Cohere Inc. — 科希尔
Cohere是一家加拿大的AI技术公司，专注于为企业领域（Enterprise AI）开发大型语言模型（LLM）。该公司于2019年由Google Brain的前研究人员在多伦多创立，定位为OpenAI的主要替代品之一[1]。
Cohere的主要重点是为企业提供安全、可定制和可扩展的AI解决方案。与许多面向消费市场的竞争对手不同，Cohere从一开始就专注于企业客户，这决定了其技术路线。
历史与融资
Cohere由三位联合创始人于2019年创立：艾丹·戈麦斯 (Aidan Gomez)、伊万·张 (Ivan Zhang)和尼克·弗罗斯特 (Nick Frosst)。艾丹·戈麦斯是2017年里程碑式科研论文《Attention Is All You Need》的合著者之一，该论文向世界介绍了Transformer架构[1]。2022年12月，YouTube前首席财务官马丁·科恩（Martin Kon）成为公司总裁兼首席运营官[1]。
公司在吸引投资方面取得了令人瞩目的成绩：
Cohere的主要投资者包括PSP Investments、Cisco Systems、AMD、Fujitsu、NVIDIA、Salesforce Ventures、Oracle和Google Cloud[1][2]。
技术栈
Retrieval-Augmented Generation (RAG) - 检索增强生成
Cohere方法的核心技术是检索增强生成 (Retrieval-Augmented Generation, RAG)。RAG允许模型实时访问外部知识库，这将其回答“植根”于事实数据，减少“幻觉”并确保信息的时效性[4]。Command R和Command A模型专门为RAG系统中的多步骤工具使用进行了优化[5]。
多语言能力
Cohere特别注重多语言能力。公司开发的模型使用母语者数据进行训练，确保了高质量的性能。例如，开源模型Aya支持包括俄语在内的100多种语言，而Command系列则支持超过10种全球主要语言。
安全性与部署
Cohere提供灵活的部署选项，包括SaaS平台、私有云部署以及与第三方平台（Amazon SageMaker、Google Vertex AI、Azure）的集成。公司特别注重企业数据的安全性，提供选择退出数据用于训练的选项，并符合SOC 2 Type II标准[6]。
产品与模型系列
Cohere开发了多种类型的模型，专为语言处理的不同阶段设计。
Command (Generative models) - Command (生成模型)
Command是其旗舰生成模型系列。
- Command A: 最高效的模型（2025年），拥有1110亿参数。支持256,000个词元的上下文窗口，仅需两个GPU即可运行，而竞争模型则需要多达32个[7]。其生成速度高达每秒156个词元，比GPT-4o快1.75倍[8]。
- Command R+: 强大的模型，拥有1040亿参数和128,000个词元的上下文窗口。性能超越许多同类模型，接近GPT-4 Turbo的水平[9]。
- Command R: 拥有350亿参数的模型，专为高精度对话任务设计[10]。
专用模型
- Aya: 支持超过100种语言的开源多语言模型。由来自119个国家的3000多名研究人员合作开发[11]。
- Embed: 用于创建文本向量表示的模型。Embed 4支持多模态和128,000个词元的上下文窗口[12]。
- Rerank: 用于提升RAG系统中搜索质量的模型。
合作伙伴与集成
Cohere积极与大型科技公司发展合作伙伴关系，包括：
- Oracle: 将Cohere技术集成到Oracle Fusion Cloud和NetSuite中[13]。
- Salesforce: 将聊天功能嵌入Salesforce产品中[1]。
- Fujitsu: 合作开发日语语言模型Takane[14]。
- McKinsey: 在将生成式AI集成到企业运营方面进行合作[1]。
各行业应用
- 教育: Cohere被用于创建课程计划、分类任务和支持多语言项目[15][16]。
- 医疗保健与科学: 模型被用于制定科研协议、分析医疗数据和支持研究[17]。
- 企业解决方案: 自动化文档工作流程、数据分析、撰写营销文案和客户服务[5]。
参见
- 大型语言模型
文献
- Cohere Team (2025). Command A: An Enterprise‑Ready Large Language Model. arXiv:2504.00698.
- Üstün, A.; et al. (2024). Aya Model: An Instruction Finetuned Open‑Access Multilingual Language Model. arXiv:2402.07827.
- Singh, S.; et al. (2024). Aya Dataset: An Open‑Access Collection for Multilingual Instruction Tuning. arXiv:2402.06619.
- Cohere Team (2024). Command R & Command R+: Technical Overview. PDF.
- Gao, Y.; et al. (2024). Retrieval‑Augmented Generation for Large Language Models: A Survey. arXiv:2312.10997.
- Yu, H.; et al. (2024). Evaluation of Retrieval‑Augmented Generation: A Survey. arXiv:2405.07437.
- Zhu, W.; et al. (2025). PSC: Extending Context Window of Large Language Models via Phase Shift Calibration. arXiv:2505.12423.
- Gao, Y.; et al. (2024). Fine‑Tuning vs. Retrieval‑Augmented Generation for Less Popular Entities. arXiv:2403.01432.
- Yu, L.; et al. (2025). Synergizing RAG and Reasoning: A Systematic Review. arXiv:2504.15909.
- Wang, Y.; et al. (2025). Universal Embeddings for Multimodal Multilingual Retrieval. arXiv:2506.18902.
注释
- ↑ 1.0 1.1 1.2 1.3 1.4 1.5 “Cohere (company)”. 在维基百科中. [1]
- ↑ 2.0 2.1 “估值超21亿美元的AI初创公司Cohere融资2.7亿美元”. Most Ecosystem. [2]
- ↑ “Cohere融资5亿美元”. Unite.AI. [3]
- ↑ “Rethinking the RAG vs Fine-tuning Debate”. arXiv. [4]
- ↑ 5.0 5.1 “Cohere Command R：它是什么以及如何使用？”. ServerNews. [5]
- ↑ “Enterprise Data Commitments”. Cohere Docs. [6]
- ↑ “Cohere发布Command A——当今最高效的商业AI模型”. Habr. [7]
- ↑ “Cohere发布低成本AI模型，仅需两块GPU”. DSmedia. [8]
- ↑ “面向企业的LLM：Cohere的Command R能做什么”. VC.ru. [9]
- ↑ “Cohere Command R”. AIGenom. [10]
- ↑ “Cohere for AI推出多语言AI ‘Aya’”. Компьютерра. [11]
- ↑ “Cohere推出Embed 4——其最强大的向量表示创建模型”. Habr. [12]
- ↑ “Oracle, Salesforce Ventures and Nvidia invest in Cohere”. ERP Today. [13]
- ↑ “Fujitsu and Cohere to Partner on Developing Generative AI for the Japanese Language”. Fujitsu Press Releases. [14]
- ↑ “Evaluating the Practicality of Retrieval-Augmented Generation in Student-Facing Educational Technology”. arXiv. [15]
- ↑ “A Confusion Classification System for Online Learning Based on Multimodal Information”. IEEE Xplore. [16]
- ↑ “Using large language models to streamline the creation of research protocols”. BMC Medical Education. [17]