Cohere Inc. (SV)

From Systems analysis Wiki
Jump to navigation Jump to search

Cohere — ett kanadensiskt teknologiföretag inom artificiell intelligens, specialiserat på utveckling av stora språkmodeller (LLM) för företagssektorn (Enterprise AI). Företaget grundades 2019 i Toronto av tidigare forskare från Google Brain och positioneras som ett av de viktigaste alternativen till OpenAI[1].

Coheres huvudsakliga fokus är att erbjuda företag säkra, anpassningsbara och skalbara AI-lösningar. Till skillnad från många konkurrenter som riktar sig mot konsumentmarknaden satsade Cohere från början på företagskunder, vilket har präglat företagets teknologiska approach.

Historia och finansiering

Cohere grundades 2019 av tre medgrundare: Aidan Gomez, Ivan Zhang och Nick Frosst. Aidan Gomez är en av medförfattarna till den banbrytande vetenskapliga artikeln från 2017, «Attention Is All You Need», som presenterade transformer-arkitekturen för världen[1]. I december 2022 tillträdde Martin Kon, tidigare ekonomichef på YouTube, som president och operativ direktör för företaget[1].

Företaget har uppvisat imponerande resultat i kapitalanskaffning:

  • År 2023 anskaffades 270 miljoner dollar inom ramen för en Serie C-finansieringsrunda, vilket värderade företaget till 2,1–2,2 miljarder dollar[2].
  • År 2024 anskaffade företaget ytterligare 500 miljoner dollar, vilket ökade värderingen till 5,5 miljarder dollar[3].

Coheres viktigaste investerare är PSP Investments, Cisco Systems, AMD, Fujitsu, NVIDIA, Salesforce Ventures, Oracle och Google Cloud[1][2].

Teknologisk stack

Retrieval-Augmented Generation (RAG) - Hämtningsförstärkt generering

Den centrala teknologin i Coheres approach är Retrieval-Augmented Generation (RAG) — generering förstärkt med informationshämtning. RAG gör det möjligt för modeller att i realtid hämta information från externa kunskapsbaser, vilket "förankrar" deras svar i faktabaserad data, minskar "hallucinationer" och säkerställer att informationen är aktuell[4]. Modellerna Command R och Command A är särskilt optimerade för flerstegsanvändning av verktyg i RAG-system[5].

Flerspråkighet

Cohere lägger särskild vikt vid flerspråkighet. Företaget har utvecklat modeller tränade på data från modersmålstalare, vilket säkerställer hög kvalitet i arbetet. Till exempel stöder den öppna modellen Aya mer än 100 språk, inklusive ryska, och Command-familjen stöder mer än 10 av världens viktigaste språk.

Säkerhet och driftsättning

Cohere erbjuder flexibla driftsättningsalternativ, inklusive en SaaS-plattform, privata molndriftsättningar och integration med tredjepartsplattformar (Amazon SageMaker, Google Vertex AI, Azure). Företaget lägger särskild vikt vid säkerheten för företagsdata och erbjuder möjligheten att välja bort att data används för träning samt efterlevnad av standarden SOC 2 Type II[6].

Produkt- och modellsortiment

Cohere utvecklar flera typer av modeller avsedda för olika faser av språkbearbetning.

Command (Generativa modeller)

Command är den flaggskepp-familjen av generativa modeller.

  • Command A: Den mest effektiva modellen (2025) med 111 miljarder parametrar. Stöder ett kontextfönster på 256 000 token och kan köras på enbart två GPU:er, medan konkurrerande modeller kräver upp till 32[7]. Uppvisar en genereringshastighet på upp till 156 token per sekund, vilket är 1,75 gånger snabbare än GPT-4o[8].
  • Command R+: En kraftfull modell med 104 miljarder parametrar och ett kontextfönster på 128 000 token. Överträffar många liknande modeller och närmar sig GPT-4 Turbos kapacitet[9].
  • Command R: En modell med 35 miljarder parametrar, utformad för konversationsuppgifter med hög precision[10].

Specialiserade modeller

  • Aya: En öppen flerspråkig modell som stöder mer än 100 språk. Utvecklad med medverkan av mer än 3 000 forskare från 119 länder[11].
  • Embed: Modeller för att skapa vektorrepresentationer av text. Embed 4 stöder multimodalitet och ett kontextfönster på 128 000 token[12].
  • Rerank: Modeller för att förbättra sökkvaliteten i RAG-system.

Partnerskap och integrationer

Cohere utvecklar aktivt partnerskap med stora teknologiföretag, bland annat:

  • Oracle: Integration av Coheres teknologier i Oracle Fusion Cloud och NetSuite[13].
  • Salesforce: Inbyggda chattfunktioner i Salesforces produkter[1].
  • Fujitsu: Gemensam utveckling av den japanska språkmodellen Takane[14].
  • McKinsey: Samarbete kring integration av generativ AI i företagsverksamhet[1].

Tillämpning inom olika branscher

  • Utbildning: Cohere används för att skapa pedagogiska lektionsplaner, klassificering och stöd för flerspråkiga initiativ[15][16].
  • Hälso- och sjukvård samt vetenskap: Modellerna används för att formulera vetenskapliga protokoll, analysera medicinska data och stödja forskning[17].
  • Företagslösningar: Automatisering av dokumenthantering, dataanalys, skrivande av marknadsföringsttexter och kundtjänst[5].

Se även

  • Stora språkmodeller

Litteratur

  • 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.

Noter

  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._(SV)&oldid=1057"