Cohere : Command R (08-2024) est un modèle de texte de Cohere, publié le 30 août 2024 sous l'identifiant de modèle cohere/command-r-08-2024. Tencent : Hy3 preview est un modèle de texte de Tencent, publié le 22 avril 2026 sous l'identifiant de modèle tencent/hy3-preview. Les deux sont servis comme modèles de chat texte en entrée, texte en sortie sur api14, donc aucun n'accepte d'images ou d'audio en entrée, et aucun ne produit autre chose que du texte en sortie.
La séparation la plus claire entre eux se situe au niveau du contexte et du raisonnement. Hy3 preview dispose d'une fenêtre de contexte de 262144 jetons, soit le double des 128000 jetons proposés par Command R, c'est donc celui vers lequel se tourner lorsqu'une seule requête doit contenir de très longs documents, de grandes bases de code ou un historique de conversation étendu. Hy3 preview expose également des contrôles de raisonnement (include_reasoning, reasoning et reasoning_effort), ce que Command R ne fait pas, ce qui en fait le seul des deux auquel on peut demander de réfléchir à un problème avant de répondre. Command R va dans l'autre sens sur la structure : c'est le seul de la paire à prendre en charge les sorties structurées et response_format, donc lorsque vous avez besoin que la réponse se conforme à un schéma JSON ou à une forme fixe, c'est le choix naturel. Leurs ensembles de paramètres divergent par ailleurs de manière mineure. Command R accepte aussi frequency_penalty, presence_penalty, stop et top_k, tandis que Hy3 preview ne les liste pas. Les deux acceptent temperature, top_p, max_tokens, seed, tools et tool_choice, donc l'appel de fonctions est disponible des deux côtés.
Pour le travail quotidien, choisissez en fonction de ce dont la tâche a réellement besoin. Si vous faites de l'extraction, de la classification, du remplissage de formulaires ou toute chose où la réponse doit respecter un schéma strict, Command R est le mieux adapté car les sorties structurées sont prises en charge directement plutôt que soutirées par le prompt. Si vous résumez ou interrogez un très grand corpus de texte, ou si vous voulez que le modèle travaille une logique à plusieurs étapes, de l'arithmétique ou de la planification avant de s'engager sur une réponse, Hy3 preview est l'option la plus solide étant donné son contexte plus large et ses paramètres de raisonnement. L'utilisation d'outils est à égalité, donc les charges de travail de type agent qui n'ont besoin que de l'appel de fonctions peuvent aller dans un sens ou dans l'autre. Côté prix, Command R est le moins cher des deux en entrée, tandis que le prix de sortie est à peu près le même pour les deux, donc le coût ne fait pencher la décision que lorsque votre charge de travail est intensive en entrée.
Appeler l'un ou l'autre modèle via api14 est la même opération. Le point de terminaison est compatible OpenAI, donc vous pointez votre client ou SDK OpenAI existant vers l'URL de base api14, vous envoyez votre requête de complétions de chat habituelle, et vous définissez le champ model sur l'identifiant souhaité. Passer de l'un à l'autre signifie changer cette seule chaîne, de cohere/command-r-08-2024 à tencent/hy3-preview ou inversement. Votre tableau messages, votre prompt système et votre configuration de streaming restent tels quels. Les seuls ajustements qui valent la peine d'être faits sont ceux que les modèles eux-mêmes exigent : retirez response_format et les paramètres de pénalité lorsque vous passez à Hy3 preview, et retirez reasoning_effort et les autres champs de raisonnement lorsque vous passez à Command R, puisque chaque modèle rejettera les paramètres qu'il ne liste pas.
Il reste des cas où l'autre modèle l'emporte. Si vous êtes déjà engagé dans un pipeline fortement axé sur le raisonnement et que vous n'avez besoin que d'un contexte modéré, Command R n'est pas le bon substitut, car il n'a aucun contrôle de raisonnement ; restez sur Hy3 preview. Inversement, si votre application dépend d'une sortie structurée garantie, Hy3 preview ne peut pas vous l'offrir, donc gardez Command R en place même là où le contexte plus long serait pratique.