Command A is het tekstmodel van Cohere uit maart 2025 voor zakelijke agents, antwoorden met opgehaalde bronnen en meertalig werk. Deze exacte editie heeft 111 miljard parameters, accepteert tekst en produceert tekst. De modelcontext van de ontwikkelaar bedraagt 256K tokens, met maximaal 8.000 uitvoertokens in het gepubliceerde serviceprofiel. Het staat los van Command A Vision, Command A Reasoning en de latere multimodale A+-editie.
De fabrikant beschrijft een autoregressieve transformer met lokale sliding-window-attention en periodieke globale attention. Drie lokale lagen gebruiken een venster van 4.096 tokens met rotatiegebaseerde positiecodering; een vierde laag gebruikt globale attention zonder positie-embeddings. Supervised fine-tuning en voorkeurstraining vormen behulpzaam gedrag voor gesprekken en gerichte taken. Het model is getraind in 23 talen en ondersteunt taken tussen talen, zoals vertalen of een vraag beantwoorden over materiaal dat in een andere taal is geschreven.
Geef de antwoordtaal aan en behoud de vereiste terminologie. Geef voor een meertalige kennisassistent de bronpassages eigen namen en vraag om een uitleg waarin productnamen, code-ID’s en geciteerde formuleringen behouden blijven. Een bruikbaar eindantwoord vermeldt de bron achter een conclusie, in plaats van een voor de taak belangrijk onderscheid weg te vertalen.
Command A is standaard gericht op gesprekken en voegt vaak een inleiding, vervolgvragen en Markdown- of wiskundige opmaak toe. Gebruik voor extractie, categorisering, samenvatting of vertaling de systeeminstructieaanpak van de ontwikkelaar om alleen het vereiste antwoord te vragen en geef aan of Markdown of codeblokken in de uitvoer thuishoren. Zo wordt een vriendelijke gespreksinleiding niet behandeld als onderdeel van een gegevensrecord voor verdere verwerking.
De modelkaart beschrijft contextuele en strikte veiligheidsmodi, met de contextuele modus als standaard van de ontwikkelaar. Dit zijn gedocumenteerde gedragsinstellingen van het ontwikkelaarsprofiel, onafhankelijk van het gevraagde taakformaat. Definieer de relevante taakcontext en de gewenste uitvoer duidelijk.
Command A is getraind voor de antwoordgeneratiestap van retrieval-augmented generation. De invoer combineert het gesprek met aangeleverde documentfragmenten, meestal ongeveer 100–400 woorden per fragment, weergegeven met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. De ontwikkelaar moedigt ook aan dit gespecialiseerde formaat te vergelijken met relevante documenten die direct in het gebruikersbericht worden geplaatst.
Label bij een beleidsmatige of technische vergelijking elk fragment en vraag om een conclusie die door de relevante passage wordt ondersteund. In het ontwikkelaarsformaat met bronverwijzingen koppelt de uitvoer delen van het antwoord aan ondersteunende bronnen. Houd de opgehaalde document-ID’s beschikbaar, zodat de verwijzingen begrijpelijk blijven. Een bronverwijzing geeft aan welk aangeleverd materiaal het gegenereerde tekstdeel ondersteunt; het omringende systeem verzorgt de daadwerkelijke informatieopvraging.
De ontwikkelaar traint Command A voor toolgebruik in gesprekken met functiebeschrijvingen volgens JSON Schema. Het model kan een plan en gekozen aanroepen genereren, de applicatie voert die aanroepen uit en de resultaten als dictionaries keren terug in het gesprek met de bijbehorende toolaanroep-ID. Het model gebruikt die waarnemingen vervolgens voor een antwoord, eventueel met brongemarkeerde tekstgedeelten die aan toolresultaten zijn gekoppeld.
