Command A+ to multimodalny model rozumujący Cohere z maja 2026 roku do złożonych zadań biznesowych. Łączy wejście tekstowe i obrazowe z wyjściem tekstowym i obsługuje 48 języków, w tym wszystkie języki urzędowe Unii Europejskiej. Producent pozycjonuje go dla wielojęzycznych agentów analizujących dowody, rozwiązujących problemy i używających narzędzi dostarczonych przez aplikację. To odrębna edycja względem wcześniejszego tekstowego Command A oraz wyspecjalizowanych modeli Vision i Reasoning.
Cohere opisuje rzadką architekturę mixture-of-experts z 218 miliardami parametrów ogółem i 25 miliardami parametrów aktywnych. Opublikowany profil ma kontekst 128 000 tokenów i maksymalne wyjście 64 000 tokenów. Podana data graniczna wiedzy to 1 kwietnia 2025 roku. Materiał źródłowy, rozmowa i wygenerowany wynik muszą zmieścić się w obowiązującym budżecie żądania; dostarcz aktualne dowody lub odpowiednie narzędzie, gdy zadanie zależy od informacji wykraczających poza wiedzę z treningu.
Hybrydowy przepływ rozumowania producenta może włączyć namysł przed końcową odpowiedzią tekstową lub wyłączyć go na rzecz odpowiedzi bezpośrednich. Budżet rozumowania kontroluje proces pośredni, natomiast odpowiedź nadal potrzebuje miejsca na przekazanie wyniku. Zdefiniuj odpowiedź niezależnie: notatkę decyzyjną, porównanie, przetłumaczone wyjaśnienie lub ustrukturyzowany rekord. W zadaniu wielojęzycznym określ język wyjścia oraz nazwy własne, identyfikatory pól i cytaty, które muszą zachować oryginalną postać.
Przykładowa instrukcja brzmi: „Porównaj te fragmenty regulaminów, wyjaśnij różnicę operacyjną we wskazanym języku i wskaż zdanie źródłowe potwierdzające każdy wniosek”. Łączy to rozumienie wielu języków z rozumowaniem nad rzeczywistymi dowodami zamiast prośby o niepoparty źródłami opis regulaminu.
Przewodnik obrazowy Cohere obejmuje wykresy, diagramy, tabele w obrazach, rozpoznawanie dokumentów i pytania oparte na obrazach. Przygotuj czytelne strony i zachowaj nagłówki, jednostki oraz etykiety osi. Gdy szczegół jest mały, powiększ go bez utraty otaczającego kontekstu i użyj udokumentowanego wyboru szczegółowości obrazu odpowiedniego do zadania. Producent zauważa, że skuteczność wizualna może się różnić przy piśmie niełacińskim.
Udokumentowany przepływ obrazowy przyjmuje PNG, JPEG, WEBP i nieanimowany GIF, do 20 obrazów lub 20 MB łącznie na żądanie, zależnie od tego, który limit zostanie osiągnięty pierwszy. Są to granice przepływu producenta. Przy ekstrakcji poproś o konkretne pola i odniesienie do obrazu źródłowego; przy analizie wykresu poproś o widoczne wartości oddzielnie od interpretacji. Model zwraca tekst, dlatego generowanie lub edytowanie obrazu jest innym zadaniem wyjściowym.
Command A+ wymienia cytowania, używanie narzędzi, ustrukturyzowane wyjście i tryby bezpieczeństwa wśród swoich możliwości. Nadaj dokumentom znaczące identyfikatory i dostarcz funkcje narzędzi z opisami oraz schematami argumentów. Model może wybrać operację, aplikacja wykonuje ją i zwraca wynik, a kolejna odpowiedź może wykorzystać te dowody. Źródło wyszukiwania, działanie proponowane przez model i wykonany wynik powinny pozostać rozróżnialne w zapisie zadania.
