Command R+ (08-2024) is het grote tekstmodel van Cohere uit augustus 2024 voor complexe antwoorden met opgehaalde bronnen en agenttaken. Deze exacte editie heeft 104 miljard parameters en een context van 128K, accepteert tekst en produceert tekst. Het gepubliceerde ontwikkelaarsprofiel vermeldt maximaal 4.000 uitvoertokens. R+ is de grotere tegenhanger van Command R en legt specifiek de nadruk op het combineren van tools over meerdere stappen.
Het model gebruikt een autoregressieve transformer met grouped-query-attention, supervised fine-tuning en voorkeurstraining. Het is getraind in 23 talen en geëvalueerd op tien hoofdtalen. De vernieuwing van augustus verbetert beslissingen over toolkeuze, het opvolgen van systeeminstructies, analyse van gestructureerde gegevens en robuustheid tegen niet-semantische promptwijzigingen. Het ondersteunt ook zoekprocessen zonder bronverwijzingen, verschillende veiligheidsmodi en het weigeren van vragen die niet kunnen worden beantwoord.
Geef voor meertalig werk de uitvoertaal en de namen, codes of broncitaten aan die ongewijzigd moeten blijven. Een brongebaseerd antwoord kan materiaal in een andere taal uitleggen, terwijl het bewijs beschikbaar blijft voor beoordeling. Lever voor tijdgevoelige feiten een actuele bron aan of verkrijg die via een geschikte applicatietool.
De RAG-sjabloon van de ontwikkelaar accepteert een gesprek en opgehaalde documentfragmenten, gewoonlijk ongeveer 100–400 woorden per fragment, met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. Het model is specifiek getraind om vanuit die fragmenten te antwoorden en antwoordgedeelten aan ondersteunende bronnen te koppelen. Gebruik de sjabloon van deze exacte editie wanneer dat getrainde brongebaseerde gedrag van belang is.
De nauwkeurige bronverwijzingsmodus identificeert relevante en geciteerde documenten, genereert een antwoord en voegt brongemarkeerde tekstgedeelten in. De snelle modus genereert het antwoord met bronverwijzingen direct, met minder uitvoertokens ten koste van enige nauwkeurigheid in bronkoppeling. Houd voor beide modi bron-ID’s beschikbaar. Een praktisch rapportverzoek kan het model vragen bewijs te vergelijken met benoemde criteria en bij elke bevinding de ondersteunende passage te citeren.
R+ ondersteunt zowel een sjabloon voor functieaanroepen in één stap als toolgebruik in meerdere stappen voor moeilijkere werkprocessen. In het proces met één stap kiest het model functies en JSON-argumenten, de applicatie voert ze uit en een later modelantwoord gebruikt de teruggegeven resultaten. De gedocumenteerde keuze directly_answer laat het model een onnodige externe bewerking vermijden. In een agent met meerdere stappen kunnen volgende beslissingen waarnemingen uit verschillende tools combineren totdat de taak het opgegeven resultaat bereikt.
Een bruikbare agentopdracht definieert de vraag, toegestane bewerkingen en het eindresultaat. Een onderzoeksassistent moet bijvoorbeeld relevante productrecords ophalen, de aangeleverde vereisten vergelijken en een aanbeveling met bewijs produceren. Geef elke tool een duidelijk doel en koppel het resultaat aan de aanroep die het produceerde. Een in tekst voorgestelde bewerking staat los van uitvoering door de applicatie.
Organiseer de bronfragmenten rond de daadwerkelijke vraag en reserveer ruimte voor toolgeschiedenis en het antwoord. Vraag het model bij tegenstrijdig beschikbaar bewijs het verschil uit te leggen, in plaats van een niet-onderbouwde waarde te kiezen. Definieer bij werk met gestructureerde gegevens de velden, eenheden en weergave van ontbrekende informatie.
Het eindresultaat moet een controleerbaar antwoord of rapport zijn dat is gekoppeld aan het aangeleverde bewijs en de daadwerkelijke waarnemingen. De omvang en agentfocus van R+ bieden op zichzelf geen zoekverbinding, voeren geen databaseactie uit en valideren geen gegenereerde code. Die stappen horen bij het omringende werkproces, en het teruggegeven bewijs maakt een conclusie controleerbaar.
