Cohere: Command R (08-2024) 対 Tencent: Hy3 preview
api14カタログの最新のUSD料金と機能をもとに、Cohere: Command R (08-2024)（$0.52 / 100万トークン (≈ ￥83)）とTencent: Hy3 preview（$0.63 / 100万トークン (≈ ￥99)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| プロバイダー | Cohere | Tencent |
| 入力 | $0.52 / 100万トークン (≈ ￥83) | $0.63 / 100万トークン (≈ ￥99) |
| 出力 | $2.10 / 100万トークン (≈ ￥331) | $2.10 / 100万トークン (≈ ￥331) |
| キャッシュ読み取り | - | $0.21 / 100万トークン (≈ ￥33) |
| コンテキストウィンドウ | 128,000 | 262,144 |
| 最大出力 | 4,000 | 235,929 |
| 入力 | text | text |
| 出力 | text | text |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2024/08/30 | 2026/04/22 |
主な違い
- Cohere: Command R (08-2024)は入力トークンが17%安くなっています。
- Tencent: Hy3 previewは2.0倍長いコンテキスト（262,144トークン）を読み取れます。
- 構造化JSON出力に対応しているのはCohere: Command R (08-2024)だけです。
- 推論の強度の調整に対応しているのはTencent: Hy3 previewだけです。
- 入力1,000トークン・出力500トークンのリクエストの費用は、Cohere: Command R (08-2024)で$0.00158、Tencent: Hy3 previewで$0.00168です。
詳しく見る
Cohere: Command R (08-2024) は Cohere のテキストモデルで、2024年8月30日にモデル id cohere/command-r-08-2024 としてリリースされました。Tencent: Hy3 preview は Tencent のテキストモデルで、2026年4月22日にモデル id tencent/hy3-preview としてリリースされました。どちらも api14 上でテキスト入力、テキスト出力のチャットモデルとして提供されているため、入力として画像や音声を受け付けず、出力としてテキスト以外を生成することもありません。
両者の最も明確な違いはコンテキストと推論にあります。Hy3 preview は 262144 トークンのコンテキストウィンドウを持ち、これは Command R が提供する 128000 トークンの2倍であるため、1回のリクエストで非常に長い文書、大規模なコードベース、または長い会話履歴を保持する必要がある場合に選ぶべきものです。Hy3 preview はさらに推論制御 (include_reasoning、reasoning、reasoning_effort) も公開しており、Command R にはこれがありません。そのため、回答前に問題を熟考するよう指示できるのはこの2つのうち Hy3 preview だけです。Command R は構造の面では逆の立場を取ります。ペアの中で構造化出力と response_format をサポートするのはこれだけなので、応答を JSON スキーマや固定された形に準拠させる必要がある場合には自然な選択肢となります。それ以外のパラメータ群は細かい点で分かれています。Command R は frequency_penalty、presence_penalty、stop、top_k も受け付けますが、Hy3 preview はこれらを列挙していません。どちらも temperature、top_p、max_tokens、seed、tools、tool_choice を受け付けるため、関数呼び出しはどちら側でも利用できます。
日々の作業では、タスクが実際に必要とするものに基づいて選んでください。抽出、分類、フォーム入力、または応答が厳密なスキーマに収まる必要があるあらゆる作業を行っている場合、構造化出力がプロンプトで誘導するのではなく直接サポートされているため、Command R の方が適しています。非常に大きなテキスト群を要約または照会する場合、あるいはモデルに多段階の論理、算術、計画を回答前に処理させたい場合、より大きなコンテキストと推論パラメータを持つ Hy3 preview の方が強力な選択肢です。ツール利用は引き分けなので、関数呼び出しだけを必要とするエージェント型のワークロードはどちらでも構いません。価格では、Command R の方が入力で安く、出力価格は両者でほぼ同じであるため、コストが判断を傾けるのはワークロードが入力重視の場合だけです。
どちらのモデルを api14 経由で呼び出す場合も操作は同じです。エンドポイントは OpenAI 互換であるため、既存の OpenAI クライアントまたは SDK を api14 のベース URL に向け、通常の chat completions リクエストを送信し、model フィールドを使用したい id に設定します。2つの間の切り替えは、その1つの文字列を cohere/command-r-08-2024 から tencent/hy3-preview へ、またはその逆へ変更することを意味します。messages 配列、システムプロンプト、ストリーミング設定はそのままです。調整する価値があるのは、モデル自体が要求するものだけです。Hy3 preview に移る際は response_format とペナルティパラメータを外し、Command R に移る際は reasoning_effort とその他の推論フィールドを外してください。各モデルは列挙していないパラメータを拒否するからです。
それでももう一方のモデルが勝つケースはあります。すでに推論重視のパイプラインにコミットしていて、中程度のコンテキストしか必要としない場合、Command R は適切な代替ではありません。推論制御がまったくないからです。Hy3 preview を使い続けてください。逆に、アプリケーションが保証された構造化出力に依存している場合、Hy3 preview はそれを提供できないため、より長いコンテキストが便利であっても Command R を維持してください。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"cohere/command-r-08-2024"から"tencent/hy3-preview"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
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);
その他の比較
- LiquidAI: LFM3-1.7B 対 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 対 Crouton Alpha
- LiquidAI: LFM3-1.7B 対 Tencent: Hy4
- LiquidAI: LFM3-1.7B 対 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 対 Crouton Alpha
- Ricursive: Ripple 65B Preview 対 Tencent: Hy4
- Ricursive: Ripple 65B Preview 対 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 対 Tencent: Hy4