Przy ustrukturyzowanym wyniku określ każde pole i oczekiwany sposób traktowania brakujących danych. Sprawdź treść względem źródeł, nawet gdy format jest poprawny. Przydatny końcowy materiał zawiera zamówioną odpowiedź, potwierdzające ją dowody i wszelkie nierozstrzygnięte informacje wpływające na wniosek. Wiąże to możliwości multimodalne i rozumowanie modelu z konkretnym zadaniem biznesowym bez przypisywania tej edycji wcześniejszego profilu Command A.
", "aboutText": "Command A+ to multimodalny model rozumujący Cohere z maja 2026 roku do złożonych zadań biznesowych. Łączy wejście tekstowe i obrazowe z wyjściem tekstowym i obsługuje 48 języków, w tym wszystkie języki urzędowe Unii Europejskiej. Producent pozycjonuje go dla wielojęzycznych agentów analizujących dowody, rozwiązujących problemy i używających narzędzi dostarczonych przez aplikację. To odrębna edycja względem wcześniejszego tekstowego Command A oraz wyspecjalizowanych modeli Vision i Reasoning.\n\n### Właściwości modelu i rozmiar zadania\n\nCohere opisuje rzadką architekturę mixture-of-experts z 218 miliardami parametrów ogółem i 25 miliardami parametrów aktywnych. Opublikowany profil ma kontekst 128 000 tokenów i maksymalne wyjście 64 000 tokenów. Podana data graniczna wiedzy to 1 kwietnia 2025 roku. Materiał źródłowy, rozmowa i wygenerowany wynik muszą zmieścić się w obowiązującym budżecie żądania; dostarcz aktualne dowody lub odpowiednie narzędzie, gdy zadanie zależy od informacji wykraczających poza wiedzę z treningu.\n\n### Rozumowanie i praca wielojęzyczna\n\nHybrydowy przepływ rozumowania producenta może włączyć namysł przed końcową odpowiedzią tekstową lub wyłączyć go na rzecz odpowiedzi bezpośrednich. Budżet rozumowania kontroluje proces pośredni, natomiast odpowiedź nadal potrzebuje miejsca na przekazanie wyniku. Zdefiniuj odpowiedź niezależnie: notatkę decyzyjną, porównanie, przetłumaczone wyjaśnienie lub ustrukturyzowany rekord. W zadaniu wielojęzycznym określ język wyjścia oraz nazwy własne, identyfikatory pól i cytaty, które muszą zachować oryginalną postać.\n\nPrzykładowa instrukcja brzmi: „Porównaj te fragmenty regulaminów, wyjaśnij różnicę operacyjną we wskazanym języku i wskaż zdanie źródłowe potwierdzające każdy wniosek”. Łączy to rozumienie wielu języków z rozumowaniem nad rzeczywistymi dowodami zamiast prośby o niepoparty źródłami opis regulaminu.\n\n### Obrazy i dowody dokumentowe\n\nPrzewodnik obrazowy Cohere obejmuje wykresy, diagramy, tabele w obrazach, rozpoznawanie dokumentów i pytania oparte na obrazach. Przygotuj czytelne strony i zachowaj nagłówki, jednostki oraz etykiety osi. Gdy szczegół jest mały, powiększ go bez utraty otaczającego kontekstu i użyj udokumentowanego wyboru szczegółowości obrazu odpowiedniego do zadania. Producent zauważa, że skuteczność wizualna może się różnić przy piśmie niełacińskim.\n\nUdokumentowany przepływ obrazowy przyjmuje PNG, JPEG, WEBP i nieanimowany GIF, do 20 obrazów lub 20 MB łącznie na żądanie, zależnie od tego, który limit zostanie osiągnięty pierwszy. Są to granice przepływu producenta. Przy ekstrakcji poproś o konkretne pola i odniesienie do obrazu źródłowego; przy analizie wykresu poproś o widoczne wartości oddzielnie od interpretacji. Model zwraca tekst, dlatego generowanie lub edytowanie obrazu jest innym zadaniem wyjściowym.