Cohere: Command R (08-2024) contra Tencent: Hy3 preview
Uma comparação lado a lado entre Cohere: Command R (08-2024) (US$ 0,52 / 1M fragmentos (≈ R$ 2,87)) e Tencent: Hy3 preview (US$ 0,63 / 1M fragmentos (≈ R$ 3,44)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| Provedor | Cohere | Tencent |
| Entrada | US$ 0,52 / 1M fragmentos (≈ R$ 2,87) | US$ 0,63 / 1M fragmentos (≈ R$ 3,44) |
| Saída | US$ 2,10 / 1M fragmentos (≈ R$ 11,48) | US$ 2,10 / 1M fragmentos (≈ R$ 11,48) |
| Leitura de cache | - | US$ 0,21 / 1M fragmentos (≈ R$ 1,15) |
| Janela de contexto | 128.000 | 262.144 |
| Saída máxima | 4.000 | 235.929 |
| Entrada | text | text |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 30 de ago. de 2024 | 22 de abr. de 2026 |
Principais diferenças
- Cohere: Command R (08-2024) é 17% mais barato nos tokens de entrada.
- Tencent: Hy3 preview lê 2.0× mais contexto (262.144 tokens).
- Só o Cohere: Command R (08-2024) suporta saída JSON estruturada.
- Só o Tencent: Hy3 preview suporta controle do esforço de raciocínio.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,00158 com Cohere: Command R (08-2024) e US$ 0,00168 com Tencent: Hy3 preview.
Em detalhe
Cohere: Command R (08-2024) é um modelo de texto da Cohere, lançado em 30 de agosto de 2024 sob o id de modelo cohere/command-r-08-2024. Tencent: Hy3 preview é um modelo de texto da Tencent, lançado em 22 de abril de 2026 sob o id de modelo tencent/hy3-preview. Ambos são servidos como modelos de chat de texto de entrada, texto de saída na api14, portanto nenhum aceita imagens ou áudio na entrada, e nenhum produz algo além de texto na saída.
A divisão mais clara entre eles é contexto e raciocínio. Hy3 preview carrega uma janela de contexto de 262144 tokens, o dobro dos 128000 tokens que o Command R oferece, então é o modelo a escolher quando uma única requisição precisa conter documentos muito longos, bases de código grandes ou histórico de conversa estendido. Hy3 preview também expõe controles de raciocínio (include_reasoning, reasoning e reasoning_effort), que o Command R não possui, tornando-o o único dos dois que pode ser solicitado a pensar em um problema antes de responder. Command R segue o caminho oposto na estrutura: é o único do par que suporta saídas estruturadas e response_format, então quando você precisa que a resposta esteja em conformidade com um esquema JSON ou um formato fixo, ele é a escolha natural. Seus conjuntos de parâmetros, fora isso, divergem de maneiras pequenas. Command R também aceita frequency_penalty, presence_penalty, stop e top_k, enquanto Hy3 preview não lista esses. Ambos aceitam temperature, top_p, max_tokens, seed, tools e tool_choice, então chamada de função está disponível em qualquer um dos lados.
Para o trabalho do dia a dia, escolha com base no que a tarefa realmente precisa. Se você está fazendo extração, classificação, preenchimento de formulários ou qualquer coisa em que a resposta deva se encaixar em um esquema estrito, Command R é o mais adequado porque saídas estruturadas são suportadas diretamente em vez de obtidas por meio de prompting. Se você está resumindo ou consultando um corpo de texto muito grande, ou quer que o modelo trabalhe lógica de múltiplas etapas, aritmética ou planejamento antes de se comprometer com uma resposta, Hy3 preview é a opção mais forte dado seu contexto maior e seus parâmetros de raciocínio. O uso de ferramentas é um empate, então cargas de trabalho no estilo agente que só precisam de chamada de função podem seguir qualquer um dos dois caminhos. Em preço, Command R é o mais barato dos dois na entrada, enquanto o preço de saída é praticamente o mesmo para ambos, então o custo só inclina a decisão quando sua carga de trabalho é pesada em entrada.
Chamar qualquer um dos modelos através da api14 é a mesma operação. O endpoint é compatível com OpenAI, então você aponta seu cliente ou SDK OpenAI existente para a URL base da api14, envia sua requisição usual de chat completions e define o campo model para o id que você quer. Alternar entre os dois significa mudar essa única string, de cohere/command-r-08-2024 para tencent/hy3-preview ou vice-versa. Seu array de messages, seu system prompt e sua configuração de streaming permanecem como estão. Os únicos ajustes que valem a pena fazer são os que os próprios modelos exigem: remova response_format e os parâmetros de penalidade quando você migrar para Hy3 preview, e remova reasoning_effort e os outros campos de raciocínio quando você migrar para Command R, já que cada modelo rejeitará parâmetros que não lista.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "cohere/command-r-08-2024" para "tencent/hy3-preview", prompts, streaming e ferramentas continuam funcionando.
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);
Mais comparações
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4