Cohere dans Amazon Bedrock

Créez des applications d’IA d’entreprise qui comprennent votre activité

Démarrer avec les modèles Cohere dans Amazon Bedrock

Présentation des modèles de fondation d’entreprise de Cohere

Command R et R+ sont les modèles de langage puissants et avancés de Cohere pour les applications métiers pratiques. Ils équilibrent efficacité et précision, permettant aux entreprises de passer de la phase de preuve de concept à l’utilisation quotidienne de l’IA. Grâce à leur prise en charge de 10 langues clés, ces modèles excellent dans les tâches de génération à enrichissement contextuel (RAG) et dans les tâches à long contexte. Adaptés aux entreprises internationales, les modèles Command R et R+ sont optimisés pour les cas d’utilisation RAG et permettent de générer du texte. Ils conviennent parfaitement à la mise en œuvre de l’IA à grande échelle, le modèle R+ offrant des performances améliorées aux entreprises prêtes à tirer parti de l’IA dans leurs opérations.

Embed 3 de Cohere est un modèle de vectorisation de pointe qui génère des vectorisations à partir de texte et d’images. Il permet aux entreprises de tirer parti de vastes données d’images, en créant des systèmes de recherche précis pour les rapports complexes, les catalogues de produits et les fichiers de conception. Prenant en charge plus de 100 langues et excellant dans les tâches de recherche multimodales, Embed 3 rationalise les applications d’IA avancées, améliore les expériences de commerce électronique, la gestion des actifs de conception et les processus de prise de décision basée sur les données.

Le modèle de reclassement Cohere Rerank 3.5 offre un puissant avantage sémantique pour améliorer la qualité de recherche de tout système de recherche vectorielle ou par mots-clés. Dans les cas d’utilisation RAG, le reclassement peut contribuer à la transmission, au modèle, des informations les plus pertinentes seulement. Ainsi, vous obtenez de meilleures réponses, réduisez la latence et diminuez les coûts, car le modèle traite moins d’informations.

Avantages

Avec une fenêtre contextuelle pouvant atteindre 128 000 jetons, les modèles Command R comprennent et génèrent des réponses dans un contexte large, ce qui les en fait des outils parfaitement adaptés aux flux de travail complexes impliquant l’ingestion de documents volumineux, des citations pertinentes avec une récupération avancée et l’utilisation d’outils.
Les modèles Command R sont capables de générer des données multilingues dans 10 langues professionnelles clés, notamment l’anglais, le français, l’espagnol, l’italien, l’allemand, le portugais, le japonais, le coréen, l’arabe et le chinois.
Command R+ prend en charge l’utilisation d’outils en plusieurs étapes, ce qui permet au modèle de combiner de multiples outils sur plusieurs étapes afin d’accomplir des tâches difficiles. Le modèle peut même s’autocorriger lorsqu’il essaie d’utiliser un outil et échoue, ce qui lui permet de faire plusieurs tentatives pour accomplir la tâche et d’augmenter le taux de réussite global.
Les modèles Command R sont conçus pour améliorer la productivité en intégrant de manière fluide les capacités d’IA générative dans les applications et les flux de travail quotidiens. Les entreprises peuvent désormais simplifier leurs processus et améliorer leur efficacité globale, ce qui se traduit par de meilleurs résultats commerciaux. Avec Command R+, les entreprises peuvent ouvrir de nouvelles possibilités et améliorer l’expérience de leurs employés et de leurs clients.
Cohere met en place de solides mesures de confidentialité des données, permettant aux clients de garder le contrôle total de leurs données. De la personnalisation aux entrées et sorties des modèles, les entreprises ont la garantie que leurs informations sensibles demeurent en sécurité et sous leur supervision.

Découvrez le modèle de fondation Command de Cohere

Command est un modèle de génération de texte destiné aux cas d’utilisation professionnels.

Cas d'utilisation

Rédigez votre message à l’aide d’un assistant IA afin de pouvoir écrire des e-mails plus clairs et plus succincts.

Capturez les points clés d’une chaîne d’e-mails, d’un rapport financier ou d’un enregistrement d’appel client.

Fournissez aux utilisateurs des résultats de recherche plus pertinents et personnalisés grâce à la recherche sémantique, conçue pour correspondre à l’intention de l’utilisateur qui sous-tend une requête.

Posez des questions et obtenez des réponses à partir de l’ensemble de la base de connaissances de votre entreprise, allant de votre plateforme de messagerie à de votre fournisseur de stockage cloud en passant par votre CRM. Les réponses sont accompagnées de citations afin que vous puissiez en confirmer l’exactitude.

Entrez un ensemble de données et demandez à votre assistant IA de vous fournir des points clés.

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)

Lire le blog

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

Lire le blog

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

Lire le blog

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

Lire le blog

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

Lire le blog

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