Cohere: Command R (08-2024) 대 Tencent: Hy3 preview
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 Cohere: Command R (08-2024)(US$0.52 / 100만 토큰 (≈ ₩708))와(과) Tencent: Hy3 preview(US$0.63 / 100만 토큰 (≈ ₩849))를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| 제공업체 | Cohere | Tencent |
| 입력 | US$0.52 / 100만 토큰 (≈ ₩708) | US$0.63 / 100만 토큰 (≈ ₩849) |
| 출력 | US$2.10 / 100만 토큰 (≈ ₩2,830) | US$2.10 / 100만 토큰 (≈ ₩2,830) |
| 캐시 읽기 | - | US$0.21 / 100만 토큰 (≈ ₩283) |
| 컨텍스트 윈도우 | 128,000 | 262,144 |
| 최대 출력 | 4,000 | 235,929 |
| 입력 | text | text |
| 출력 | text | text |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2024. 8. 30. | 2026. 4. 22. |
주요 차이점
- Cohere: Command R (08-2024)의 입력 토큰 가격이 17% 더 저렴합니다.
- Tencent: Hy3 preview는(은) 2.0배 더 긴 컨텍스트(262,144 토큰)를 읽습니다.
- 구조화된 JSON 출력은(는) Cohere: Command R (08-2024)만 지원합니다.
- 추론 강도 조절은(는) Tencent: Hy3 preview만 지원합니다.
- 입력 1,000 토큰, 출력 500 토큰 요청의 비용은 Cohere: Command R (08-2024)에서 US$0.00158, Tencent: Hy3 preview에서 US$0.00168입니다.
자세히 보기
Cohere: Command R (08-2024)는 Cohere의 텍스트 모델로, 2024년 8월 30일에 모델 id cohere/command-r-08-2024로 출시되었습니다. Tencent: Hy3 preview는 Tencent의 텍스트 모델로, 2026년 4월 22일에 모델 id tencent/hy3-preview로 출시되었습니다. 둘 다 api14에서 텍스트 입력, 텍스트 출력 채팅 모델로 제공되므로, 어느 쪽도 입력으로 이미지나 오디오를 받지 않으며, 출력으로 텍스트 외에는 아무것도 생성하지 않습니다.
두 모델 사이에서 가장 뚜렷한 차이는 컨텍스트와 추론입니다. Hy3 preview는 262144 토큰의 컨텍스트 윈도우를 가지며, 이는 Command R이 제공하는 128000 토큰의 두 배이므로, 단일 요청이 매우 긴 문서, 대규모 코드베이스 또는 긴 대화 기록을 담아야 할 때 선택할 모델입니다. Hy3 preview는 또한 추론 제어(include_reasoning, reasoning, reasoning_effort)를 노출하는데, Command R은 그렇지 않으므로, 답변 전에 문제를 생각하도록 요청할 수 있는 것은 둘 중 이 모델뿐입니다. Command R은 구조 측면에서 반대 방향으로 갑니다. 이 모델은 둘 중 유일하게 구조화된 출력과 response_format을 지원하므로, 응답이 JSON 스키마나 고정된 형태를 따라야 할 때 자연스러운 선택입니다. 그 외의 매개변수 집합은 작은 부분에서 서로 다릅니다. Command R은 또한 frequency_penalty, presence_penalty, stop, top_k를 받지만, Hy3 preview는 이를 나열하지 않습니다. 둘 다 temperature, top_p, max_tokens, seed, tools, tool_choice를 받으므로, 함수 호출은 어느 쪽에서든 사용할 수 있습니다.
일상적인 작업에서는 과제가 실제로 필요로 하는 것에 따라 선택하세요. 추출, 분류, 양식 채우기 또는 응답이 엄격한 스키마에 들어가야 하는 어떤 작업을 하고 있다면, 구조화된 출력이 프롬프트로 끌어내는 대신 직접 지원되므로 Command R이 더 적합합니다. 매우 큰 텍스트 본문을 요약하거나 질의하거나, 모델이 답을 확정하기 전에 다단계 논리, 산술 또는 계획을 수행하기를 원한다면, 더 큰 컨텍스트와 추론 매개변수를 고려할 때 Hy3 preview가 더 강한 선택입니다. 도구 사용은 무승부이므로, 함수 호출만 필요한 에이전트 스타일 워크로드는 어느 쪽으로 가도 됩니다. 가격에서는 Command R이 입력에서 둘 중 더 저렴하고, 출력 가격은 둘 다 거의 같으므로, 비용은 워크로드가 입력 중심일 때만 결정을 기울입니다.
api14를 통해 어느 모델을 호출하든 동일한 작업입니다. 엔드포인트는 OpenAI 호환되므로, 기존 OpenAI 클라이언트나 SDK를 api14 기본 URL로 지정하고, 평소의 채팅 완료 요청을 보낸 뒤, model 필드를 원하는 id로 설정하면 됩니다. 둘 사이를 전환한다는 것은 그 문자열 하나를 cohere/command-r-08-2024에서 tencent/hy3-preview로 또는 그 반대로 바꾸는 것을 의미합니다. messages 배열, 시스템 프롬프트, 스트리밍 설정은 그대로 유지됩니다. 조정할 가치가 있는 유일한 변경은 모델 자체가 요구하는 것들입니다. Hy3 preview로 옮길 때는 response_format과 페널티 매개변수를 빼고, Command R로 옮길 때는 reasoning_effort와 다른 추론 필드를 빼세요. 각 모델은 나열하지 않은 매개변수를 거부하기 때문입니다.
다른 모델이 더 나은 경우도 여전히 있습니다. 이미 추론 중심 파이프라인에 전념하고 있고 적당한 컨텍스트만 필요하다면, Command R은 올바른 대체물이 아닙니다. 추론 제어가 전혀 없기 때문입니다. Hy3 preview에 머무르세요. 반대로, 애플리케이션이 보장된 구조화된 출력에 의존한다면, Hy3 preview는 그것을 제공할 수 없으므로, 더 긴 컨텍스트가 편리하더라도 Command R을 그대로 유지하세요.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "cohere/command-r-08-2024"에서 "tencent/hy3-preview"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
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);
더 많은 비교
- LiquidAI: LFM3-1.7B 대 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 대 Crouton Alpha
- LiquidAI: LFM3-1.7B 대 Tencent: Hy4
- LiquidAI: LFM3-1.7B 대 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 대 Crouton Alpha
- Ricursive: Ripple 65B Preview 대 Tencent: Hy4
- Ricursive: Ripple 65B Preview 대 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 대 Tencent: Hy4