Cohere: Command R (08-2024) kontra Tencent: Hy3 preview
Porównanie Cohere: Command R (08-2024) (0,52 USD / 1M tokenów (≈ 2,06 zł)) i Tencent: Hy3 preview (0,63 USD / 1M tokenów (≈ 2,47 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.
Specyfikacja
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| Dostawca | Cohere | Tencent |
| Wejście | 0,52 USD / 1M tokenów (≈ 2,06 zł) | 0,63 USD / 1M tokenów (≈ 2,47 zł) |
| Wyjście | 2,10 USD / 1M tokenów (≈ 8,23 zł) | 2,10 USD / 1M tokenów (≈ 8,23 zł) |
| Odczyt z cache | - | 0,21 USD / 1M tokenów (≈ 0,82 zł) |
| Okno kontekstu | 128 000 | 262 144 |
| Maks. wyjście | 4000 | 235 929 |
| Wejście | text | text |
| Wyjście | text | text |
| Wywołania narzędzi | ||
| Ustrukturyzowane wyjście | ||
| Sterowanie rozumowaniem | ||
| Dodano | 30 sie 2024 | 22 kwi 2026 |
Najważniejsze różnice
- Cohere: Command R (08-2024) jest o 17% tańszy na tokenach wejściowych.
- Tencent: Hy3 preview przyjmuje 2.0× więcej kontekstu (262 144 tokenów).
- Tylko Cohere: Command R (08-2024) obsługuje ustrukturyzowane wyjście JSON.
- Tylko Tencent: Hy3 preview obsługuje sterowanie intensywnością rozumowania.
- Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,00158 USD z Cohere: Command R (08-2024) i 0,00168 USD z Tencent: Hy3 preview.
Szczegółowo
Cohere: Command R (08-2024) to model tekstowy od Cohere, wydany 30 sierpnia 2024 pod identyfikatorem modelu cohere/command-r-08-2024. Tencent: Hy3 preview to model tekstowy od Tencent, wydany 22 kwietnia 2026 pod identyfikatorem modelu tencent/hy3-preview. Oba są udostępniane jako modele czatu typu tekst na wejściu, tekst na wyjściu w api14, więc żaden nie przyjmuje obrazów ani dźwięku na wejściu i żaden nie generuje na wyjściu niczego innego niż tekst.
Najwyraźniejszy podział między nimi dotyczy kontekstu i rozumowania. Hy3 preview ma okno kontekstowe o rozmiarze 262144 tokenów, dwa razy większe niż 128000 tokenów oferowane przez Command R, więc to po niego warto sięgnąć, gdy pojedyncze żądanie musi pomieścić bardzo długie dokumenty, duże bazy kodu lub rozbudowaną historię rozmowy. Hy3 preview udostępnia także mechanizmy sterowania rozumowaniem (include_reasoning, reasoning i reasoning_effort), czego Command R nie robi, co czyni go jedynym z tej dwójki, którego można poprosić o przemyślenie problemu przed udzieleniem odpowiedzi. Command R idzie w przeciwnym kierunku pod względem struktury: jako jedyny z tej pary obsługuje dane wyjściowe strukturalne i response_format, więc gdy odpowiedź musi być zgodna ze schematem JSON lub ustalonym kształtem, jest naturalnym wyborem. Poza tym ich zestawy parametrów różnią się w drobnych szczegółach. Command R przyjmuje również frequency_penalty, presence_penalty, stop i top_k, podczas gdy Hy3 preview ich nie wymienia. Oba przyjmują temperature, top_p, max_tokens, seed, tools i tool_choice, więc wywoływanie funkcji jest dostępne po obu stronach.
Do codziennej pracy wybieraj na podstawie tego, czego faktycznie wymaga zadanie. Jeśli zajmujesz się ekstrakcją, klasyfikacją, wypełnianiem formularzy lub czymkolwiek, gdzie odpowiedź musi trafić w ścisły schemat, Command R pasuje lepiej, ponieważ dane wyjściowe strukturalne są obsługiwane bezpośrednio, a nie wyłudzane przez podpowiedzi. Jeśli podsumowujesz lub odpyłujesz bardzo duży zbiór tekstu albo chcesz, aby model przepracował wieloetapową logikę, arytmetykę lub planowanie, zanim zdecyduje się na odpowiedź, Hy3 preview jest mocniejszą opcją ze względu na większy kontekst i parametry rozumowania. Użycie narzędzi to remis, więc obciążenia w stylu agentowym, które potrzebują tylko wywoływania funkcji, mogą iść w obie strony. Jeśli chodzi o cenę, Command R jest tańszy z tej dwójki na wejściu, podczas gdy cena wyjścia jest mniej więcej taka sama dla obu, więc koszt przechyla decyzję tylko wtedy, gdy Twoje obciążenie jest intensywne na wejściu.
Wywołanie któregokolwiek z tych modeli przez api14 to ta sama operacja. Punkt końcowy jest zgodny z OpenAI, więc kierujesz swojego istniejącego klienta lub zestaw SDK OpenAI na bazowy adres URL api14, wysyłasz swoje zwykłe żądanie uzupełnień czatu i ustawiasz pole model na identyfikator, którego chcesz użyć. Przełączanie między nimi oznacza zmianę tego jednego ciągu, z cohere/command-r-08-2024 na tencent/hy3-preview lub z powrotem. Twoja tablica messages, Twój prompt systemowy i konfiguracja strumieniowania pozostają takie same. Jedyne zmiany, które warto wprowadzić, to te wymagane przez same modele: usuń response_format i parametry kar przy przejściu na Hy3 preview oraz usuń reasoning_effort i pozostałe pola rozumowania przy przejściu na Command R, ponieważ każdy model odrzuci parametry, których nie wymienia.
Zmień jednym ciągiem znaków
Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "cohere/command-r-08-2024" na "tencent/hy3-preview", prompty, streaming i narzędzia działają dalej.
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);
Więcej porównań
- LiquidAI: LFM3-1.7B kontra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B kontra Crouton Alpha
- LiquidAI: LFM3-1.7B kontra Tencent: Hy4
- LiquidAI: LFM3-1.7B kontra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview kontra Crouton Alpha
- Ricursive: Ripple 65B Preview kontra Tencent: Hy4
- Ricursive: Ripple 65B Preview kontra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha kontra Tencent: Hy4