", "aboutText": "Command R+ (08-2024) is het grote tekstmodel van Cohere uit augustus 2024 voor complexe antwoorden met opgehaalde bronnen en agenttaken. Deze exacte editie heeft 104 miljard parameters en een context van 128K, accepteert tekst en produceert tekst. Het gepubliceerde ontwikkelaarsprofiel vermeldt maximaal 4.000 uitvoertokens. R+ is de grotere tegenhanger van Command R en legt specifiek de nadruk op het combineren van tools over meerdere stappen.\n\n### Model en wijzigingen in deze editie\n\nHet model gebruikt een autoregressieve transformer met grouped-query-attention, supervised fine-tuning en voorkeurstraining. Het is getraind in 23 talen en geëvalueerd op tien hoofdtalen. De vernieuwing van augustus verbetert beslissingen over toolkeuze, het opvolgen van systeeminstructies, analyse van gestructureerde gegevens en robuustheid tegen niet-semantische promptwijzigingen. Het ondersteunt ook zoekprocessen zonder bronverwijzingen, verschillende veiligheidsmodi en het weigeren van vragen die niet kunnen worden beantwoord.\n\nGeef voor meertalig werk de uitvoertaal en de namen, codes of broncitaten aan die ongewijzigd moeten blijven. Een brongebaseerd antwoord kan materiaal in een andere taal uitleggen, terwijl het bewijs beschikbaar blijft voor beoordeling. Lever voor tijdgevoelige feiten een actuele bron aan of verkrijg die via een geschikte applicatietool.\n\n### Brongebaseerde antwoorden en verwijzingen\n\nDe RAG-sjabloon van de ontwikkelaar accepteert een gesprek en opgehaalde documentfragmenten, gewoonlijk ongeveer 100–400 woorden per fragment, met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. Het model is specifiek getraind om vanuit die fragmenten te antwoorden en antwoordgedeelten aan ondersteunende bronnen te koppelen. Gebruik de sjabloon van deze exacte editie wanneer dat getrainde brongebaseerde gedrag van belang is.\n\nDe nauwkeurige bronverwijzingsmodus identificeert relevante en geciteerde documenten, genereert een antwoord en voegt brongemarkeerde tekstgedeelten in. De snelle modus genereert het antwoord met bronverwijzingen direct, met minder uitvoertokens ten koste van enige nauwkeurigheid in bronkoppeling. Houd voor beide modi bron-ID’s beschikbaar. Een praktisch rapportverzoek kan het model vragen bewijs te vergelijken met benoemde criteria en bij elke bevinding de ondersteunende passage te citeren.\n\n### Werk met tools\n\nR+ ondersteunt zowel een sjabloon voor functieaanroepen in één stap als toolgebruik in meerdere stappen voor moeilijkere werkprocessen. In het proces met één stap kiest het model functies en JSON-argumenten, de applicatie voert ze uit en een later modelantwoord gebruikt de teruggegeven resultaten. De gedocumenteerde keuze directly_answer laat het model een onnodige externe bewerking vermijden. In een agent met meerdere stappen kunnen volgende beslissingen waarnemingen uit verschillende tools combineren totdat de taak het opgegeven resultaat bereikt.\n\nEen bruikbare agentopdracht definieert de vraag, toegestane bewerkingen en het eindresultaat. Een onderzoeksassistent moet bijvoorbeeld relevante productrecords ophalen, de aangeleverde vereisten vergelijken en een aanbeveling met bewijs produceren. Geef elke tool een duidelijk doel en koppel het resultaat aan de aanroep die het produceerde. Een in tekst voorgestelde bewerking staat los van uitvoering door de applicatie.\n\n### Het resultaat voorbereiden en beoordelen\n\nOrganiseer de bronfragmenten rond de daadwerkelijke vraag en reserveer ruimte voor toolgeschiedenis en het antwoord. Vraag het model bij tegenstrijdig beschikbaar bewijs het verschil uit te leggen, in plaats van een niet-onderbouwde waarde te kiezen. Definieer bij werk met gestructureerde gegevens de velden, eenheden en weergave van ontbrekende informatie.\n\nHet eindresultaat moet een controleerbaar antwoord of rapport zijn dat is gekoppeld aan het aangeleverde bewijs en de daadwerkelijke waarnemingen. De omvang en agentfocus van R+ bieden op zichzelf geen zoekverbinding, voeren geen databaseactie uit en valideren geen gegenereerde code. Die stappen horen bij het omringende werkproces, en het teruggegeven bewijs maakt een conclusie controleerbaar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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) is het 104B-tekstmodel van Cohere voor complexe antwoorden op basis van documenten en toolgebruik in meerdere stappen. Het combineert een context van 128K met meertalige generatie, bronverwijzingen per tekstdeel en agentprocessen die de daadwerkelijke toolwaarnemingen van de applicatie gebruiken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Command R+ (08-2024) is het grote tekstmodel van Cohere uit augustus 2024 voor complexe antwoorden met opgehaalde bronnen en agenttaken. Deze exacte editie heeft 104 miljard parameters en een context van 128K, accepteert tekst en produceert tekst. Het gepubliceerde ontwikkelaarsprofiel vermeldt maximaal 4.000 uitvoertokens. R+ is de grotere tegenhanger van Command R en legt specifiek de nadruk op het combineren van tools over meerdere stappen.
