--- title: "Cohere Inc. — كوهير" source: "https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1" wiki: "systems-analysis.info/int" article: "Cohere_Inc._—_كوهير" language: "ar" categories: - "Category:Arabic" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 1063 wiki_created_at: 2026-09-06T22:42:46Z wiki_modified_at: 2026-09-06T22:42:46Z downloaded_at: 2026-09-07T22:43:52Z --- # Cohere Inc. — كوهير **Cohere** هي شركة تكنولوجيا كندية في مجال الذكاء الاصطناعي، متخصصة في تطوير نماذج اللغة الكبيرة (LLM) لقطاع الشركات (Enterprise AI). تأسست الشركة في عام 2019 في تورنتو على يد باحثين سابقين من Google Brain، وتُعتبر واحدة من البدائل الرئيسية لشركة OpenAI^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-wiki-cohere-1)}. ينصب التركيز الأساسي لشركة Cohere على تزويد الشركات بحلول ذكاء اصطناعي آمنة وقابلة للتخصيص والتوسع. على عكس العديد من المنافسين الذين يستهدفون السوق الاستهلاكية، ركزت Cohere منذ البداية على العملاء من الشركات، وهو ما حدد نهجها التكنولوجي. ## التاريخ والتمويل تأسست Cohere في عام 2019 على يد ثلاثة مؤسسين مشاركين: **إيدن غوميز (Aidan Gomez)**، و**إيفان تشانغ (Ivan Zhang)**، و**نيك فروست (Nick Frosst)**. إيدن غوميز هو أحد المؤلفين المشاركين في الورقة البحثية البارزة لعام 2017 بعنوان **«Attention Is All You Need»**، التي قدمت بنية المحولات (transformer) للعالم^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-wiki-cohere-1)}. في ديسمبر 2022، أصبح مارتن كون، المدير المالي السابق لشركة يوتيوب، رئيسًا ومديرًا تنفيذيًا للعمليات في الشركة^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-wiki-cohere-1)}. حققت الشركة نتائج مذهلة في جذب الاستثمارات: - في عام 2023، تم جمع **270 مليون دولار** في جولة تمويل من السلسلة C، مما أدى إلى تقييم الشركة بما يتراوح بين 2.1 و 2.2 مليار دولار^{[\[2\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-mostecosystem-funding-2)}. - في عام 2024، جمعت الشركة **500 مليون دولار** إضافية، مما رفع تقييمها إلى 5.5 مليار دولار^{[\[3\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-uniteai-funding-3)}. من بين المستثمرين الرئيسيين في Cohere: PSP Investments، وCisco Systems، وAMD، وFujitsu، وNVIDIA، وSalesforce Ventures، وOracle، وGoogle Cloud^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-wiki-cohere-1)[\[2\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-mostecosystem-funding-2)}. ## المكونات التقنية ### Retrieval-Augmented Generation (RAG) - التوليد المعزز بالاسترجاع (RAG) تُعد تقنية **التوليد المعزز بالاسترجاع (Retrieval-Augmented Generation - RAG)** محورية في نهج Cohere. تسمح RAG للنماذج بالوصول في الوقت الفعلي إلى قواعد المعرفة الخارجية، مما يربط إجاباتها بالبيانات الواقعية ويقلل من "الهلوسات" ويضمن حداثة المعلومات^{[\[4\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-4)}. تم تحسين نموذجي **Command R** و **Command A** خصيصًا للاستخدام متعدد المراحل للأدوات في أنظمة RAG^{[\[5\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-servernews-command-r-5)}. ### دعم اللغات المتعددة تولي Cohere اهتمامًا خاصًا بدعم اللغات المتعددة. طورت الشركة نماذج تم تدريبها على بيانات من متحدثين أصليين، مما يضمن جودة أداء عالية. على سبيل المثال، يدعم نموذج **Aya** المفتوح المصدر أكثر من 100 لغة، بما في ذلك الروسية، بينما تدعم عائلة نماذج **Command** أكثر من 10 لغات عالمية رئيسية. ### الأمان والنشر تقدم Cohere خيارات نشر مرنة، بما في ذلك منصة SaaS، وعمليات النشر على السحابة الخاصة، والتكامل مع منصات الجهات الخارجية (Amazon SageMaker, Google Vertex AI, Azure). تولي الشركة اهتمامًا خاصًا بأمن بيانات الشركات، وتوفر إمكانية عدم استخدامها للتدريب، وتتوافق مع معيار SOC 2 Type II^{[\[6\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-enterprise-data-commitments-6)}. ## مجموعة المنتجات والنماذج تطور Cohere عدة أنواع من النماذج المصممة لمراحل مختلفة من معالجة اللغة. ### Command (نماذج توليدية) **Command** هي عائلة النماذج التوليدية الرائدة للشركة. - **Command A**: النموذج الأكثر كفاءة (2025) مع **111 مليار مُعلَمة**. يدعم نافذة سياق تصل إلى **256,000 توكن** ويمكن تشغيله على وحدتي معالجة رسوميات (GPU) فقط، بينما تتطلب النماذج المنافسة ما يصل إلى 32 وحدة^{[\[7\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-habr-command-a-7)}. يُظهر سرعة توليد تصل إلى 156 توكن في الثانية، أي