Command R+ (08-2024) är Coheres stora textmodell från augusti 2024 för komplexa sökförstärkta svar och agentuppgifter. Den exakta utgåvan har 104 miljarder parametrar och en kontext på 128K, tar emot text och producerar text. Tillverkarens publicerade profil anger maximalt 4 000 utdatatoken. R+ är den större motsvarigheten till Command R och betonar särskilt att kombinera verktyg över flera steg.
Modellen använder en autoregressiv transformer med grouped-query attention, övervakad finjustering och preferensträning. Den är tränad på 23 språk och utvärderad på tio huvudspråk. Augustiuppdateringen förbättrar beslut om verktygsval, följande av systeminstruktioner, analys av strukturerade data och robusthet mot promptändringar som inte påverkar betydelsen. Den stödjer också sökflöden utan källhänvisningar, flera säkerhetslägen och att avstå från att besvara frågor som inte kan besvaras.
För flerspråkigt arbete, ange utdataspråket och de namn, koder eller källcitat som måste förbli oförändrade. Ett förankrat svar kan förklara material på ett annat språk samtidigt som beläggen behålls för granskning. Tillhandahåll en aktuell källa för tidskänsliga fakta eller hämta en genom ett lämpligt applikationsverktyg.
Tillverkarens RAG-mall tar emot ett samtal och hämtade dokumentutdrag, normalt omkring 100–400 ord per del, med korta beskrivande nycklar och textuella eller halvstrukturerade värden. Modellen är särskilt tränad att svara utifrån dessa utdrag och koppla svarsavsnitt till stödjande källor. Använd den exakta utgåvans mall när detta tränade förankringsbeteende är viktigt.
Det noggranna källhänvisningsläget identifierar relevanta och citerade dokument, genererar ett svar och infogar källmarkerade textavsnitt. Snabbläget genererar svaret med hänvisningar direkt, vilket minskar antalet utdatatoken på bekostnad av viss noggrannhet i förankringen. Håll källidentifierare tillgängliga för båda lägena. En praktisk rapportbegäran kan be modellen jämföra belägg mot namngivna kriterier och citera det stödjande avsnittet bredvid varje iakttagelse.
R+ stödjer både en mall för funktionsanrop i ett steg och verktygsanvändning i flera steg för svårare arbetsflöden. I enstegsflödet väljer modellen funktioner och JSON-argument, applikationen utför dem och ett senare modellsvar använder de returnerade resultaten. Det dokumenterade valet directly_answer låter modellen undvika en onödig extern åtgärd. I en agent med flera steg kan efterföljande beslut kombinera observationer från olika verktyg tills uppgiften når sitt angivna resultat.
En användbar agentbeskrivning definierar frågan, tillåtna åtgärder och slutleveransen. En forskningsassistent kan exempelvis behöva hämta relevanta produktposter, jämföra de tillhandahållna kraven och producera en rekommendation med källstöd. Ge varje verktyg ett tydligt syfte och koppla dess resultat till anropet som producerade det. En åtgärd föreslagen i text skiljer sig från att applikationen utför den.
Organisera källutdragen kring den faktiska frågan och reservera utrymme för verktygshistorik och svaret. Om de tillgängliga beläggen motsäger varandra, be modellen förklara oenigheten i stället för att välja ett värde utan stöd. För arbete med strukturerade data, definiera fälten, enheterna och representationen av saknad information.
Slutresultatet ska vara ett granskningsbart svar eller en rapport knuten till de tillhandahållna beläggen och faktiska observationerna. R+:s storlek och agentfokus tillhandahåller inte självständigt en sökanslutning, utför inte en databasåtgärd och validerar inte genererad kod. Dessa steg hör till det omgivande arbetsflödet, och de belägg de returnerar är det som gör en slutsats möjlig att kontrollera.