Programmeertaken omvatten SQL-generatie, code-uitleg en het vertalen of herschrijven van code. Lever het schema of de relevante implementatie aan en het gedrag dat behouden moet blijven. De ontwikkelaar beveelt voor codegeneratie-instructies een lage temperature aan, waaronder waar passend greedy decoding. Beoordeel gegenereerde SQL of code vóór uitvoering en geef bij herzieningen echte validatiewaarnemingen terug.
De modelkaart noemt een praktisch contextverschil: het model ondersteunt 256K, terwijl de gepubliceerde Hugging Face-configuratie op 128K staat en kan worden aangepast. Behoud de daadwerkelijke contextconfiguratie van het gekozen werkproces en reserveer ruimte voor het antwoord. Een bruikbaar resultaat is het gevraagde tekst- of coderesultaat met bewijs dat herleidbaar is tot de aangeleverde bronnen en toolwaarnemingen.
", "aboutText": "Command A is het tekstmodel van Cohere uit maart 2025 voor zakelijke agents, antwoorden met opgehaalde bronnen en meertalig werk. Deze exacte editie heeft 111 miljard parameters, accepteert tekst en produceert tekst. De modelcontext van de ontwikkelaar bedraagt 256K tokens, met maximaal 8.000 uitvoertokens in het gepubliceerde serviceprofiel. Het staat los van Command A Vision, Command A Reasoning en de latere multimodale A+-editie.\n\n### Modeldetails en taal\n\nDe fabrikant beschrijft een autoregressieve transformer met lokale sliding-window-attention en periodieke globale attention. Drie lokale lagen gebruiken een venster van 4.096 tokens met rotatiegebaseerde positiecodering; een vierde laag gebruikt globale attention zonder positie-embeddings. Supervised fine-tuning en voorkeurstraining vormen behulpzaam gedrag voor gesprekken en gerichte taken. Het model is getraind in 23 talen en ondersteunt taken tussen talen, zoals vertalen of een vraag beantwoorden over materiaal dat in een andere taal is geschreven.\n\nGeef de antwoordtaal aan en behoud de vereiste terminologie. Geef voor een meertalige kennisassistent de bronpassages eigen namen en vraag om een uitleg waarin productnamen, code-ID’s en geciteerde formuleringen behouden blijven. Een bruikbaar eindantwoord vermeldt de bron achter een conclusie, in plaats van een voor de taak belangrijk onderscheid weg te vertalen.\n\n### Gesprekken en taakgerichte uitvoer\n\nCommand A is standaard gericht op gesprekken en voegt vaak een inleiding, vervolgvragen en Markdown- of wiskundige opmaak toe. Gebruik voor extractie, categorisering, samenvatting of vertaling de systeeminstructieaanpak van de ontwikkelaar om alleen het vereiste antwoord te vragen en geef aan of Markdown of codeblokken in de uitvoer thuishoren. Zo wordt een vriendelijke gespreksinleiding niet behandeld als onderdeel van een gegevensrecord voor verdere verwerking.\n\nDe modelkaart beschrijft contextuele en strikte veiligheidsmodi, met de contextuele modus als standaard van de ontwikkelaar. Dit zijn gedocumenteerde gedragsinstellingen van het ontwikkelaarsprofiel, onafhankelijk van het gevraagde taakformaat. Definieer de relevante taakcontext en de gewenste uitvoer duidelijk.\n\n### Generatie op basis van bronnen\n\nCommand A is getraind voor de antwoordgeneratiestap van retrieval-augmented generation. De invoer combineert het gesprek met aangeleverde documentfragmenten, meestal ongeveer 100–400 woorden per fragment, weergegeven met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. De ontwikkelaar moedigt ook aan dit gespecialiseerde formaat te vergelijken met relevante documenten die direct in het gebruikersbericht worden geplaatst.