\n\n### Cytowania, narzędzia i ustrukturyzowane wyniki\n\nCommand A+ wymienia cytowania, używanie narzędzi, ustrukturyzowane wyjście i tryby bezpieczeństwa wśród swoich możliwości. Nadaj dokumentom znaczące identyfikatory i dostarcz funkcje narzędzi z opisami oraz schematami argumentów. Model może wybrać operację, aplikacja wykonuje ją i zwraca wynik, a kolejna odpowiedź może wykorzystać te dowody. Źródło wyszukiwania, działanie proponowane przez model i wykonany wynik powinny pozostać rozróżnialne w zapisie zadania.\n\nPrzy ustrukturyzowanym wyniku określ każde pole i oczekiwany sposób traktowania brakujących danych. Sprawdź treść względem źródeł, nawet gdy format jest poprawny. Przydatny końcowy materiał zawiera zamówioną odpowiedź, potwierdzające ją dowody i wszelkie nierozstrzygnięte informacje wpływające na wniosek. Wiąże to możliwości multimodalne i rozumowanie modelu z konkretnym zadaniem biznesowym bez przypisywania tej edycji wcześniejszego profilu Command A.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Reconcile multilingual delivery notes\n\nCompare these delivery notes: EN-1: 'Send eight replacement handles; keep order A17 open until they arrive.' FR-1: 'Envoyer huit poignees de remplacement; ne pas fermer la commande A17 avant leur reception.' Write an English operations handoff with quantity, item, order ID and closure condition. State whether the two supplied notes disagree.An English handoff with four operational fields and an evidence-based agreement check.Keep A17 unchanged and preserve the condition that arrival precedes closure.cohere/command-a-plusCommand A+ to multimodalny model rozumujący Cohere dla agentów biznesowych, z wejściem tekstowym i obrazowym oraz wyjściem tekstowym w 48 językach. Łączy cytowania, używanie narzędzi i ustrukturyzowane wyniki z kontekstem 128 000 tokenów oraz udokumentowanym limitem wyjścia 64 000 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Command A+ to multimodalny model rozumujący Cohere z maja 2026 roku do złożonych zadań biznesowych. Łączy wejście tekstowe i obrazowe z wyjściem tekstowym i obsługuje 48 języków, w tym wszystkie języki urzędowe Unii Europejskiej. Producent pozycjonuje go dla wielojęzycznych agentów analizujących dowody, rozwiązujących problemy i używających narzędzi dostarczonych przez aplikację. To odrębna edycja względem wcześniejszego tekstowego Command A oraz wyspecjalizowanych modeli Vision i Reasoning.
Cohere opisuje rzadką architekturę mixture-of-experts z 218 miliardami parametrów ogółem i 25 miliardami parametrów aktywnych. Opublikowany profil ma kontekst 128 000 tokenów i maksymalne wyjście 64 000 tokenów. Podana data graniczna wiedzy to 1 kwietnia 2025 roku. Materiał źródłowy, rozmowa i wygenerowany wynik muszą zmieścić się w obowiązującym budżecie żądania; dostarcz aktualne dowody lub odpowiednie narzędzie, gdy zadanie zależy od informacji wykraczających poza wiedzę z treningu.
Hybrydowy przepływ rozumowania producenta może włączyć namysł przed końcową odpowiedzią tekstową lub wyłączyć go na rzecz odpowiedzi bezpośrednich. Budżet rozumowania kontroluje proces pośredni, natomiast odpowiedź nadal potrzebuje miejsca na przekazanie wyniku. Zdefiniuj odpowiedź niezależnie: notatkę decyzyjną, porównanie, przetłumaczone wyjaśnienie lub ustrukturyzowany rekord. W zadaniu wielojęzycznym określ język wyjścia oraz nazwy własne, identyfikatory pól i cytaty, które muszą zachować oryginalną postać.
Przykładowa instrukcja brzmi: „Porównaj te fragmenty regulaminów, wyjaśnij różnicę operacyjną we wskazanym języku i wskaż zdanie źródłowe potwierdzające każdy wniosek”. Łączy to rozumienie wielu języków z rozumowaniem nad rzeczywistymi dowodami zamiast prośby o niepoparty źródłami opis regulaminu.
