Command & Embed Cohere di Amazon Bedrock

LLM generatif untuk korporasi

Keuntungan

Integrasikan kemampuan AI generatif ke dalam aplikasi dan alur kerja penting yang meningkatkan hasil bisnis.
Data dijaga privasinya karena pelanggan memiliki kontrol penuh atas penyesuaian serta input dan output model.
Model dilatih dari sumber data yang diketahui, dibeli, atau publik, dan menjadi sasaran pengujian peretasan dan mitigasi bias.

Temui Command FM Cohere

Command adalah model pembuatan teks untuk kasus penggunaan bisnis.

Kasus penggunaan

Mengaktifkan aplikasi, seperti asisten pengetahuan dan chatbot dukungan pelanggan dengan pengalaman pengguna yang mulus dan dinamis yang mempertahankan konteks percakapan.

Membuat artikel, deskripsi produk, dan lainnya berdasarkan permintaan pengguna.

Merangkum ide-ide dan tema utama dari beragam teks bentuk panjang, seperti berita, laporan investor, teks hukum, atau informasi medis.

Memungkinkan aplikasi pencarian yang kuat ketika digabungkan dengan basis data vektor, dengan relevansi yang sangat baik berdasarkan makna frasa pencarian.

Menemukan dan mengambil informasi yang paling relevan dari sumber data perusahaan yang terhubung untuk kasus penggunaan RAG.

Versi model

Command

Command adalah model bahasa besar (LLM) generatif Cohere (parameter 52B).

Token maksimum: 4 ribu

Bahasa: Inggris

Kasus penggunaan yang didukung: Obrolan, pembuatan teks, peringkasan teks.

Command Light

Command Light adalah versi yang lebih kecil dari Command, LLM generatif Cohere (parameter 6B).

Token maksimum: 4 ribu

Bahasa: Inggris

Kasus penggunaan yang didukung: Obrolan, pembuatan teks, peringkasan teks.

Embed - English

Embed adalah model representasi teks, atau penyematan, Cohere.
Versi ini hanya mendukung bahasa Inggris.

Dimensi: 1024

Bahasa: Inggris

Kasus penggunaan yang didukung: Pencarian semantik, pengambilan pembuatan tertambah (RAG), klasifikasi, pengelompokan.

Embed - Multilingual

Embed adalah model representasi teks, atau penyematan, Cohere.
Versi ini mendukung beberapa bahasa.

Dimensi: 1024

Bahasa: Multibahasa (100+ bahasa yang didukung)

Kasus penggunaan yang didukung: Pencarian semantik, pengambilan pembuatan tertambah (RAG), klasifikasi, pengelompokan.