\n\nLabel bij een beleidsmatige of technische vergelijking elk fragment en vraag om een conclusie die door de relevante passage wordt ondersteund. In het ontwikkelaarsformaat met bronverwijzingen koppelt de uitvoer delen van het antwoord aan ondersteunende bronnen. Houd de opgehaalde document-ID’s beschikbaar, zodat de verwijzingen begrijpelijk blijven. Een bronverwijzing geeft aan welk aangeleverd materiaal het gegenereerde tekstdeel ondersteunt; het omringende systeem verzorgt de daadwerkelijke informatieopvraging.\n\n### Tools en code\n\nDe ontwikkelaar traint Command A voor toolgebruik in gesprekken met functiebeschrijvingen volgens JSON Schema. Het model kan een plan en gekozen aanroepen genereren, de applicatie voert die aanroepen uit en de resultaten als dictionaries keren terug in het gesprek met de bijbehorende toolaanroep-ID. Het model gebruikt die waarnemingen vervolgens voor een antwoord, eventueel met brongemarkeerde tekstgedeelten die aan toolresultaten zijn gekoppeld.\n\nProgrammeertaken omvatten SQL-generatie, code-uitleg en het vertalen of herschrijven van code. Lever het schema of de relevante implementatie aan en het gedrag dat behouden moet blijven. De ontwikkelaar beveelt voor codegeneratie-instructies een lage temperature aan, waaronder waar passend greedy decoding. Beoordeel gegenereerde SQL of code vóór uitvoering en geef bij herzieningen echte validatiewaarnemingen terug.\n\nDe modelkaart noemt een praktisch contextverschil: het model ondersteunt 256K, terwijl de gepubliceerde Hugging Face-configuratie op 128K staat en kan worden aangepast. Behoud de daadwerkelijke contextconfiguratie van het gekozen werkproces en reserveer ruimte voor het antwoord. Een bruikbaar resultaat is het gevraagde tekst- of coderesultaat met bewijs dat herleidbaar is tot de aangeleverde bronnen en toolwaarnemingen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 A is het 111B-tekstmodel van Cohere voor meertalige zakelijke agents, antwoorden op basis van documenten en werk met tools. Het combineert een context van 256K met bronverwijzingen, programmeerhulp en training in 23 talen, en produceert tekst uit geschreven instructies en aangeleverd bewijs.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Command A is het tekstmodel van Cohere uit maart 2025 voor zakelijke agents, antwoorden met opgehaalde bronnen en meertalig werk. Deze exacte editie heeft 111 miljard parameters, accepteert tekst en produceert tekst. De modelcontext van de ontwikkelaar bedraagt 256K tokens, met maximaal 8.000 uitvoertokens in het gepubliceerde serviceprofiel. Het staat los van Command A Vision, Command A Reasoning en de latere multimodale A+-editie.
De fabrikant beschrijft een autoregressieve transformer met lokale sliding-window-attention en periodieke globale attention. Drie lokale lagen gebruiken een venster van 4.096 tokens met rotatiegebaseerde positiecodering; een vierde laag gebruikt globale attention zonder positie-embeddings. Supervised fine-tuning en voorkeurstraining vormen behulpzaam gedrag voor gesprekken en gerichte taken. Het model is getraind in 23 talen en ondersteunt taken tussen talen, zoals vertalen of een vraag beantwoorden over materiaal dat in een andere taal is geschreven.
Geef de antwoordtaal aan en behoud de vereiste terminologie. Geef voor een meertalige kennisassistent de bronpassages eigen namen en vraag om een uitleg waarin productnamen, code-ID’s en geciteerde formuleringen behouden blijven. Een bruikbaar eindantwoord vermeldt de bron achter een conclusie, in plaats van een voor de taak belangrijk onderscheid weg te vertalen.
Command A is standaard gericht op gesprekken en voegt vaak een inleiding, vervolgvragen en Markdown- of wiskundige opmaak toe. Gebruik voor extractie, categorisering, samenvatting of vertaling de systeeminstructieaanpak van de ontwikkelaar om alleen het vereiste antwoord te vragen en geef aan of Markdown of codeblokken in de uitvoer thuishoren. Zo wordt een vriendelijke gespreksinleiding niet behandeld als onderdeel van een gegevensrecord voor verdere verwerking.
