Cohere: Command R (08-2024) contra Tencent: Hy3 preview
Una comparativa lado a lado de Cohere: Command R (08-2024) (0,52 US$ / 1M fragmentos (≈ 0,47 €)) y Tencent: Hy3 preview (0,63 US$ / 1M fragmentos (≈ 0,56 €)) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| Proveedor | Cohere | Tencent |
| Entrada | 0,52 US$ / 1M fragmentos (≈ 0,47 €) | 0,63 US$ / 1M fragmentos (≈ 0,56 €) |
| Salida | 2,10 US$ / 1M fragmentos (≈ 1,87 €) | 2,10 US$ / 1M fragmentos (≈ 1,87 €) |
| Lectura de caché | - | 0,21 US$ / 1M fragmentos (≈ 0,19 €) |
| Ventana de contexto | 128.000 | 262.144 |
| Salida máxima | 4000 | 235.929 |
| Entrada | text | text |
| Salida | text | text |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 30 ago 2024 | 22 abr 2026 |
Diferencias clave
- Cohere: Command R (08-2024) es 17% más barato en tokens de entrada.
- Tencent: Hy3 preview lee 2.0× más contexto (262.144 tokens).
- Solo Cohere: Command R (08-2024) admite salida JSON estructurada.
- Solo Tencent: Hy3 preview admite control del esfuerzo de razonamiento.
- Una solicitud con 1.000 tokens de entrada y 500 de salida cuesta 0,00158 US$ con Cohere: Command R (08-2024) y 0,00168 US$ con Tencent: Hy3 preview.
En detalle
Cohere: Command R (08-2024) es un modelo de texto de Cohere, lanzado el 30 de agosto de 2024 con el id de modelo cohere/command-r-08-2024. Tencent: Hy3 preview es un modelo de texto de Tencent, lanzado el 22 de abril de 2026 con el id de modelo tencent/hy3-preview. Ambos se sirven como modelos de chat de texto de entrada y texto de salida en api14, por lo que ninguno acepta imágenes o audio en la entrada, y ninguno produce algo distinto de texto en la salida.
La diferencia más clara entre ellos es el contexto y el razonamiento. Hy3 preview tiene una ventana de contexto de 262144 tokens, el doble de los 128000 tokens que ofrece Command R, por lo que es la opción a elegir cuando una sola solicitud debe contener documentos muy largos, bases de código grandes o un historial de conversación extenso. Hy3 preview también expone controles de razonamiento (include_reasoning, reasoning y reasoning_effort), que Command R no tiene, lo que lo convierte en el único de los dos al que se le puede pedir que reflexione sobre un problema antes de responder. Command R va por el otro lado en cuanto a estructura: es el único del par que admite salidas estructuradas y response_format, así que cuando necesitas que la respuesta se ajuste a un esquema JSON o a una forma fija, es la elección natural. Por lo demás, sus conjuntos de parámetros difieren en pequeños detalles. Command R también acepta frequency_penalty, presence_penalty, stop y top_k, mientras que Hy3 preview no los incluye. Ambos aceptan temperature, top_p, max_tokens, seed, tools y tool_choice, por lo que la llamada a funciones está disponible en cualquiera de los dos.
Para el trabajo diario, elige según lo que la tarea necesite realmente. Si haces extracción, clasificación, rellenado de formularios o cualquier cosa en la que la respuesta deba encajar en un esquema estricto, Command R encaja mejor porque las salidas estructuradas se admiten directamente en lugar de forzarlas mediante prompting. Si resúmenes o consultas un cuerpo de texto muy grande, o quieres que el modelo trabaje mediante lógica de varios pasos, aritmética o planificación antes de comprometerse con una respuesta, Hy3 preview es la opción más sólida dado su contexto mayor y sus parámetros de razonamiento. El uso de herramientas es un empate, así que las cargas de trabajo de estilo agente que solo necesitan llamada a funciones pueden ir por cualquiera de los dos. En cuanto al precio, Command R es el más barato de los dos en entrada, mientras que el precio de salida es aproximadamente el mismo para ambos, así que el coste solo inclina la decisión cuando tu carga de trabajo tiene mucha entrada.
Llamar a cualquiera de los dos modelos a través de api14 es la misma operación. El endpoint es compatible con OpenAI, así que apuntas tu cliente o SDK de OpenAI existente a la URL base de api14, envías tu solicitud habitual de chat completions y estableces el campo model al id que quieras. Cambiar entre los dos significa cambiar esa única cadena, de cohere/command-r-08-2024 a tencent/hy3-preview o al revés. Tu array de messages, tu system prompt y tu configuración de streaming se mantienen tal cual. Los únicos ajustes que merece la pena hacer son los que los propios modelos requieren: elimina response_format y los parámetros de penalización cuando pases a Hy3 preview, y elimina reasoning_effort y los demás campos de razonamiento cuando pases a Command R, ya que cada modelo rechazará los parámetros que no incluye.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "cohere/command-r-08-2024" a "tencent/hy3-preview": los prompts, el streaming y las herramientas siguen funcionando.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "tencent/hy3-preview",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Más comparativas
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4