Het model gebruikt een autoregressieve transformer met grouped-query-attention, supervised fine-tuning en voorkeurstraining. Het is getraind in 23 talen en geëvalueerd op tien hoofdtalen. De vernieuwing van augustus verbetert beslissingen over toolkeuze, het opvolgen van systeeminstructies, analyse van gestructureerde gegevens en robuustheid tegen niet-semantische promptwijzigingen. Het ondersteunt ook zoekprocessen zonder bronverwijzingen, verschillende veiligheidsmodi en het weigeren van vragen die niet kunnen worden beantwoord.
Geef voor meertalig werk de uitvoertaal en de namen, codes of broncitaten aan die ongewijzigd moeten blijven. Een brongebaseerd antwoord kan materiaal in een andere taal uitleggen, terwijl het bewijs beschikbaar blijft voor beoordeling. Lever voor tijdgevoelige feiten een actuele bron aan of verkrijg die via een geschikte applicatietool.
De RAG-sjabloon van de ontwikkelaar accepteert een gesprek en opgehaalde documentfragmenten, gewoonlijk ongeveer 100–400 woorden per fragment, met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. Het model is specifiek getraind om vanuit die fragmenten te antwoorden en antwoordgedeelten aan ondersteunende bronnen te koppelen. Gebruik de sjabloon van deze exacte editie wanneer dat getrainde brongebaseerde gedrag van belang is.
De nauwkeurige bronverwijzingsmodus identificeert relevante en geciteerde documenten, genereert een antwoord en voegt brongemarkeerde tekstgedeelten in. De snelle modus genereert het antwoord met bronverwijzingen direct, met minder uitvoertokens ten koste van enige nauwkeurigheid in bronkoppeling. Houd voor beide modi bron-ID’s beschikbaar. Een praktisch rapportverzoek kan het model vragen bewijs te vergelijken met benoemde criteria en bij elke bevinding de ondersteunende passage te citeren.
R+ ondersteunt zowel een sjabloon voor functieaanroepen in één stap als toolgebruik in meerdere stappen voor moeilijkere werkprocessen. In het proces met één stap kiest het model functies en JSON-argumenten, de applicatie voert ze uit en een later modelantwoord gebruikt de teruggegeven resultaten. De gedocumenteerde keuze directly_answer laat het model een onnodige externe bewerking vermijden. In een agent met meerdere stappen kunnen volgende beslissingen waarnemingen uit verschillende tools combineren totdat de taak het opgegeven resultaat bereikt.
Een bruikbare agentopdracht definieert de vraag, toegestane bewerkingen en het eindresultaat. Een onderzoeksassistent moet bijvoorbeeld relevante productrecords ophalen, de aangeleverde vereisten vergelijken en een aanbeveling met bewijs produceren. Geef elke tool een duidelijk doel en koppel het resultaat aan de aanroep die het produceerde. Een in tekst voorgestelde bewerking staat los van uitvoering door de applicatie.
Organiseer de bronfragmenten rond de daadwerkelijke vraag en reserveer ruimte voor toolgeschiedenis en het antwoord. Vraag het model bij tegenstrijdig beschikbaar bewijs het verschil uit te leggen, in plaats van een niet-onderbouwde waarde te kiezen. Definieer bij werk met gestructureerde gegevens de velden, eenheden en weergave van ontbrekende informatie.
Het eindresultaat moet een controleerbaar antwoord of rapport zijn dat is gekoppeld aan het aangeleverde bewijs en de daadwerkelijke waarnemingen. De omvang en agentfocus van R+ bieden op zichzelf geen zoekverbinding, voeren geen databaseactie uit en valideren geen gegenereerde code. Die stappen horen bij het omringende werkproces, en het teruggegeven bewijs maakt een conclusie controleerbaar.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten cohere/command-r-plus-08-2024 | 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-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 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-r-plus-08-2024
Gebruik de hierboven getoonde methodepaden.
cohere/command-r-plus-08-2024Command R+ (08-2024) is het 104B-tekstmodel van Cohere voor complexe antwoorden op basis van documenten en toolgebruik in meerdere stappen. Het combineert een context van 128K met meertalige generatie, bronverwijzingen per tekstdeel en agentprocessen die de daadwerkelijke toolwaarnemingen van de applicatie gebruiken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Command R+ (08-2024) is het grote tekstmodel van Cohere uit augustus 2024 voor complexe antwoorden met opgehaalde bronnen en agenttaken. Deze exacte editie heeft 104 miljard parameters en een context van 128K, accepteert tekst en produceert tekst. Het gepubliceerde ontwikkelaarsprofiel vermeldt maximaal 4.000 uitvoertokens. R+ is de grotere tegenhanger van Command R en legt specifiek de nadruk op het combineren van tools over meerdere stappen.
