Cohere
Cohere，企业级 AI 公司，构建强大的大语言模型与 RAG 解决方案，赋能企业将数据转化为可行动的洞察并自动化流程。
评论
点赞
收藏Cohere 发布首款开发者专用开源编程模型 North Mini Code
Cohere 发布首个开源 agentic 编程模型 North Mini Code。该模型采用 MoE 架构，30B 总参数仅 3B 激活，主打高效与主权 AI。实测吞吐量比 Devstral Small 2 高 2.8 倍，延迟降低 30%。支持 Apache 2.0 协议，可在本地或云端部署。
Command A+发布：让主权智能代理能力普惠化
Cohere发布开源模型Command A+，采用MoE架构，218B总参数仅25B激活，支持多模态、工具调用及48种语言。相比前代，在推理、代码和效率上有显著提升，旨在降低私有化部署门槛。 
Cohere发布Transcribe：开源且高精度的企业级语音识别模型
Cohere发布开源语音识别模型Transcribe，基于Conformer架构，在HuggingFace榜单上准确率第一，支持14种语言，强调低延迟和高吞吐量，提供本地部署及API选项。 
Cohere与戴尔达成战略合作，联合推出企业级本地AI智能体解决方案
Cohere与Dell宣布战略合作，将Cohere North平台集成到Dell的PowerEdge服务器和PowerScale存储中，旨在为金融、医疗等受监管行业提供安全、可本地部署的Agentic AI解决方案，帮助企业快速实现AI落地并保护数据隐私。 
Cohere 发布多模态嵌入模型 Embed 4
Cohere 发布多模态嵌入模型 Embed 4，支持 128K 上下文长度及 100 多种语言，针对金融、医疗等受监管行业优化，并强调在 RAG 架构中的企业级应用与存储成本优化。 
Command A：一款面向企业的就绪型大语言模型技术报告
Cohere发布Command A技术报告，介绍其面向企业场景的大语言模型。该模型采用混合架构和去中心化训练方法，支持23种语言，优化了Agent能力、RAG及工具使用。报告包含性能评估数据，并发布了Command A和Command R7B的研究权重。 
Cohere发布Command A：专为高效企业部署优化的新一代生成模型
Cohere发布新一代生成模型Command A，主打企业级部署的高效与安全。该模型仅需两张GPU即可运行，在推理速度和成本上优于GPT-4o和DeepSeek-V3，支持256k上下文长度及多语言处理，特别针对RAG、Agent工具和私有化部署场景优化。 
Cohere发布Aya Vision：拓展AI的多语言视觉理解能力
Cohere发布Aya Vision多模态模型，支持23种语言。8B和32B版本在多项基准测试中超越更大参数量的竞品，强调多语言视觉理解能力和开源研究价值。
Cohere发布多模态Embed 3模型：赋能AI搜索与检索
Cohere发布Multimodal Embed 3模型，支持图文混合检索。该模型将文本和图像嵌入统一向量空间，旨在提升企业搜索、RAG系统及电商/设计资产查找效率。文章列举了图表、电商目录和设计文件等应用场景，并强调其在多语言支持和抗噪数据方面的性能优势，已在Azure、AWS等平台上线。 
Cohere 更新 Command R 模型以提升编码、数学推理及响应速度
Cohere 宣布更新 Command R 系列模型，在编码、数学推理和延迟方面进行了改进。文章由联合创始人兼 CEO Aidan Gomez 撰写，属于典型的产品发布通稿，缺乏深度的技术细节或个人见解。 
告别无关搜索结果：Cohere Rerank 来了
Cohere推出Rerank接口，通过一行代码即可在现有基于关键词的搜索系统后增加语义重排序，显著提升搜索结果相关性。文章提供了与Elasticsearch结合的完整代码示例及在MIRACL、TREC等数据集上的性能评估数据，展示了其相比传统向量搜索的优势。
能一次请求调用多个工具 API 的大语言模型
Cohere 官方博客介绍其 Command R 和 R+ 模型具备单步和多步工具调用能力。文章解释了工具调用的原理，展示了代码示例，并通过 Microsoft ToolTalk 基准测试对比了性能与成本优势，强调其在企业工作流自动化中的应用。
Aya 23：开源权重发布，推动多语言模型进展
Cohere发布Aya 23多语言模型技术报告，包含8B和35B两个版本。该模型专注于23种语言，旨在通过增加模型容量提升特定语言的表现，在多项基准测试中超越了Aya 101、Gemma、Mistral等模型。 
Cohere 发布原生支持 Int8 和二进制嵌入的模型，内存成本降低百倍
Cohere 宣布其 Embed 模型原生支持 int8 和 binary 嵌入，相比 float32 可分别节省 4 倍和 32 倍内存，同时保持较高搜索质量。文章详细对比了降维与压缩的区别，提供了 API 调用示例、主流向量数据库的支持情况以及针对 OpenSearch 和 Faiss 的具体使用代码，并解释了为压缩优化的模型训练方法。
Aya：由全球3000名独立研究人员共同开发的开源大语言模型
Cohere Labs发布Aya项目，这是一个由全球3000多名研究人员参与的开源科学倡议，旨在推动多语言AI的发展。此次更新发布了Tiny Aya系列模型，包含33.5亿参数的基础模型，支持70多种语言，并提供针对全球平衡、非洲/西亚地区以及亚太/欧洲地区的专用变体。Aya项目强调开放协作、资源高效利用和高质量数据集，其相关论文曾获得ACL 2024最佳论文奖，并被斯坦福HAI评为2024年特色发布。