
Command R (Mar '24)
Cohere が 2024 年 3 月にリリースした Command-R の初期バージョンで、企業レベルの RAG アプリケーションの基礎を築きました。検索拡張生成タスク向けに特別に設計されており、優れた文書理解と情報統合能力を備えています。クエリの意図を正確に理解し、大量の文書から関連情報を抽出できます。このバージョンは、後続の Command-R シリーズの開発に重要な基盤を提供し、企業ナレッジ管理とスマート Q&A システムに適しています。
インテリジェンス(弱い)
速度(比較的速い)
入力サポートモダリティ
はい
推論モデルかどうか
128,000
コンテキストウィンドウ
-
最大出力トークン
-
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
¥5.4 /M tokens
混合価格
クイック簡易比較
Command A
Command-R (Aug '24)
Aya Expanse 32B
基本パラメータ
Command-R (Mar '24)技術パラメータ
パラメータ数
未発表
コンテキスト長
128.00k tokens
トレーニングデータカットオフ
オープンソースカテゴリ
Open Weights (License Required for Commercial Use)
マルチモーダルサポート
テキストのみ
スループット
リリース日
2024-03-12
応答速度
166.27,155 tokens/s
ベンチマークスコア
以下はCommand-R (Mar '24)の様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
14.68
大規模言語モデルインテリジェンスレベル
コーディング指数
5.51
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
8.53
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
33.8
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
28.4
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
4.8
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
4.8
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
6.2
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
40
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
16.4
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
0.7
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
GPT 5 Mini
openai

¥1.8
入力トークン/百万
¥14.4
出力トークン/百万
400k
コンテキスト長
GPT 5 Standard
openai

¥63
入力トークン/百万
¥504
出力トークン/百万
400k
コンテキスト長
GPT 5 Nano
openai

¥0.36
入力トークン/百万
¥2.88
出力トークン/百万
400k
コンテキスト長
GPT 5
openai

¥9
入力トークン/百万
¥72
出力トークン/百万
400k
コンテキスト長
GLM 4.5
chatglm

¥0.43
入力トークン/百万
¥1.01
出力トークン/百万
131k
コンテキスト長
Gemini 1.0 Pro
google

¥3.6
入力トークン/百万
¥10.8
出力トークン/百万
33k
コンテキスト長
Gemini 2.0 Flash Lite (Preview)
google

¥0.58
入力トークン/百万
¥2.16
出力トークン/百万
1M
コンテキスト長
GPT 4
openai

¥216
入力トークン/百万
¥432
出力トークン/百万
8192
コンテキスト長