", "aboutText": "Command R+ (08-2024) är Coheres stora textmodell från augusti 2024 för komplexa sökförstärkta svar och agentuppgifter. Den exakta utgåvan har 104 miljarder parametrar och en kontext på 128K, tar emot text och producerar text. Tillverkarens publicerade profil anger maximalt 4 000 utdatatoken. R+ är den större motsvarigheten till Command R och betonar särskilt att kombinera verktyg över flera steg.\n\n### Modell och ändringar i utgåvan\n\nModellen använder en autoregressiv transformer med grouped-query attention, övervakad finjustering och preferensträning. Den är tränad på 23 språk och utvärderad på tio huvudspråk. Augustiuppdateringen förbättrar beslut om verktygsval, följande av systeminstruktioner, analys av strukturerade data och robusthet mot promptändringar som inte påverkar betydelsen. Den stödjer också sökflöden utan källhänvisningar, flera säkerhetslägen och att avstå från att besvara frågor som inte kan besvaras.\n\nFör flerspråkigt arbete, ange utdataspråket och de namn, koder eller källcitat som måste förbli oförändrade. Ett förankrat svar kan förklara material på ett annat språk samtidigt som beläggen behålls för granskning. Tillhandahåll en aktuell källa för tidskänsliga fakta eller hämta en genom ett lämpligt applikationsverktyg.\n\n### Förankrade svar och källhänvisningar\n\nTillverkarens RAG-mall tar emot ett samtal och hämtade dokumentutdrag, normalt omkring 100–400 ord per del, med korta beskrivande nycklar och textuella eller halvstrukturerade värden. Modellen är särskilt tränad att svara utifrån dessa utdrag och koppla svarsavsnitt till stödjande källor. Använd den exakta utgåvans mall när detta tränade förankringsbeteende är viktigt.\n\nDet noggranna källhänvisningsläget identifierar relevanta och citerade dokument, genererar ett svar och infogar källmarkerade textavsnitt. Snabbläget genererar svaret med hänvisningar direkt, vilket minskar antalet utdatatoken på bekostnad av viss noggrannhet i förankringen. Håll källidentifierare tillgängliga för båda lägena. En praktisk rapportbegäran kan be modellen jämföra belägg mot namngivna kriterier och citera det stödjande avsnittet bredvid varje iakttagelse.\n\n### Verktygsstött arbete\n\nR+ stödjer både en mall för funktionsanrop i ett steg och verktygsanvändning i flera steg för svårare arbetsflöden. I enstegsflödet väljer modellen funktioner och JSON-argument, applikationen utför dem och ett senare modellsvar använder de returnerade resultaten. Det dokumenterade valet directly_answer låter modellen undvika en onödig extern åtgärd. I en agent med flera steg kan efterföljande beslut kombinera observationer från olika verktyg tills uppgiften når sitt angivna resultat.\n\nEn användbar agentbeskrivning definierar frågan, tillåtna åtgärder och slutleveransen. En forskningsassistent kan exempelvis behöva hämta relevanta produktposter, jämföra de tillhandahållna kraven och producera en rekommendation med källstöd. Ge varje verktyg ett tydligt syfte och koppla dess resultat till anropet som producerade det. En åtgärd föreslagen i text skiljer sig från att applikationen utför den.\n\n### Förbered och granska resultatet\n\nOrganisera källutdragen kring den faktiska frågan och reservera utrymme för verktygshistorik och svaret. Om de tillgängliga beläggen motsäger varandra, be modellen förklara oenigheten i stället för att välja ett värde utan stöd. För arbete med strukturerade data, definiera fälten, enheterna och representationen av saknad information.\n\nSlutresultatet ska vara ett granskningsbart svar eller en rapport knuten till de tillhandahållna beläggen och faktiska observationerna. R+:s storlek och agentfokus tillhandahåller inte självständigt en sökanslutning, utför inte en databasåtgärd och validerar inte genererad kod. Dessa steg hör till det omgivande arbetsflödet, och de belägg de returnerar är det som gör en slutsats möjlig att kontrollera.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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) är Coheres textmodell på 104B för komplexa dokumentförankrade svar och verktygsanvändning i flera steg. Den kombinerar en kontext på 128K med flerspråkig generering, källhänvisningar för textavsnitt och agentflöden som använder applikationens faktiska verktygsobservationer.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Command R+ (08-2024) är Coheres stora textmodell från augusti 2024 för komplexa sökförstärkta svar och agentuppgifter. Den exakta utgåvan har 104 miljarder parametrar och en kontext på 128K, tar emot text och producerar text. Tillverkarens publicerade profil anger maximalt 4 000 utdatatoken. R+ är den större motsvarigheten till Command R och betonar särskilt att kombinera verktyg över flera steg.
