller 20 MB totalt per forespørsel, avhengig av hvilken grense som nås først. Dette er grenser i produsentens arbeidsflyt. Ved uttrekk av informasjon bør du be om de konkrete feltene og en henvisning til kildebildet; ved diagramanalyse bør du be om synlige verdier separat fra tolkningen. Modellen returnerer tekst, så generering eller redigering av et bilde er en annen utdataoppgave.
Command A+ oppgir kildehenvisninger, verktøybruk, strukturerte utdata og sikkerhetsmoduser blant funksjonene sine. Gi dokumenter meningsfulle identifikatorer, og oppgi verktøyfunksjoner med beskrivelser og argumentskjemaer. Modellen kan velge en operasjon, applikasjonen utfører den og returnerer resultatet, og det påfølgende svaret kan bruke dette belegget. En gjenfunnet kilde, modellens foreslåtte handling og et utført resultat bør fortsatt kunne skilles i oppgaveregistreringen.
For et strukturert resultat bør du definere hvert felt og forventet håndtering av manglende data. Kontroller innholdet mot kildene selv når formatet er gyldig. En nyttig sluttleveranse inneholder det forespurte svaret, belegget som støtter det, og eventuell uavklart informasjon som påvirker konklusjonen. Dette holder modellens multimodale funksjoner og resonnering knyttet til en konkret virksomhetsoppgave uten å tilordne profilen til den tidligere Command A til denne utgaven.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser cohere/command-a-plus | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0006 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0006 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra cohere/command-a-plus
Bruk metodestiene som vises ovenfor.
cohere/command-a-plusCommand A+ er Coheres multimodale resonneringsmodell for virksomhetsagenter, med tekst og bilder som inndata og tekstutdata på 48 språk. Den kombinerer kildehenvisninger, verktøybruk og strukturerte utdata med en kontekst på 128 000 tokener og en dokumentert utdatagrense på 64 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Command A+ er Coheres multimodale resonneringsmodell fra mai 2026 for komplekse virksomhetsoppgaver. Den kombinerer tekst og bilder som inndata med tekstutdata og støtter 48 språk, inkludert alle de offisielle språkene i EU. Produsenten posisjonerer den for flerspråklige agenter som analyserer belegg, arbeider seg gjennom et problem og bruker verktøy fra en applikasjon. Den er en egen utgave, forskjellig fra den tidligere tekstbaserte Command A og de spesialiserte Vision- og Reasoning-modellene.
Cohere beskriver en sparsom mixture-of-experts-arkitektur med 218 milliarder parametere totalt og 25 milliarder aktive parametere. Den publiserte profilen har en kontekst på 128 000 tokener og maksimalt 64 000 tokener i utdata. Oppgitt kunnskapsgrense er 1. april 2025. Kildematerialet, samtalen og det genererte resultatet må passe innenfor det gjeldende forespørselsbudsjettet; oppgi oppdatert belegg eller et egnet verktøy når oppgaven avhenger av informasjon utover treningskunnskapen.
Produsentens hybride arbeidsflyt for resonnering kan aktivere resonnering før det endelige tekstsvaret eller deaktivere den for direkte svar. Et resonneringsbudsjett styrer mellomprosessen, mens svaret fortsatt trenger plass til å formidle resultatet. Definer svaret uavhengig: et beslutningsnotat, en sammenligning, en oversatt forklaring eller en strukturert post. Ved en flerspråklig oppgave bør du angi utdataspråk og hvilke egennavn, feltidentifikatorer og sitater som må beholde sin opprinnelige form.
En illustrerende instruksjon er: «Sammenlign disse regelverksavsnittene, forklar den praktiske forskjellen på ønsket språk og identifiser kildesetningen som støtter hver konklusjon.» Dette kombinerer flerspråklig forståelse med resonnering over det faktiske belegget, fremfor å be om en udokumentert fremstilling av et regelverk.
Coheres bildeveiledning omfatter diagrammer, figurer, tabeller i bilder, dokumentgjenkjenning og bildebaserte spørsmål. Klargjør lesbare sider og behold overskrifter, enheter og akseetiketter. Når en detalj er liten, bør du forstørre den uten å miste konteksten rundt og bruke det dokumenterte valget for bildedetaljer som passer til oppgaven. Produsenten bemerker at den visuelle ytelsen kan variere for skrift som ikke er latinsk.
Den dokumenterte bildearbeidsflyten godtar PNG, JPEG, WEBP og ikke-animert GIF, med inntil 20 bilder eller 20 MB totalt per forespørsel, avhengig av hvilken grense som nås først. Dette er grenser i produsentens arbeidsflyt. Ved uttrekk av informasjon bør du be om de konkrete feltene og en henvisning til kildebildet; ved diagramanalyse bør du be om synlige verdier separat fra tolkningen. Modellen returnerer tekst, så generering eller redigering av et bilde er en annen utdataoppgave.
Command A+ oppgir kildehenvisninger, verktøybruk, strukturerte utdata og sikkerhetsmoduser blant funksjonene sine. Gi dokumenter meningsfulle identifikatorer, og oppgi verktøyfunksjoner med beskrivelser og argumentskjemaer. Modellen kan velge en operasjon, applikasjonen utfører den og returnerer resultatet, og det påfølgende svaret kan bruke dette belegget. En gjenfunnet kilde, modellens foreslåtte handling og et utført resultat bør fortsatt kunne skilles i oppgaveregistreringen.
For et strukturert resultat bør du definere hvert felt og forventet håndtering av manglende data. Kontroller innholdet mot kildene selv når formatet er gyldig. En nyttig sluttleveranse inneholder det forespurte svaret, belegget som støtter det, og eventuell uavklart informasjon som påvirker konklusjonen. Dette holder modellens multimodale funksjoner og resonnering knyttet til en konkret virksomhetsoppgave uten å tilordne profilen til den tidligere Command A til denne utgaven.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser cohere/command-a-plus | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0006 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0006 / 1K tokener Utdata · Utgående tokener $0.003 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "cohere/command-a-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra cohere/command-a-plus
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.