Présentation des modèles de fondation d’entreprise de Cohere
Avantages
Découvrez Cohere
Le partenariat de Cohere avec AWS associe des fonctionnalités avancées d’IA générative et d’optimisation de la recherche via Amazon Bedrock. Ces modèles permettent aux entreprises de créer de puissantes applications d’IA générative qui transforment la façon dont les organisations accèdent aux informations et les utilisent. Écoutez Saurabh Baji, directeur technique de Cohere, expliquer comment les modèles Cohere d’Amazon Bedrock créent une valeur client unique grâce à un développement fluide et à une sécurité d’entreprise robuste.
Cas d'utilisation
Version de modèle
Rerank 3.5
Rerank 3.5 améliore la précision de la recherche en redéfinissant les résultats des mots-clés et des vecteurs. Cela garantit que seul le contenu le plus pertinent arrive au modèle, ce qui permet d’obtenir les meilleures réponses tout en réduisant la latence et les coûts.
Nombre maximum de jetons : 4 096
Langues : plus de 100 langues, dont l’anglais, le chinois, le coréen, l’hindi, le japonais, l’espagnol, l’allemand, le français, l’arabe, le russe et le portugais
Prise en charge de la précision des réglages : non
Cas d’utilisation pris en charge : scénarios nécessitant de nombreuses recherches, de nombreux documents et scénarios RAG (par exemple, recherche d’un hôtel)
Command R+
Command R+ est le modèle de langage génératif le plus puissant de Cohere, optimisé pour les tâches à long contexte, telles que RAG et l’utilisation d’outils en plusieurs étapes.
Nombre maximum de jetons : 128 000
Langues : anglais, français, espagnol, italien, allemand, portugais, japonais, coréen, arabe et chinois
Prise en charge de la précision des réglages : non
Cas d’utilisation pris en charge: génération de texte, résumé de texte, chat, assistants de connaissances, questions‑réponses, RAG
Command R
Command R est un modèle de langage génératif optimisé pour les tâches à long contexte de Cohere, telles que RAG et les outils, et pour les charges de travail de production à grande échelle.
Nombre maximum de jetons : 128 000
Langues : anglais, français, espagnol, italien, allemand, portugais, japonais, coréen, arabe et chinois
Prise en charge de la précision des réglages : non
Cas d’utilisation pris en charge : génération de texte, résumé de texte, chat, assistants de connaissances, questions‑réponses, RAG
Command
Command est le grand modèle de langage (LLM) génératif de Cohere.
Nombre maximum de jetons : 4 000
Langues : anglais
Prise en charge de la précision des réglages : oui
Cas d’utilisation pris en charge : chat, génération de texte, résumé de texte
Command Light
Command Light est une version réduite de Command, le LLM génératif de Cohere.
Nombre maximum de jetons : 4 000
Langues : anglais
Prise en charge de la précision des réglages : oui
Cas d’utilisation pris en charge : chat, génération de texte, résumé de texte
Embed 3 multilingue
Embed 3 est le modèle avancé de représentation du texte et des images, ou de vectorisations, de Cohere. Cette version prend en charge plus de 100 langues et offre des performances exceptionnelles pour les tâches de recherche sémantique et d’extraction multilingues.
Nombre maximum de jetons : 1 024
Langues : multilingue (plus de 100 langues prises en charge)
Prise en charge de la précision des réglages : non
Cas d’utilisation pris en charge : recherche sémantique, RAG, classification, clustering, recherche et extraction multimodales
Lire le blog
En savoir plus sur les vectorisations multimodal
Embed 3 anglais
Embed 3 est le modèle avancé de représentation du texte et des images, ou de vectorisations, de Cohere. Cette version ne prend en charge que l’anglais et offre des performances exceptionnelles pour les tâches de recherche sémantique et d’extraction.
Nombre maximum de jetons : 1 024
Langues : anglais
Niveau élevé de la précision des réglages : non
Cas d’utilisation pris en charge : recherche sémantique, génération à enrichissement contextuel (RAG), classification, clustering, recherche et extraction multimodal.
Lire le blog
En savoir plus sur les vectorisations multimodal