Command R+ (08-2024) er Coheres store tekstmodell fra august 2024 for komplekse svar støttet av gjenfinning og agentoppgaver. Den konkrete utgaven har 104 milliarder parametere og en kontekst på 128K, tar imot tekst og produserer tekst. Den publiserte produsentprofilen oppgir maksimalt 4 000 tokener i utdata. R+ er den større ledsageren til Command R og legger særlig vekt på å kombinere verktøy over flere trinn.
Modellen bruker en autoregressiv transformer med grouped-query attention, veiledet finjustering og preferansetrening. Den er trent på 23 språk og evaluert på ti hovedspråk. Augustoppdateringen forbedrer beslutninger om verktøyvalg, følging av systeminstruksjoner, analyse av strukturerte data og robusthet mot instruksjonsendringer uten semantisk betydning. Den støtter også gjenfinningsarbeidsflyter uten kildehenvisninger, flere sikkerhetsmoduser og avvisning av spørsmål som ikke kan besvares.
Ved flerspråklig arbeid bør du angi utdataspråket og navnene, kodene eller kildesitatene som må forbli uendret. Et kildeforankret svar kan forklare materiale på et annet språk samtidig som belegget er tilgjengelig for gjennomgang. Oppgi en oppdatert kilde for tidsfølsomme fakta, eller hent en gjennom et egnet applikasjonsverktøy.
Produsentens RAG-mal tar imot en samtale og gjenfunnede dokumentutdrag, vanligvis rundt 100–400 ord per del, med korte beskrivende nøkler og tekstlige eller halvstrukturerte verdier. Modellen er spesielt trent for å svare fra disse utdragene og knytte tekstspenn i svaret til de støttende kildene. Bruk den konkrete utgavens mal når denne trente kildeforankringsatferden er viktig.
Nøyaktig henvisningsmodus identifiserer relevante og siterte dokumenter, genererer et svar og setter inn kildeforankrede tekstspenn. Rask modus genererer svaret med henvisninger direkte og reduserer antallet utdata-tokener på bekostning av forankringsnøyaktigheten. Hold kildeidentifikatorer tilgjengelige for begge moduser. En praktisk rapportforespørsel kan be modellen sammenligne belegg mot navngitte kriterier og henvise til det støttende avsnittet ved siden av hvert funn.
R+ støtter både en mal for funksjonskall i ett trinn og verktøybruk i flere trinn for vanskeligere arbeidsflyter. I ett-trinnsflyten velger modellen funksjoner og JSON-argumenter, applikasjonen utfører dem, og et senere modellsvar bruker de returnerte resultatene. Det dokumenterte valget directly_answer lar modellen unngå en unødvendig ekstern operasjon. I en agent med flere trinn kan påfølgende beslutninger kombinere observasjoner fra ulike verktøy inntil oppgaven når det angitte resultatet.
En nyttig agentbestilling definerer spørsmålet, tillatte operasjoner og sluttleveransen. En forskningsassistent kan for eksempel trenge å hente relevante produktposter, sammenligne de vedlagte kravene og produsere en anbefaling med belegg. Gi hvert verktøy et tydelig formål og knytt resultatet til kallet som produserte det. En operasjon foreslått i tekst er noe annet enn utførelse av applikasjonen.
Organiser kildeutdragene rundt det faktiske spørsmålet og sett av plass til verktøyhistorikk og svaret. Hvis det tilgjengelige belegget er motstridende, bør du be modellen forklare uenigheten fremfor å velge en udokumentert verdi. Ved arbeid med strukturerte data bør du definere felter, enheter og representasjonen av manglende informasjon.
Sluttresultatet bør være et svar eller en rapport som kan gjennomgås og er knyttet til vedlagt belegg og faktiske observasjoner. R+s størrelse og agentfokus gir ikke i seg selv en søketilkobling, utfører en databasehandling eller validerer generert kode. Disse trinnene tilhører arbeidsflyten rundt modellen, og belegget de returnerer, gjør en konklusjon kontrollerbar.