Modellen använder en autoregressiv transformer med grouped-query attention, övervakad finjustering och preferensträning. Den är tränad på 23 språk och utvärderad på tio huvudspråk. Augustiuppdateringen förbättrar beslut om verktygsval, följande av systeminstruktioner, analys av strukturerade data och robusthet mot promptändringar som inte påverkar betydelsen. Den stödjer också sökflöden utan källhänvisningar, flera säkerhetslägen och att avstå från att besvara frågor som inte kan besvaras.
För flerspråkigt arbete, ange utdataspråket och de namn, koder eller källcitat som måste förbli oförändrade. Ett förankrat svar kan förklara material på ett annat språk samtidigt som beläggen behålls för granskning. Tillhandahåll en aktuell källa för tidskänsliga fakta eller hämta en genom ett lämpligt applikationsverktyg.
Tillverkarens RAG-mall tar emot ett samtal och hämtade dokumentutdrag, normalt omkring 100–400 ord per del, med korta beskrivande nycklar och textuella eller halvstrukturerade värden. Modellen är särskilt tränad att svara utifrån dessa utdrag och koppla svarsavsnitt till stödjande källor. Använd den exakta utgåvans mall när detta tränade förankringsbeteende är viktigt.
Det noggranna källhänvisningsläget identifierar relevanta och citerade dokument, genererar ett svar och infogar källmarkerade textavsnitt. Snabbläget genererar svaret med hänvisningar direkt, vilket minskar antalet utdatatoken på bekostnad av viss noggrannhet i förankringen. Håll källidentifierare tillgängliga för båda lägena. En praktisk rapportbegäran kan be modellen jämföra belägg mot namngivna kriterier och citera det stödjande avsnittet bredvid varje iakttagelse.
R+ stödjer både en mall för funktionsanrop i ett steg och verktygsanvändning i flera steg för svårare arbetsflöden. I enstegsflödet väljer modellen funktioner och JSON-argument, applikationen utför dem och ett senare modellsvar använder de returnerade resultaten. Det dokumenterade valet directly_answer låter modellen undvika en onödig extern åtgärd. I en agent med flera steg kan efterföljande beslut kombinera observationer från olika verktyg tills uppgiften når sitt angivna resultat.
En användbar agentbeskrivning definierar frågan, tillåtna åtgärder och slutleveransen. En forskningsassistent kan exempelvis behöva hämta relevanta produktposter, jämföra de tillhandahållna kraven och producera en rekommendation med källstöd. Ge varje verktyg ett tydligt syfte och koppla dess resultat till anropet som producerade det. En åtgärd föreslagen i text skiljer sig från att applikationen utför den.
Organisera källutdragen kring den faktiska frågan och reservera utrymme för verktygshistorik och svaret. Om de tillgängliga beläggen motsäger varandra, be modellen förklara oenigheten i stället för att välja ett värde utan stöd. För arbete med strukturerade data, definiera fälten, enheterna och representationen av saknad information.
Slutresultatet ska vara ett granskningsbart svar eller en rapport knuten till de tillhandahållna beläggen och faktiska observationerna. R+:s storlek och agentfokus tillhandahåller inte självständigt en sökanslutning, utför inte en databasåtgärd och validerar inte genererad kod. Dessa steg hör till det omgivande arbetsflödet, och de belägg de returnerar är det som gör en slutsats möjlig att kontrollera.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser cohere/command-r-plus-08-2024 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cohere/command-r-plus-08-2024", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='cohere/command-r-plus-08-2024',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='cohere/command-r-plus-08-2024',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra cohere/command-r-plus-08-2024
Använd metodsökvägarna som visas ovan.
cohere/command-r-plus-08-2024Command R+ (08-2024) är Coheres textmodell på 104B för komplexa dokumentförankrade svar och verktygsanvändning i flera steg. Den kombinerar en kontext på 128K med flerspråkig generering, källhänvisningar för textavsnitt och agentflöden som använder applikationens faktiska verktygsobservationer.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Command R+ (08-2024) är Coheres stora textmodell från augusti 2024 för komplexa sökförstärkta svar och agentuppgifter. Den exakta utgåvan har 104 miljarder parametrar och en kontext på 128K, tar emot text och producerar text. Tillverkarens publicerade profil anger maximalt 4 000 utdatatoken. R+ är den större motsvarigheten till Command R och betonar särskilt att kombinera verktyg över flera steg.