Przewodnik obrazowy Cohere obejmuje wykresy, diagramy, tabele w obrazach, rozpoznawanie dokumentów i pytania oparte na obrazach. Przygotuj czytelne strony i zachowaj nagłówki, jednostki oraz etykiety osi. Gdy szczegół jest mały, powiększ go bez utraty otaczającego kontekstu i użyj udokumentowanego wyboru szczegółowości obrazu odpowiedniego do zadania. Producent zauważa, że skuteczność wizualna może się różnić przy piśmie niełacińskim.
Udokumentowany przepływ obrazowy przyjmuje PNG, JPEG, WEBP i nieanimowany GIF, do 20 obrazów lub 20 MB łącznie na żądanie, zależnie od tego, który limit zostanie osiągnięty pierwszy. Są to granice przepływu producenta. Przy ekstrakcji poproś o konkretne pola i odniesienie do obrazu źródłowego; przy analizie wykresu poproś o widoczne wartości oddzielnie od interpretacji. Model zwraca tekst, dlatego generowanie lub edytowanie obrazu jest innym zadaniem wyjściowym.
Command A+ wymienia cytowania, używanie narzędzi, ustrukturyzowane wyjście i tryby bezpieczeństwa wśród swoich możliwości. Nadaj dokumentom znaczące identyfikatory i dostarcz funkcje narzędzi z opisami oraz schematami argumentów. Model może wybrać operację, aplikacja wykonuje ją i zwraca wynik, a kolejna odpowiedź może wykorzystać te dowody. Źródło wyszukiwania, działanie proponowane przez model i wykonany wynik powinny pozostać rozróżnialne w zapisie zadania.
Przy ustrukturyzowanym wyniku określ każde pole i oczekiwany sposób traktowania brakujących danych. Sprawdź treść względem źródeł, nawet gdy format jest poprawny. Przydatny końcowy materiał zawiera zamówioną odpowiedź, potwierdzające ją dowody i wszelkie nierozstrzygnięte informacje wpływające na wniosek. Wiąże to możliwości multimodalne i rozumowanie modelu z konkretnym zadaniem biznesowym bez przypisywania tej edycji wcześniejszego profilu Command A.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity cohere/command-a-plus | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.003 / 1K tokenów Wejście · Odczyt cache $0.0003 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.003 / 1K tokenów Wejście · Odczyt cache $0.0003 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cohere/command-a-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='cohere/command-a-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='cohere/command-a-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra cohere/command-a-plus
Użyj ścieżek metod podanych powyżej.
cohere/command-a-plusCommand A+ to multimodalny model rozumujący Cohere dla agentów biznesowych, z wejściem tekstowym i obrazowym oraz wyjściem tekstowym w 48 językach. Łączy cytowania, używanie narzędzi i ustrukturyzowane wyniki z kontekstem 128 000 tokenów oraz udokumentowanym limitem wyjścia 64 000 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Command A+ to multimodalny model rozumujący Cohere z maja 2026 roku do złożonych zadań biznesowych. Łączy wejście tekstowe i obrazowe z wyjściem tekstowym i obsługuje 48 języków, w tym wszystkie języki urzędowe Unii Europejskiej. Producent pozycjonuje go dla wielojęzycznych agentów analizujących dowody, rozwiązujących problemy i używających narzędzi dostarczonych przez aplikację. To odrębna edycja względem wcześniejszego tekstowego Command A oraz wyspecjalizowanych modeli Vision i Reasoning.
Cohere opisuje rzadką architekturę mixture-of-experts z 218 miliardami parametrów ogółem i 25 miliardami parametrów aktywnych. Opublikowany profil ma kontekst 128 000 tokenów i maksymalne wyjście 64 000 tokenów. Podana data graniczna wiedzy to 1 kwietnia 2025 roku. Materiał źródłowy, rozmowa i wygenerowany wynik muszą zmieścić się w obowiązującym budżecie żądania; dostarcz aktualne dowody lub odpowiednie narzędzie, gdy zadanie zależy od informacji wykraczających poza wiedzę z treningu.