", "aboutText": "Command R+ (08-2024) er Coheres store tekstmodell fra august 2024 for komplekse svar støttet av gjenfinning og agentoppgaver. Den konkrete utgaven har 104 milliarder parametere og en kontekst på 128K, tar imot tekst og produserer tekst. Den publiserte produsentprofilen oppgir maksimalt 4 000 tokener i utdata. R+ er den større ledsageren til Command R og legger særlig vekt på å kombinere verktøy over flere trinn.\n\n### Modell og endringer i utgaven\n\nModellen bruker en autoregressiv transformer med grouped-query attention, veiledet finjustering og preferansetrening. Den er trent på 23 språk og evaluert på ti hovedspråk. Augustoppdateringen forbedrer beslutninger om verktøyvalg, følging av systeminstruksjoner, analyse av strukturerte data og robusthet mot instruksjonsendringer uten semantisk betydning. Den støtter også gjenfinningsarbeidsflyter uten kildehenvisninger, flere sikkerhetsmoduser og avvisning av spørsmål som ikke kan besvares.\n\nVed flerspråklig arbeid bør du angi utdataspråket og navnene, kodene eller kildesitatene som må forbli uendret. Et kildeforankret svar kan forklare materiale på et annet språk samtidig som belegget er tilgjengelig for gjennomgang. Oppgi en oppdatert kilde for tidsfølsomme fakta, eller hent en gjennom et egnet applikasjonsverktøy.\n\n### Kildeforankrede svar og henvisninger\n\nProdusentens RAG-mal tar imot en samtale og gjenfunnede dokumentutdrag, vanligvis rundt 100–400 ord per del, med korte beskrivende nøkler og tekstlige eller halvstrukturerte verdier. Modellen er spesielt trent for å svare fra disse utdragene og knytte tekstspenn i svaret til de støttende kildene. Bruk den konkrete utgavens mal når denne trente kildeforankringsatferden er viktig.\n\nNøyaktig henvisningsmodus identifiserer relevante og siterte dokumenter, genererer et svar og setter inn kildeforankrede tekstspenn. Rask modus genererer svaret med henvisninger direkte og reduserer antallet utdata-tokener på bekostning av forankringsnøyaktigheten. Hold kildeidentifikatorer tilgjengelige for begge moduser. En praktisk rapportforespørsel kan be modellen sammenligne belegg mot navngitte kriterier og henvise til det støttende avsnittet ved siden av hvert funn.\n\n### Verktøystøttet arbeid\n\nR+ støtter både en mal for funksjonskall i ett trinn og verktøybruk i flere trinn for vanskeligere arbeidsflyter. I ett-trinnsflyten velger modellen funksjoner og JSON-argumenter, applikasjonen utfører dem, og et senere modellsvar bruker de returnerte resultatene. Det dokumenterte valget directly_answer lar modellen unngå en unødvendig ekstern operasjon. I en agent med flere trinn kan påfølgende beslutninger kombinere observasjoner fra ulike verktøy inntil oppgaven når det angitte resultatet.\n\nEn nyttig agentbestilling definerer spørsmålet, tillatte operasjoner og sluttleveransen. En forskningsassistent kan for eksempel trenge å hente relevante produktposter, sammenligne de vedlagte kravene og produsere en anbefaling med belegg. Gi hvert verktøy et tydelig formål og knytt resultatet til kallet som produserte det. En operasjon foreslått i tekst er noe annet enn utførelse av applikasjonen.\n\n### Klargjøring og gjennomgang av resultatet\n\nOrganiser kildeutdragene rundt det faktiske spørsmålet og sett av plass til verktøyhistorikk og svaret. Hvis det tilgjengelige belegget er motstridende, bør du be modellen forklare uenigheten fremfor å velge en udokumentert verdi. Ved arbeid med strukturerte data bør du definere felter, enheter og representasjonen av manglende informasjon.\n\nSluttresultatet bør være et svar eller en rapport som kan gjennomgås og er knyttet til vedlagt belegg og faktiske observasjoner. R+s størrelse og agentfokus gir ikke i seg selv en søketilkobling, utfører en databasehandling eller validerer generert kode. Disse trinnene tilhører arbeidsflyten rundt modellen, og belegget de returnerer, gjør en konklusjon kontrollerbar.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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) er Coheres tekstmodell på 104B for komplekse dokumentbaserte svar og verktøybruk i flere trinn. Den kombinerer en kontekst på 128K med flerspråklig generering, kildehenvisninger på tekstspenn og agentarbeidsflyter som bruker applikasjonens faktiske verktøyobservasjoner.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Command R+ (08-2024) er Coheres store tekstmodell fra august 2024 for komplekse svar støttet av gjenfinning og agentoppgaver. Den konkrete utgaven har 104 milliarder parametere og en kontekst på 128K, tar imot tekst og produserer tekst. Den publiserte produsentprofilen oppgir maksimalt 4 000 tokener i utdata. R+ er den større ledsageren til Command R og legger særlig vekt på å kombinere verktøy over flere trinn.
