Cohere: Command R (08-2024) tegen Tencent: Hy3 preview
Een vergelijking naast elkaar van Cohere: Command R (08-2024) (US$ 0,52 / 1M tekstdelen (≈ € 0,47)) en Tencent: Hy3 preview (US$ 0,63 / 1M tekstdelen (≈ € 0,56)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| Aanbieder | Cohere | Tencent |
| Invoer | US$ 0,52 / 1M tekstdelen (≈ € 0,47) | US$ 0,63 / 1M tekstdelen (≈ € 0,56) |
| Uitvoer | US$ 2,10 / 1M tekstdelen (≈ € 1,87) | US$ 2,10 / 1M tekstdelen (≈ € 1,87) |
| Cache lezen | - | US$ 0,21 / 1M tekstdelen (≈ € 0,19) |
| Contextvenster | 128.000 | 262.144 |
| Maximale output | 4.000 | 235.929 |
| Invoer | text | text |
| Uitvoer | text | text |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 30 aug 2024 | 22 apr 2026 |
Belangrijkste verschillen
- Cohere: Command R (08-2024) is 17% goedkoper op inputtokens.
- Tencent: Hy3 preview leest 2.0× meer context (262.144 tokens).
- Alleen Cohere: Command R (08-2024) ondersteunt gestructureerde JSON-output.
- Alleen Tencent: Hy3 preview ondersteunt instelbare redeneerinspanning.
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,00158 met Cohere: Command R (08-2024) en US$ 0,00168 met Tencent: Hy3 preview.
In detail
Cohere: Command R (08-2024) is een tekstmodel van Cohere, uitgebracht op 30 augustus 2024 onder model-id cohere/command-r-08-2024. Tencent: Hy3 preview is een tekstmodel van Tencent, uitgebracht op 22 april 2026 onder model-id tencent/hy3-preview. Beide worden aangeboden als chatmodellen met tekst-in, tekst-uit op api14, dus geen van beide accepteert afbeeldingen of audio als invoer, en geen van beide produceert iets anders dan tekst als uitvoer.
Het duidelijkste verschil tussen hen is context en redenering. Hy3 preview heeft een contextvenster van 262144 tokens, twee keer de 128000 tokens die Command R biedt, dus het is de keuze wanneer een enkel verzoek zeer lange documenten, grote codebases of uitgebreide gespreksgeschiedenis moet bevatten. Hy3 preview biedt ook redeneerbesturingselementen (include_reasoning, reasoning en reasoning_effort), wat Command R niet doet, waardoor het de enige van de twee is die kan worden gevraagd een probleem te doordenken voordat het antwoordt. Command R gaat de andere kant op qua structuur: het is de enige van het paar dat gestructureerde uitvoer en response_format ondersteunt, dus wanneer je wilt dat het antwoord voldoet aan een JSON-schema of een vaste vorm, is het de natuurlijke keuze. Hun parametersets verschillen verder op kleine punten. Command R accepteert ook frequency_penalty, presence_penalty, stop en top_k, terwijl Hy3 preview die niet vermeldt. Beide accepteren temperature, top_p, max_tokens, seed, tools en tool_choice, dus functieaanroepen zijn aan beide kanten beschikbaar.
Voor dagelijks werk kies je op basis van wat de taak daadwerkelijk nodig heeft. Als je extractie, classificatie, formulieren invullen of iets doet waarbij het antwoord in een strikt schema moet passen, is Command R de betere keuze omdat gestructureerde uitvoer direct wordt ondersteund in plaats van via prompting te worden ontlokt. Als je een zeer grote hoeveelheid tekst samenvat of bevraagt, of als je wilt dat het model meerstapslogica, rekenwerk of planning doorloopt voordat het een antwoord geeft, is Hy3 preview de sterkere optie gezien de grotere context en de redeneerparameters. Toolgebruik is gelijk, dus agent-achtige workloads die alleen functieaanroepen nodig hebben, kunnen beide kanten op. Qua prijs is Command R de goedkopere van de twee op invoer, terwijl de uitvoerprijs voor beide ongeveer hetzelfde is, dus kosten wegen alleen mee in de beslissing wanneer je workload invoerintensief is.
Beide modellen aanroepen via api14 is dezelfde handeling. Het endpoint is OpenAI-compatibel, dus je richt je bestaande OpenAI-client of SDK op de api14-basis-URL, stuurt je gebruikelijke chat completions-verzoek en stelt het veld model in op de id die je wilt. Schakelen tussen de twee betekent die ene string wijzigen, van cohere/command-r-08-2024 naar tencent/hy3-preview of terug. Je messages-array, je systeemprompt en je streaming-instelling blijven zoals ze zijn. De enige aanpassingen die de moeite waard zijn, zijn degene die de modellen zelf vereisen: laat response_format en de penalty-parameters weg wanneer je naar Hy3 preview gaat, en laat reasoning_effort en de andere redeneervelden weg wanneer je naar Command R gaat, aangezien elk model parameters afwijst die het niet vermeldt.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "cohere/command-r-08-2024" naar "tencent/hy3-preview", prompts, streaming en tools blijven werken.
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);
Meer vergelijkingen
- LiquidAI: LFM3-1.7B tegen Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B tegen Crouton Alpha
- LiquidAI: LFM3-1.7B tegen Tencent: Hy4
- LiquidAI: LFM3-1.7B tegen Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview tegen Crouton Alpha
- Ricursive: Ripple 65B Preview tegen Tencent: Hy4
- Ricursive: Ripple 65B Preview tegen Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha tegen Tencent: Hy4