Cohere Inc. (ID)

From Systems analysis Wiki
Jump to navigation Jump to search

Cohere — adalah perusahaan teknologi kecerdasan buatan asal Kanada yang berspesialisasi dalam pengembangan large language model (LLM) untuk sektor korporat (Enterprise AI). Perusahaan ini didirikan pada tahun 2019 di Toronto oleh mantan peneliti dari Google Brain dan diposisikan sebagai salah satu alternatif utama OpenAI[1].

Fokus utama Cohere adalah menyediakan solusi AI yang aman, dapat dikonfigurasi, dan skalabel bagi dunia bisnis. Berbeda dengan banyak pesaing yang berorientasi pada pasar konsumen, Cohere sejak awal menargetkan klien korporat, yang menentukan pendekatan teknologinya.

Sejarah dan Pendanaan

Cohere didirikan pada tahun 2019 oleh tiga pendiri bersama: Aidan Gomez, Ivan Zhang, dan Nick Frosst. Aidan Gomez adalah salah satu penulis makalah ilmiah penting tahun 2017 berjudul «Attention Is All You Need», yang memperkenalkan arsitektur transformer kepada dunia[1]. Pada Desember 2022, Martin Kon, mantan Chief Financial Officer YouTube, menjabat sebagai presiden dan chief operating officer perusahaan[1].

Perusahaan ini menunjukkan hasil yang mengesankan dalam menarik investasi:

  • Pada tahun 2023, dalam putaran pendanaan Seri C, berhasil diraih $270 juta, yang membawa valuasi perusahaan mencapai $2,1–2,2 miliar[2].
  • Pada tahun 2024, perusahaan menarik tambahan $500 juta, meningkatkan valuasinya menjadi $5,5 miliar[3].

Investor utama Cohere meliputi PSP Investments, Cisco Systems, AMD, Fujitsu, NVIDIA, Salesforce Ventures, Oracle, dan Google Cloud[1][2].

Tumpukan Teknologi

Retrieval-Augmented Generation (RAG) - Pembangkitan yang Diperkaya dengan Pengambilan Informasi

Teknologi sentral dalam pendekatan Cohere adalah Retrieval-Augmented Generation (RAG) — pembangkitan yang diperkaya dengan pengambilan informasi. RAG memungkinkan model untuk mengakses basis pengetahuan eksternal secara real-time, yang "membumikan" respons mereka pada data faktual, mengurangi "halusinasi", dan memastikan informasi tetap mutakhir[4]. Model Command R dan Command A dioptimalkan secara khusus untuk penggunaan alat multi-tahap dalam sistem RAG[5].

Dukungan Multibahasa

Cohere memberikan perhatian khusus pada dukungan multibahasa. Perusahaan mengembangkan model yang dilatih menggunakan data dari penutur asli, yang memastikan kualitas kerja yang tinggi. Misalnya, model terbuka Aya mendukung lebih dari 100 bahasa, termasuk bahasa Rusia, sementara keluarga Command mendukung lebih dari 10 bahasa utama dunia.

Keamanan dan Deployment

Cohere menawarkan opsi deployment yang fleksibel, termasuk platform SaaS, deployment cloud privat, dan integrasi dengan platform pihak ketiga (Amazon SageMaker, Google Vertex AI, Azure). Perusahaan memberikan perhatian khusus pada keamanan data korporat, menawarkan kemampuan untuk menolak penggunaan data tersebut dalam pelatihan serta kepatuhan terhadap standar SOC 2 Type II[6].

Lini Produk dan Model

Cohere mengembangkan beberapa jenis model yang ditujukan untuk berbagai tahap pemrosesan bahasa.

Command (Model Generatif)

Command adalah keluarga model generatif unggulan.

  • Command A: Model paling efisien (2025) dengan 111 miliar parameter. Mendukung jendela konteks sebesar 256.000 token dan dapat berjalan hanya pada dua GPU, sementara model pesaing membutuhkan hingga 32[7]. Menunjukkan kecepatan pembangkitan hingga 156 token per detik, yakni 1,75 kali lebih cepat dari GPT-4o[8].
  • Command R+: Model bertenaga tinggi dengan 104 miliar parameter dan jendela konteks 128.000 token. Melampaui banyak model sejenis dan mendekati kemampuan GPT-4 Turbo[9].
  • Command R: Model dengan 35 miliar parameter, dirancang untuk tugas percakapan dengan akurasi tinggi[10].

