Cohere: Command R (08-2024) ist ein Textmodell von Cohere, veröffentlicht am 30. August 2024 unter der Modell-ID cohere/command-r-08-2024. Tencent: Hy3 preview ist ein Textmodell von Tencent, veröffentlicht am 22. April 2026 unter der Modell-ID tencent/hy3-preview. Beide werden auf api14 als Chat-Modelle mit Text-Eingabe und Text-Ausgabe bereitgestellt, sodass keines von beiden Bilder oder Audio als Eingabe akzeptiert und keines etwas anderes als Text ausgibt.
Die deutlichste Trennung zwischen ihnen sind Kontext und Reasoning. Hy3 preview hat ein Kontextfenster von 262144 Tokens, doppelt so viel wie die 128000 Tokens, die Command R bietet, sodass es die Wahl ist, wenn eine einzelne Anfrage sehr lange Dokumente, große Codebasen oder umfangreiche Gesprächsverläufe aufnehmen muss. Hy3 preview bietet außerdem Reasoning-Steuerungen (include_reasoning, reasoning und reasoning_effort), die Command R nicht hat, wodurch es das einzige der beiden ist, das gebeten werden kann, ein Problem vor der Antwort durchzudenken. Command R geht bei der Struktur den anderen Weg: Es ist das einzige des Paares, das strukturierte Ausgaben und response_format unterstützt. Wenn die Antwort also einem JSON-Schema oder einer festen Form entsprechen muss, ist es die natürliche Wahl. Ansonsten weichen ihre Parametersätze in kleinen Punkten voneinander ab. Command R akzeptiert außerdem frequency_penalty, presence_penalty, stop und top_k, während Hy3 preview diese nicht auflistet. Beide akzeptieren temperature, top_p, max_tokens, seed, tools und tool_choice, sodass Funktionsaufrufe auf beiden Seiten verfügbar sind.
Für die tägliche Arbeit wählen Sie danach, was die Aufgabe tatsächlich benötigt. Wenn Sie Extraktion, Klassifizierung, Formularausfüllung oder irgendetwas durchführen, bei dem die Antwort in einem strikten Schema landen muss, ist Command R die bessere Wahl, weil strukturierte Ausgaben direkt unterstützt werden und nicht durch Prompting herausgelockt werden müssen. Wenn Sie einen sehr großen Textbestand zusammenfassen oder abfragen, oder wenn das Modell mehrstufige Logik, Arithmetik oder Planung durcharbeiten soll, bevor es sich auf eine Antwort festlegt, ist Hy3 preview die stärkere Option, gegeben sein größerer Kontext und seine Reasoning-Parameter. Tool-Nutzung ist ein Gleichstand, sodass agentenartige Workloads, die nur Funktionsaufrufe benötigen, in beide Richtungen gehen können. Beim Preis ist Command R bei der Eingabe das günstigere der beiden, während die Ausgabepreise bei beiden etwa gleich sind, sodass die Kosten die Entscheidung nur dann beeinflussen, wenn Ihr Workload eingabelastig ist.
Beide Modelle über api14 aufzurufen ist derselbe Vorgang. Der Endpunkt ist OpenAI-kompatibel, sodass Sie Ihren vorhandenen OpenAI-Client oder SDK auf die api14-Basis-URL richten, Ihre übliche Chat-Completions-Anfrage senden und das Feld model auf die gewünschte ID setzen. Zwischen den beiden zu wechseln bedeutet, diese eine Zeichenkette zu ändern, von cohere/command-r-08-2024 zu tencent/hy3-preview oder zurück. Ihr messages-Array, Ihr System-Prompt und Ihr Streaming-Setup bleiben, wie sie sind. Die einzigen Anpassungen, die sich lohnen, sind die, die die Modelle selbst erfordern: Entfernen Sie response_format und die Penalty-Parameter, wenn Sie zu Hy3 preview wechseln, und entfernen Sie reasoning_effort und die anderen Reasoning-Felder, wenn Sie zu Command R wechseln, da jedes Modell Parameter ablehnt, die es nicht auflistet.
Es gibt weiterhin Fälle, in denen das andere Modell gewinnt. Wenn Sie bereits auf eine reasoning-lastige Pipeline festgelegt sind und nur mäßigen Kontext benötigen, ist Command R kein geeigneter Ersatz, weil es überhaupt keine Reasoning-Steuerungen hat; bleiben Sie bei Hy3 preview. Umgekehrt: Wenn Ihre Anwendung von garantierter strukturierter Ausgabe abhängt, kann Hy3 preview das nicht liefern, behalten Sie also Command R bei, selbst dort, wo der längere Kontext praktisch wäre.