Modellen bruker en autoregressiv transformer med grouped-query attention, veiledet finjustering og preferansetrening. Den er trent på 23 språk og evaluert på ti hovedspråk. Augustoppdateringen forbedrer beslutninger om verktøyvalg, følging av systeminstruksjoner, analyse av strukturerte data og robusthet mot instruksjonsendringer uten semantisk betydning. Den støtter også gjenfinningsarbeidsflyter uten kildehenvisninger, flere sikkerhetsmoduser og avvisning av spørsmål som ikke kan besvares.
Ved flerspråklig arbeid bør du angi utdataspråket og navnene, kodene eller kildesitatene som må forbli uendret. Et kildeforankret svar kan forklare materiale på et annet språk samtidig som belegget er tilgjengelig for gjennomgang. Oppgi en oppdatert kilde for tidsfølsomme fakta, eller hent en gjennom et egnet applikasjonsverktøy.
Produsentens RAG-mal tar imot en samtale og gjenfunnede dokumentutdrag, vanligvis rundt 100–400 ord per del, med korte beskrivende nøkler og tekstlige eller halvstrukturerte verdier. Modellen er spesielt trent for å svare fra disse utdragene og knytte tekstspenn i svaret til de støttende kildene. Bruk den konkrete utgavens mal når denne trente kildeforankringsatferden er viktig.
Nøyaktig henvisningsmodus identifiserer relevante og siterte dokumenter, genererer et svar og setter inn kildeforankrede tekstspenn. Rask modus genererer svaret med henvisninger direkte og reduserer antallet utdata-tokener på bekostning av forankringsnøyaktigheten. Hold kildeidentifikatorer tilgjengelige for begge moduser. En praktisk rapportforespørsel kan be modellen sammenligne belegg mot navngitte kriterier og henvise til det støttende avsnittet ved siden av hvert funn.
R+ støtter både en mal for funksjonskall i ett trinn og verktøybruk i flere trinn for vanskeligere arbeidsflyter. I ett-trinnsflyten velger modellen funksjoner og JSON-argumenter, applikasjonen utfører dem, og et senere modellsvar bruker de returnerte resultatene. Det dokumenterte valget directly_answer lar modellen unngå en unødvendig ekstern operasjon. I en agent med flere trinn kan påfølgende beslutninger kombinere observasjoner fra ulike verktøy inntil oppgaven når det angitte resultatet.
En nyttig agentbestilling definerer spørsmålet, tillatte operasjoner og sluttleveransen. En forskningsassistent kan for eksempel trenge å hente relevante produktposter, sammenligne de vedlagte kravene og produsere en anbefaling med belegg. Gi hvert verktøy et tydelig formål og knytt resultatet til kallet som produserte det. En operasjon foreslått i tekst er noe annet enn utførelse av applikasjonen.
Organiser kildeutdragene rundt det faktiske spørsmålet og sett av plass til verktøyhistorikk og svaret. Hvis det tilgjengelige belegget er motstridende, bør du be modellen forklare uenigheten fremfor å velge en udokumentert verdi. Ved arbeid med strukturerte data bør du definere felter, enheter og representasjonen av manglende informasjon.
Sluttresultatet bør være et svar eller en rapport som kan gjennomgås og er knyttet til vedlagt belegg og faktiske observasjoner. R+s størrelse og agentfokus gir ikke i seg selv en søketilkobling, utfører en databasehandling eller validerer generert kode. Disse trinnene tilhører arbeidsflyten rundt modellen, og belegget de returnerer, gjør en konklusjon kontrollerbar.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser cohere/command-r-plus-08-2024 | 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 $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 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 $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cohere/command-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 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-r-plus-08-2024
Bruk metodestiene som vises ovenfor.
cohere/command-r-plus-08-2024Command R+ (08-2024) er Coheres tekstmodell på 104B for komplekse dokumentbaserte svar og verktøybruk i flere trinn. Den kombinerer en kontekst på 128K med flerspråklig generering, kildehenvisninger på tekstspenn og agentarbeidsflyter som bruker applikasjonens faktiske verktøyobservasjoner.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Command R+ (08-2024) er Coheres store tekstmodell fra august 2024 for komplekse svar støttet av gjenfinning og agentoppgaver. Den konkrete utgaven har 104 milliarder parametere og en kontekst på 128K, tar imot tekst og produserer tekst. Den publiserte produsentprofilen oppgir maksimalt 4 000 tokener i utdata. R+ er den større ledsageren til Command R og legger særlig vekt på å kombinere verktøy over flere trinn.