Model Khusus

  • Aya: Model multibahasa terbuka yang mendukung lebih dari 100 bahasa. Dikembangkan dengan kontribusi lebih dari 3.000 peneliti dari 119 negara[11].
  • Embed: Model untuk membuat representasi vektor teks. Embed 4 mendukung multimodalitas dan jendela konteks 128.000 token[12].
  • Rerank: Model untuk meningkatkan kualitas pencarian dalam sistem RAG.

Kemitraan dan Integrasi

Cohere secara aktif mengembangkan hubungan kemitraan dengan perusahaan teknologi besar, termasuk:

  • Oracle: Integrasi teknologi Cohere ke dalam Oracle Fusion Cloud dan NetSuite[13].
  • Salesforce: Penyematan kemampuan obrolan ke dalam produk Salesforce[1].
  • Fujitsu: Pengembangan bersama model bahasa Jepang Takane[14].
  • McKinsey: Kerja sama dalam bidang integrasi AI generatif ke dalam operasi korporat[1].

Penerapan di Berbagai Industri

  • Pendidikan: Cohere digunakan untuk membuat rencana pelajaran pendidikan, klasifikasi, dan mendukung inisiatif multibahasa[15][16].
  • Kesehatan dan Ilmu Pengetahuan: Model diterapkan untuk perumusan protokol ilmiah, analisis data medis, dan dukungan penelitian[17].
  • Solusi Korporat: Otomatisasi manajemen dokumen, analisis data, penulisan teks pemasaran, dan layanan pelanggan[5].

Lihat Juga

  • Model bahasa besar

Daftar Pustaka

  • 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.

Catatan

  1. ↑ 1.0 1.1 1.2 1.3 1.4 1.5 «Cohere (company)». В Wikipedia. [1]
  2. ↑ 2.0 2.1 «ИИ-стартап Cohere, который сейчас оценивается более чем в $2,1 млрд, привлек $270 млн». Most Ecosystem. [2]
  3. ↑ «Cohere получает прирост в 500 миллионов». Unite.AI. [3]
  4. ↑ «Rethinking the RAG vs Fine-tuning Debate». arXiv. [4]
  5. ↑ 5.0 5.1 «Cohere Command R: Что это и как использовать?». ServerNews. [5]
  6. ↑ «Enterprise Data Commitments». Cohere Docs. [6]
  7. ↑ «Cohere выпустила Command A — самую эффективную на сегодня ИИ-модель для бизнеса». Habr. [7]
  8. ↑ «Cohere выпускает недорогую модель ИИ, требующую всего два графических процессора». DSmedia. [8]
  9. ↑ «LLM для бизнеса: что умеет Command R от Cohere». VC.ru. [9]
  10. ↑ «Cohere Command R». AIGenom. [10]
  11. ↑ «Cohere for AI запускает ИИ-полиглот Aya». Компьютерра. [11]
  12. ↑ «Cohere представила Embed 4 — свою самую мощную модель для создания векторных представлений». Habr. [12]
  13. ↑ «Oracle, Salesforce Ventures and Nvidia invest in Cohere». ERP Today. [13]
  14. ↑ «Fujitsu and Cohere to Partner on Developing Generative AI for the Japanese Language». Fujitsu Press Releases. [14]
  15. ↑ «Evaluating the Practicality of Retrieval-Augmented Generation in Student-Facing Educational Technology». arXiv. [15]
  16. ↑ «A Confusion Classification System for Online Learning Based on Multimodal Information». IEEE Xplore. [16]
  17. ↑ «Using large language models to streamline the creation of research protocols». BMC Medical Education. [17]
Retrieved from "https://systems-analysis.info/int/index.php?title=Cohere_Inc._(ID)&oldid=1050"