Cohere: Command R (08-2024) contro Tencent: Hy3 preview
Un confronto fianco a fianco tra Cohere: Command R (08-2024) (0,52 USD / 1M token (≈ 0,47 €)) e Tencent: Hy3 preview (0,63 USD / 1M token (≈ 0,56 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.
Specifiche
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| Fornitore | Cohere | Tencent |
| Ingresso | 0,52 USD / 1M token (≈ 0,47 €) | 0,63 USD / 1M token (≈ 0,56 €) |
| Uscita | 2,10 USD / 1M token (≈ 1,87 €) | 2,10 USD / 1M token (≈ 1,87 €) |
| Lettura cache | - | 0,21 USD / 1M token (≈ 0,19 €) |
| Finestra di contesto | 128.000 | 262.144 |
| Output massimo | 4000 | 235.929 |
| Ingresso | text | text |
| Uscita | text | text |
| chiamata di strumenti | ||
| Output strutturato | ||
| Controllo del ragionamento | ||
| Aggiunto | 30 ago 2024 | 22 apr 2026 |
Differenze principali
- Cohere: Command R (08-2024) costa il 17% in meno sui token di input.
- Tencent: Hy3 preview legge 2.0× più contesto (262.144 token).
- Solo Cohere: Command R (08-2024) supporta output JSON strutturato.
- Solo Tencent: Hy3 preview supporta controllo del livello di ragionamento.
- Una richiesta con 1.000 token di input e 500 di output costa 0,00158 USD con Cohere: Command R (08-2024) e 0,00168 USD con Tencent: Hy3 preview.
Nel dettaglio
Cohere: Command R (08-2024) è un modello testuale di Cohere, rilasciato il 30 agosto 2024 con l'id modello cohere/command-r-08-2024. Tencent: Hy3 preview è un modello testuale di Tencent, rilasciato il 22 aprile 2026 con l'id modello tencent/hy3-preview. Entrambi sono serviti come modelli chat text-in, text-out su api14, quindi nessuno dei due accetta immagini o audio in input, e nessuno dei due produce qualcosa di diverso da testo in output.
La differenza più netta tra loro è contesto e ragionamento. Hy3 preview porta una finestra di contesto di 262144 token, il doppio dei 128000 token offerti da Command R, quindi è quello a cui rivolgersi quando una singola richiesta deve contenere documenti molto lunghi, grandi basi di codice o una cronologia di conversazione estesa. Hy3 preview espone anche controlli di ragionamento (include_reasoning, reasoning e reasoning_effort), cosa che Command R non fa, rendendolo l'unico dei due a cui si può chiedere di riflettere su un problema prima di rispondere. Command R va nella direzione opposta sulla struttura: è l'unico della coppia che supporta output strutturati e response_format, quindi quando serve che la risposta sia conforme a uno schema JSON o a una forma fissa, è la scelta naturale. I loro insiemi di parametri per il resto divergono in piccoli modi. Command R accetta anche frequency_penalty, presence_penalty, stop e top_k, mentre Hy3 preview non li elenca. Entrambi accettano temperature, top_p, max_tokens, seed, tools e tool_choice, quindi il function calling è disponibile su entrambi i lati.
Per il lavoro quotidiano, scegli in base a ciò di cui il compito ha effettivamente bisogno. Se stai facendo estrazione, classificazione, compilazione di moduli o qualsiasi cosa in cui la risposta debba ricadere in uno schema rigoroso, Command R è più adatto perché gli output strutturati sono supportati direttamente invece che ottenuti con il prompting. Se stai riassumendo o interrogando un corpo di testo molto grande, o vuoi che il modello elabori logica multi step, aritmetica o pianificazione prima di impegnarsi in una risposta, Hy3 preview è l'opzione più forte dato il suo contesto più ampio e i suoi parametri di ragionamento. L'uso degli strumenti è un pareggio, quindi i carichi di lavoro in stile agente che necessitano solo di function calling possono andare in entrambi i modi. Sul prezzo, Command R è il più economico dei due in input, mentre il prezzo di output è più o meno lo stesso per entrambi, quindi il costo inclina la decisione solo quando il tuo carico di lavoro è pesante in input.
Chiamare uno dei due modelli tramite api14 è la stessa operazione. L'endpoint è compatibile con OpenAI, quindi punti il tuo client o SDK OpenAI esistente all'URL di base di api14, invii la tua solita richiesta di chat completions e imposti il campo model all'id che desideri. Passare dall'uno all'altro significa cambiare quella singola stringa, da cohere/command-r-08-2024 a tencent/hy3-preview o viceversa. Il tuo array messages, il tuo system prompt e la tua configurazione di streaming restano come sono. Gli unici aggiustamenti che vale la pena fare sono quelli richiesti dai modelli stessi: rimuovi response_format e i parametri di penalità quando passi a Hy3 preview, e rimuovi reasoning_effort e gli altri campi di ragionamento quando passi a Command R, dato che ciascun modello rifiuterà i parametri che non elenca.
Cambia modello con una stringa
Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "cohere/command-r-08-2024" a "tencent/hy3-preview", prompt, streaming e tool continuano a funzionare.
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);
Altri confronti
- LiquidAI: LFM3-1.7B contro Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contro Crouton Alpha
- LiquidAI: LFM3-1.7B contro Tencent: Hy4
- LiquidAI: LFM3-1.7B contro Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contro Crouton Alpha
- Ricursive: Ripple 65B Preview contro Tencent: Hy4
- Ricursive: Ripple 65B Preview contro Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contro Tencent: Hy4