De modelkaart beschrijft contextuele en strikte veiligheidsmodi, met de contextuele modus als standaard van de ontwikkelaar. Dit zijn gedocumenteerde gedragsinstellingen van het ontwikkelaarsprofiel, onafhankelijk van het gevraagde taakformaat. Definieer de relevante taakcontext en de gewenste uitvoer duidelijk.
Command A is getraind voor de antwoordgeneratiestap van retrieval-augmented generation. De invoer combineert het gesprek met aangeleverde documentfragmenten, meestal ongeveer 100–400 woorden per fragment, weergegeven met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. De ontwikkelaar moedigt ook aan dit gespecialiseerde formaat te vergelijken met relevante documenten die direct in het gebruikersbericht worden geplaatst.
Label bij een beleidsmatige of technische vergelijking elk fragment en vraag om een conclusie die door de relevante passage wordt ondersteund. In het ontwikkelaarsformaat met bronverwijzingen koppelt de uitvoer delen van het antwoord aan ondersteunende bronnen. Houd de opgehaalde document-ID’s beschikbaar, zodat de verwijzingen begrijpelijk blijven. Een bronverwijzing geeft aan welk aangeleverd materiaal het gegenereerde tekstdeel ondersteunt; het omringende systeem verzorgt de daadwerkelijke informatieopvraging.
De ontwikkelaar traint Command A voor toolgebruik in gesprekken met functiebeschrijvingen volgens JSON Schema. Het model kan een plan en gekozen aanroepen genereren, de applicatie voert die aanroepen uit en de resultaten als dictionaries keren terug in het gesprek met de bijbehorende toolaanroep-ID. Het model gebruikt die waarnemingen vervolgens voor een antwoord, eventueel met brongemarkeerde tekstgedeelten die aan toolresultaten zijn gekoppeld.
Programmeertaken omvatten SQL-generatie, code-uitleg en het vertalen of herschrijven van code. Lever het schema of de relevante implementatie aan en het gedrag dat behouden moet blijven. De ontwikkelaar beveelt voor codegeneratie-instructies een lage temperature aan, waaronder waar passend greedy decoding. Beoordeel gegenereerde SQL of code vóór uitvoering en geef bij herzieningen echte validatiewaarnemingen terug.
De modelkaart noemt een praktisch contextverschil: het model ondersteunt 256K, terwijl de gepubliceerde Hugging Face-configuratie op 128K staat en kan worden aangepast. Behoud de daadwerkelijke contextconfiguratie van het gekozen werkproces en reserveer ruimte voor het antwoord. Een bruikbaar resultaat is het gevraagde tekst- of coderesultaat met bewijs dat herleidbaar is tot de aangeleverde bronnen en toolwaarnemingen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten cohere/command-a | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra cohere/command-a
Gebruik de hierboven getoonde methodepaden.
cohere/command-aCommand A is het 111B-tekstmodel van Cohere voor meertalige zakelijke agents, antwoorden op basis van documenten en werk met tools. Het combineert een context van 256K met bronverwijzingen, programmeerhulp en training in 23 talen, en produceert tekst uit geschreven instructies en aangeleverd bewijs.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Command A is het tekstmodel van Cohere uit maart 2025 voor zakelijke agents, antwoorden met opgehaalde bronnen en meertalig werk. Deze exacte editie heeft 111 miljard parameters, accepteert tekst en produceert tekst. De modelcontext van de ontwikkelaar bedraagt 256K tokens, met maximaal 8.000 uitvoertokens in het gepubliceerde serviceprofiel. Het staat los van Command A Vision, Command A Reasoning en de latere multimodale A+-editie.
De fabrikant beschrijft een autoregressieve transformer met lokale sliding-window-attention en periodieke globale attention. Drie lokale lagen gebruiken een venster van 4.096 tokens met rotatiegebaseerde positiecodering; een vierde laag gebruikt globale attention zonder positie-embeddings. Supervised fine-tuning en voorkeurstraining vormen behulpzaam gedrag voor gesprekken en gerichte taken. Het model is getraind in 23 talen en ondersteunt taken tussen talen, zoals vertalen of een vraag beantwoorden over materiaal dat in een andere taal is geschreven.