Modellen använder en autoregressiv transformer med grouped-query attention, övervakad finjustering och preferensträning. Den är tränad på 23 språk och utvärderad på tio huvudspråk. Augustiuppdateringen förbättrar beslut om verktygsval, följande av systeminstruktioner, analys av strukturerade data och robusthet mot promptändringar som inte påverkar betydelsen. Den stödjer också sökflöden utan källhänvisningar, flera säkerhetslägen och att avstå från att besvara frågor som inte kan besvaras.
För flerspråkigt arbete, ange utdataspråket och de namn, koder eller källcitat som måste förbli oförändrade. Ett förankrat svar kan förklara material på ett annat språk samtidigt som beläggen behålls för granskning. Tillhandahåll en aktuell källa för tidskänsliga fakta eller hämta en genom ett lämpligt applikationsverktyg.
Tillverkarens RAG-mall tar emot ett samtal och hämtade dokumentutdrag, normalt omkring 100–400 ord per del, med korta beskrivande nycklar och textuella eller halvstrukturerade värden. Modellen är särskilt tränad att svara utifrån dessa utdrag och koppla svarsavsnitt till stödjande källor. Använd den exakta utgåvans mall när detta tränade förankringsbeteende är viktigt.
Det noggranna källhänvisningsläget identifierar relevanta och citerade dokument, genererar ett svar och infogar källmarkerade textavsnitt. Snabbläget genererar svaret med hänvisningar direkt, vilket minskar antalet utdatatoken på bekostnad av viss noggrannhet i förankringen. Håll källidentifierare tillgängliga för båda lägena. En praktisk rapportbegäran kan be modellen jämföra belägg mot namngivna kriterier och citera det stödjande avsnittet bredvid varje iakttagelse.
R+ stödjer både en mall för funktionsanrop i ett steg och verktygsanvändning i flera steg för svårare arbetsflöden. I enstegsflödet väljer modellen funktioner och JSON-argument, applikationen utför dem och ett senare modellsvar använder de returnerade resultaten. Det dokumenterade valet directly_answer låter modellen undvika en onödig extern åtgärd. I en agent med flera steg kan efterföljande beslut kombinera observationer från olika verktyg tills uppgiften når sitt angivna resultat.
En användbar agentbeskrivning definierar frågan, tillåtna åtgärder och slutleveransen. En forskningsassistent kan exempelvis behöva hämta relevanta produktposter, jämföra de tillhandahållna kraven och producera en rekommendation med källstöd. Ge varje verktyg ett tydligt syfte och koppla dess resultat till anropet som producerade det. En åtgärd föreslagen i text skiljer sig från att applikationen utför den.
Organisera källutdragen kring den faktiska frågan och reservera utrymme för verktygshistorik och svaret. Om de tillgängliga beläggen motsäger varandra, be modellen förklara oenigheten i stället för att välja ett värde utan stöd. För arbete med strukturerade data, definiera fälten, enheterna och representationen av saknad information.
Slutresultatet ska vara ett granskningsbart svar eller en rapport knuten till de tillhandahållna beläggen och faktiska observationerna. R+:s storlek och agentfokus tillhandahåller inte självständigt en sökanslutning, utför inte en databasåtgärd och validerar inte genererad kod. Dessa steg hör till det omgivande arbetsflödet, och de belägg de returnerar är det som gör en slutsats möjlig att kontrollera.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser cohere/command-r-plus-08-2024 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "cohere/command-r-plus-08-2024",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-r-plus-08-2024', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'cohere/command-r-plus-08-2024', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra cohere/command-r-plus-08-2024
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.