Cohere: Command R (08-2024) mot Tencent: Hy3 preview
En jämförelse sida vid sida av Cohere: Command R (08-2024) (0,52 US$ / 1M textdelar (≈ 5,14 kr)) och Tencent: Hy3 preview (0,63 US$ / 1M textdelar (≈ 6,17 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Cohere: Command R (08-2024) | Tencent: Hy3 preview | |
|---|---|---|
| Leverantör | Cohere | Tencent |
| Indata | 0,52 US$ / 1M textdelar (≈ 5,14 kr) | 0,63 US$ / 1M textdelar (≈ 6,17 kr) |
| Utdata | 2,10 US$ / 1M textdelar (≈ 20,57 kr) | 2,10 US$ / 1M textdelar (≈ 20,57 kr) |
| Cacheläsning | - | 0,21 US$ / 1M textdelar (≈ 2,06 kr) |
| Kontextfönster | 128 000 | 262 144 |
| Max utdata | 4 000 | 235 929 |
| Indata | text | text |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 30 aug. 2024 | 22 apr. 2026 |
Viktiga skillnader
- Cohere: Command R (08-2024) är 17% billigare på indata-tokens.
- Tencent: Hy3 preview läser 2.0× mer kontext (262 144 tokens).
- Endast Cohere: Command R (08-2024) stöder strukturerad JSON-utdata.
- Endast Tencent: Hy3 preview stöder styrning av resonemangsnivå.
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,00158 US$ med Cohere: Command R (08-2024) och 0,00168 US$ med Tencent: Hy3 preview.
Mer i detalj
Cohere: Command R (08-2024) är en textmodell från Cohere, släppt den 30 augusti 2024 under modell-id:t cohere/command-r-08-2024. Tencent: Hy3 preview är en textmodell från Tencent, släppt den 22 april 2026 under modell-id:t tencent/hy3-preview. Båda tillhandahålls som chattmodeller med text in och text ut på api14, så ingen av dem tar emot bilder eller ljud som indata, och ingen av dem producerar något annat än text som utdata.
Den tydligaste skillnaden mellan dem är kontext och resonemang. Hy3 preview har ett kontextfönster på 262144 tokens, dubbelt så mycket som de 128000 tokens Command R erbjuder, så den är den man ska välja när en enskild förfrågan måste rymma mycket långa dokument, stora kodbaser eller utökad konversationshistorik. Hy3 preview exponerar också resonemangskontroller (include_reasoning, reasoning och reasoning_effort), vilket Command R inte gör, vilket gör den till den enda av de två som kan ombes tänka igenom ett problem innan den svarar. Command R går åt andra hållet när det gäller struktur: den är den enda av paret som stöder strukturerade utdata och response_format, så när du behöver att svaret följer ett JSON-schema eller en fast form är den det naturliga valet. Deras parameteruppsättningar skiljer sig i övrigt på små sätt. Command R accepterar också frequency_penalty, presence_penalty, stop och top_k, medan Hy3 preview inte listar dessa. Båda accepterar temperature, top_p, max_tokens, seed, tools och tool_choice, så funktionsanrop är tillgängligt på båda sidor.
För det dagliga arbetet, välj utifrån vad uppgiften faktiskt behöver. Om du gör extrahering, klassificering, formulärifyllning eller något där svaret måste landa i ett strikt schema, är Command R en bättre matchning eftersom strukturerade utdata stöds direkt i stället för att lockas fram genom prompting. Om du sammanfattar eller frågar mot en mycket stor textmängd, eller vill att modellen ska arbeta igenom logik i flera steg, aritmetik eller planering innan den bestämmer sig för ett svar, är Hy3 preview det starkare alternativet givet dess större kontext och dess resonemangsparametrar. Verktygsanvändning är oavgjort, så agentliknande arbetsbelastningar som bara behöver funktionsanrop kan gå åt endera hållet. Priset: Command R är den billigare av de två på indata, medan utdatapriset är ungefär detsamma för båda, så kostnaden väger bara in i beslutet när din arbetsbelastning är indatatung.
Att anropa endera modellen via api14 är samma operation. Ändpunkten är OpenAI-kompatibel, så du pekar din befintliga OpenAI-klient eller SDK mot api14:s bas-URL, skickar din vanliga chattavslutningsförfrågan och ställer in modellfältet till det id du vill ha. Att växla mellan de två innebär att ändra den enda strängen, från cohere/command-r-08-2024 till tencent/hy3-preview eller tillbaka. Din messages-array, din systemprompt och din streaming-konfiguration förblir som de är. De enda justeringar som är värda att göra är de som modellerna själva kräver: ta bort response_format och straffparametrarna när du byter till Hy3 preview, och ta bort reasoning_effort och de andra resonemangsfälten när du byter till Command R, eftersom varje modell kommer att avvisa parametrar som den inte listar.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "cohere/command-r-08-2024" till "tencent/hy3-preview", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4