Modellen bruker en autoregressiv transformer med grouped-query attention, veiledet finjustering og preferansetrening. Den er trent på 23 språk og evaluert på ti hovedspråk. Augustoppdateringen forbedrer beslutninger om verktøyvalg, følging av systeminstruksjoner, analyse av strukturerte data og robusthet mot instruksjonsendringer uten semantisk betydning. Den støtter også gjenfinningsarbeidsflyter uten kildehenvisninger, flere sikkerhetsmoduser og avvisning av spørsmål som ikke kan besvares.
Ved flerspråklig arbeid bør du angi utdataspråket og navnene, kodene eller kildesitatene som må forbli uendret. Et kildeforankret svar kan forklare materiale på et annet språk samtidig som belegget er tilgjengelig for gjennomgang. Oppgi en oppdatert kilde for tidsfølsomme fakta, eller hent en gjennom et egnet applikasjonsverktøy.
Produsentens RAG-mal tar imot en samtale og gjenfunnede dokumentutdrag, vanligvis rundt 100–400 ord per del, med korte beskrivende nøkler og tekstlige eller halvstrukturerte verdier. Modellen er spesielt trent for å svare fra disse utdragene og knytte tekstspenn i svaret til de støttende kildene. Bruk den konkrete utgavens mal når denne trente kildeforankringsatferden er viktig.
Nøyaktig henvisningsmodus identifiserer relevante og siterte dokumenter, genererer et svar og setter inn kildeforankrede tekstspenn. Rask modus genererer svaret med henvisninger direkte og reduserer antallet utdata-tokener på bekostning av forankringsnøyaktigheten. Hold kildeidentifikatorer tilgjengelige for begge moduser. En praktisk rapportforespørsel kan be modellen sammenligne belegg mot navngitte kriterier og henvise til det støttende avsnittet ved siden av hvert funn.
R+ støtter både en mal for funksjonskall i ett trinn og verktøybruk i flere trinn for vanskeligere arbeidsflyter. I ett-trinnsflyten velger modellen funksjoner og JSON-argumenter, applikasjonen utfører dem, og et senere modellsvar bruker de returnerte resultatene. Det dokumenterte valget directly_answer lar modellen unngå en unødvendig ekstern operasjon. I en agent med flere trinn kan påfølgende beslutninger kombinere observasjoner fra ulike verktøy inntil oppgaven når det angitte resultatet.
En nyttig agentbestilling definerer spørsmålet, tillatte operasjoner og sluttleveransen. En forskningsassistent kan for eksempel trenge å hente relevante produktposter, sammenligne de vedlagte kravene og produsere en anbefaling med belegg. Gi hvert verktøy et tydelig formål og knytt resultatet til kallet som produserte det. En operasjon foreslått i tekst er noe annet enn utførelse av applikasjonen.
Organiser kildeutdragene rundt det faktiske spørsmålet og sett av plass til verktøyhistorikk og svaret. Hvis det tilgjengelige belegget er motstridende, bør du be modellen forklare uenigheten fremfor å velge en udokumentert verdi. Ved arbeid med strukturerte data bør du definere felter, enheter og representasjonen av manglende informasjon.
Sluttresultatet bør være et svar eller en rapport som kan gjennomgås og er knyttet til vedlagt belegg og faktiske observasjoner. R+s størrelse og agentfokus gir ikke i seg selv en søketilkobling, utfører en databasehandling eller validerer generert kode. Disse trinnene tilhører arbeidsflyten rundt modellen, og belegget de returnerer, gjør en konklusjon kontrollerbar.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser cohere/command-r-plus-08-2024 | 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 $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 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 $0.005 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "cohere/command-r-plus-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-r-plus-08-2024
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.