Geef de antwoordtaal aan en behoud de vereiste terminologie. Geef voor een meertalige kennisassistent de bronpassages eigen namen en vraag om een uitleg waarin productnamen, code-ID’s en geciteerde formuleringen behouden blijven. Een bruikbaar eindantwoord vermeldt de bron achter een conclusie, in plaats van een voor de taak belangrijk onderscheid weg te vertalen.
Command A is standaard gericht op gesprekken en voegt vaak een inleiding, vervolgvragen en Markdown- of wiskundige opmaak toe. Gebruik voor extractie, categorisering, samenvatting of vertaling de systeeminstructieaanpak van de ontwikkelaar om alleen het vereiste antwoord te vragen en geef aan of Markdown of codeblokken in de uitvoer thuishoren. Zo wordt een vriendelijke gespreksinleiding niet behandeld als onderdeel van een gegevensrecord voor verdere verwerking.
De modelkaart beschrijft contextuele en strikte veiligheidsmodi, met de contextuele modus als standaard van de ontwikkelaar. Dit zijn gedocumenteerde gedragsinstellingen van het ontwikkelaarsprofiel, onafhankelijk van het gevraagde taakformaat. Definieer de relevante taakcontext en de gewenste uitvoer duidelijk.
Command A is getraind voor de antwoordgeneratiestap van retrieval-augmented generation. De invoer combineert het gesprek met aangeleverde documentfragmenten, meestal ongeveer 100–400 woorden per fragment, weergegeven met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. De ontwikkelaar moedigt ook aan dit gespecialiseerde formaat te vergelijken met relevante documenten die direct in het gebruikersbericht worden geplaatst.
Label bij een beleidsmatige of technische vergelijking elk fragment en vraag om een conclusie die door de relevante passage wordt ondersteund. In het ontwikkelaarsformaat met bronverwijzingen koppelt de uitvoer delen van het antwoord aan ondersteunende bronnen. Houd de opgehaalde document-ID’s beschikbaar, zodat de verwijzingen begrijpelijk blijven. Een bronverwijzing geeft aan welk aangeleverd materiaal het gegenereerde tekstdeel ondersteunt; het omringende systeem verzorgt de daadwerkelijke informatieopvraging.
De ontwikkelaar traint Command A voor toolgebruik in gesprekken met functiebeschrijvingen volgens JSON Schema. Het model kan een plan en gekozen aanroepen genereren, de applicatie voert die aanroepen uit en de resultaten als dictionaries keren terug in het gesprek met de bijbehorende toolaanroep-ID. Het model gebruikt die waarnemingen vervolgens voor een antwoord, eventueel met brongemarkeerde tekstgedeelten die aan toolresultaten zijn gekoppeld.
Programmeertaken omvatten SQL-generatie, code-uitleg en het vertalen of herschrijven van code. Lever het schema of de relevante implementatie aan en het gedrag dat behouden moet blijven. De ontwikkelaar beveelt voor codegeneratie-instructies een lage temperature aan, waaronder waar passend greedy decoding. Beoordeel gegenereerde SQL of code vóór uitvoering en geef bij herzieningen echte validatiewaarnemingen terug.
De modelkaart noemt een praktisch contextverschil: het model ondersteunt 256K, terwijl de gepubliceerde Hugging Face-configuratie op 128K staat en kan worden aangepast. Behoud de daadwerkelijke contextconfiguratie van het gekozen werkproces en reserveer ruimte voor het antwoord. Een bruikbaar resultaat is het gevraagde tekst- of coderesultaat met bewijs dat herleidbaar is tot de aangeleverde bronnen en toolwaarnemingen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten cohere/command-a | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "cohere/command-a",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra cohere/command-a
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.