Hybrydowy przepływ rozumowania producenta może włączyć namysł przed końcową odpowiedzią tekstową lub wyłączyć go na rzecz odpowiedzi bezpośrednich. Budżet rozumowania kontroluje proces pośredni, natomiast odpowiedź nadal potrzebuje miejsca na przekazanie wyniku. Zdefiniuj odpowiedź niezależnie: notatkę decyzyjną, porównanie, przetłumaczone wyjaśnienie lub ustrukturyzowany rekord. W zadaniu wielojęzycznym określ język wyjścia oraz nazwy własne, identyfikatory pól i cytaty, które muszą zachować oryginalną postać.
Przykładowa instrukcja brzmi: „Porównaj te fragmenty regulaminów, wyjaśnij różnicę operacyjną we wskazanym języku i wskaż zdanie źródłowe potwierdzające każdy wniosek”. Łączy to rozumienie wielu języków z rozumowaniem nad rzeczywistymi dowodami zamiast prośby o niepoparty źródłami opis regulaminu.
Przewodnik obrazowy Cohere obejmuje wykresy, diagramy, tabele w obrazach, rozpoznawanie dokumentów i pytania oparte na obrazach. Przygotuj czytelne strony i zachowaj nagłówki, jednostki oraz etykiety osi. Gdy szczegół jest mały, powiększ go bez utraty otaczającego kontekstu i użyj udokumentowanego wyboru szczegółowości obrazu odpowiedniego do zadania. Producent zauważa, że skuteczność wizualna może się różnić przy piśmie niełacińskim.
Udokumentowany przepływ obrazowy przyjmuje PNG, JPEG, WEBP i nieanimowany GIF, do 20 obrazów lub 20 MB łącznie na żądanie, zależnie od tego, który limit zostanie osiągnięty pierwszy. Są to granice przepływu producenta. Przy ekstrakcji poproś o konkretne pola i odniesienie do obrazu źródłowego; przy analizie wykresu poproś o widoczne wartości oddzielnie od interpretacji. Model zwraca tekst, dlatego generowanie lub edytowanie obrazu jest innym zadaniem wyjściowym.
Command A+ wymienia cytowania, używanie narzędzi, ustrukturyzowane wyjście i tryby bezpieczeństwa wśród swoich możliwości. Nadaj dokumentom znaczące identyfikatory i dostarcz funkcje narzędzi z opisami oraz schematami argumentów. Model może wybrać operację, aplikacja wykonuje ją i zwraca wynik, a kolejna odpowiedź może wykorzystać te dowody. Źródło wyszukiwania, działanie proponowane przez model i wykonany wynik powinny pozostać rozróżnialne w zapisie zadania.
Przy ustrukturyzowanym wyniku określ każde pole i oczekiwany sposób traktowania brakujących danych. Sprawdź treść względem źródeł, nawet gdy format jest poprawny. Przydatny końcowy materiał zawiera zamówioną odpowiedź, potwierdzające ją dowody i wszelkie nierozstrzygnięte informacje wpływające na wniosek. Wiąże to możliwości multimodalne i rozumowanie modelu z konkretnym zadaniem biznesowym bez przypisywania tej edycji wcześniejszego profilu Command A.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity cohere/command-a-plus | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.003 / 1K tokenów Wejście · Odczyt cache $0.0003 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.003 / 1K tokenów Wejście · Odczyt cache $0.0003 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "cohere/command-a-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-a-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-a-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra cohere/command-a-plus
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Reconcile multilingual delivery notes\n\nCompare these delivery notes: EN-1: 'Send eight replacement handles; keep order A17 open until they arrive.' FR-1: 'Envoyer huit poignees de remplacement; ne pas fermer la commande A17 avant leur reception.' Write an English operations handoff with quantity, item, order ID and closure condition. State whether the two supplied notes disagree.An English handoff with four operational fields and an evidence-based agreement check.Keep A17 unchanged and preserve the condition that arrival precedes closure.