Het model gebruikt een autoregressieve transformer met grouped-query-attention, supervised fine-tuning en voorkeurstraining. Het is getraind in 23 talen en geëvalueerd op tien hoofdtalen. De vernieuwing van augustus verbetert beslissingen over toolkeuze, het opvolgen van systeeminstructies, analyse van gestructureerde gegevens en robuustheid tegen niet-semantische promptwijzigingen. Het ondersteunt ook zoekprocessen zonder bronverwijzingen, verschillende veiligheidsmodi en het weigeren van vragen die niet kunnen worden beantwoord.
Geef voor meertalig werk de uitvoertaal en de namen, codes of broncitaten aan die ongewijzigd moeten blijven. Een brongebaseerd antwoord kan materiaal in een andere taal uitleggen, terwijl het bewijs beschikbaar blijft voor beoordeling. Lever voor tijdgevoelige feiten een actuele bron aan of verkrijg die via een geschikte applicatietool.
De RAG-sjabloon van de ontwikkelaar accepteert een gesprek en opgehaalde documentfragmenten, gewoonlijk ongeveer 100–400 woorden per fragment, met korte beschrijvende sleutels en tekstuele of semigestructureerde waarden. Het model is specifiek getraind om vanuit die fragmenten te antwoorden en antwoordgedeelten aan ondersteunende bronnen te koppelen. Gebruik de sjabloon van deze exacte editie wanneer dat getrainde brongebaseerde gedrag van belang is.
De nauwkeurige bronverwijzingsmodus identificeert relevante en geciteerde documenten, genereert een antwoord en voegt brongemarkeerde tekstgedeelten in. De snelle modus genereert het antwoord met bronverwijzingen direct, met minder uitvoertokens ten koste van enige nauwkeurigheid in bronkoppeling. Houd voor beide modi bron-ID’s beschikbaar. Een praktisch rapportverzoek kan het model vragen bewijs te vergelijken met benoemde criteria en bij elke bevinding de ondersteunende passage te citeren.
R+ ondersteunt zowel een sjabloon voor functieaanroepen in één stap als toolgebruik in meerdere stappen voor moeilijkere werkprocessen. In het proces met één stap kiest het model functies en JSON-argumenten, de applicatie voert ze uit en een later modelantwoord gebruikt de teruggegeven resultaten. De gedocumenteerde keuze directly_answer laat het model een onnodige externe bewerking vermijden. In een agent met meerdere stappen kunnen volgende beslissingen waarnemingen uit verschillende tools combineren totdat de taak het opgegeven resultaat bereikt.
Een bruikbare agentopdracht definieert de vraag, toegestane bewerkingen en het eindresultaat. Een onderzoeksassistent moet bijvoorbeeld relevante productrecords ophalen, de aangeleverde vereisten vergelijken en een aanbeveling met bewijs produceren. Geef elke tool een duidelijk doel en koppel het resultaat aan de aanroep die het produceerde. Een in tekst voorgestelde bewerking staat los van uitvoering door de applicatie.
Organiseer de bronfragmenten rond de daadwerkelijke vraag en reserveer ruimte voor toolgeschiedenis en het antwoord. Vraag het model bij tegenstrijdig beschikbaar bewijs het verschil uit te leggen, in plaats van een niet-onderbouwde waarde te kiezen. Definieer bij werk met gestructureerde gegevens de velden, eenheden en weergave van ontbrekende informatie.
Het eindresultaat moet een controleerbaar antwoord of rapport zijn dat is gekoppeld aan het aangeleverde bewijs en de daadwerkelijke waarnemingen. De omvang en agentfocus van R+ bieden op zichzelf geen zoekverbinding, voeren geen databaseactie uit en valideren geen gegenereerde code. Die stappen horen bij het omringende werkproces, en het teruggegeven bewijs maakt een conclusie controleerbaar.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten cohere/command-r-plus-08-2024 | 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 $0.02 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "cohere/command-r-plus-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-r-plus-08-2024
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.