أسرع بـ 1.75 مرة من GPT-4o^{[\[8\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-dsmedia-command-a-8)}. - **Command R+**: نموذج قوي يحتوي على 104 مليار مُعلَمة ونافذة سياق تبلغ 128,000 توكن. يتفوق على العديد من النماذج المماثلة ويقترب من قدرات GPT-4 Turbo^{[\[9\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-vc-future-command-r-9)}. - **Command R**: نموذج يحتوي على 35 مليار مُعلَمة، مصمم للمهام الحوارية بدقة عالية^{[\[10\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-aigenom-command-r-10)}. ### النماذج المتخصصة - **Aya**: نموذج مفتوح المصدر متعدد اللغات يدعم أكثر من 100 لغة. تم تطويره بمشاركة أكثر من 3000 باحث من 119 دولة^{[\[11\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-computerra-aya-11)}. - **Embed**: نماذج لإنشاء تمثيلات متجهية للنص. يدعم **Embed 4** الوسائط المتعددة ونافذة سياق تبلغ 128,000 توكن^{[\[12\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-habr-embed4-12)}. - **Rerank**: نماذج لتحسين جودة البحث في أنظمة RAG. ## الشراكات والتكاملات تعمل Cohere بنشاط على تطوير شراكات مع شركات تكنولوجية كبرى، بما في ذلك: - **Oracle:** دمج تقنيات Cohere في Oracle Fusion Cloud و NetSuite^{[\[13\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-erp-today-oracle-13)}. - **Salesforce:** تضمين إمكانيات المحادثة في منتجات Salesforce^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-wiki-cohere-1)}. - **Fujitsu:** التطوير المشترك لنموذج اللغة الياباني Takane^{[\[14\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-14)}. - **McKinsey:** التعاون في مجال دمج الذكاء الاصطناعي التوليدي في عمليات الشركات^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-wiki-cohere-1)}. ## التطبيقات في مختلف القطاعات - **التعليم:** تُستخدم تقنيات Cohere لإنشاء خطط الدروس التعليمية، والتصنيف، ودعم المبادرات متعددة اللغات^{[\[15\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-arxiv-rag-education-15)[\[16\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-ieee-online-learning-16)}. - **الرعاية الصحية والعلوم:** تُطبق النماذج لصياغة البروتوكولات العلمية، وتحليل البيانات الطبية، ودعم الأبحاث^{[\[17\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-bmcmededuc-protocols-17)}. - **حلول الشركات:** أتمتة إدارة المستندات، وتحليل البيانات، وكتابة النصوص التسويقية، وخدمة العملاء^{[\[5\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_note-servernews-command-r-5)}. ## انظر أيضًا - نماذج اللغة الكبيرة - ## المراجع الأكاديمية - 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. ## المراجع 1. ↑ ^{[1.0](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-wiki-cohere_1-0)} ^{[1.1](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-wiki-cohere_1-1)} ^{[1.2](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-wiki-cohere_1-2)} ^{[1.3](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-wiki-cohere_1-3)} ^{[1.4](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-wiki-cohere_1-4)} ^{[1.5](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-wiki-cohere_1-5)} «Cohere (company)». في *ويكيبيديا*. [١] 2. ↑ ^{[2.0](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-mostecosystem-funding_2-0)} ^{[2.1](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-mostecosystem-funding_2-1)} «شركة الذكاء الاصطناعي الناشئة Cohere، التي تقدر قيمتها الآن بأكثر من 2.1 مليار دولار، جمعت 270 مليون دولار». *Most Ecosystem*. [٢] 3. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-uniteai-funding_3-0) «Cohere تحصل على زيادة قدرها 500 مليون». *Unite.AI*. [٣] 4. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-4) «Rethinking the RAG vs Fine-tuning Debate». *arXiv*. [٤] 5. ↑ ^{[5.0](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-servernews-command-r_5-0)} ^{[5.1](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-servernews-command-r_5-1)} «Cohere Command R: ما هو وكيفية استخدامه؟». *ServerNews*. [٥] 6. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-enterprise-data-commitments_6-0) «Enterprise Data Commitments». *Cohere Docs*. [٦] 7. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-habr-command-a_7-0) «Cohere تطلق Command A — نموذج الذكاء الاصطناعي الأكثر كفاءة للأعمال اليوم». *Habr*. [٧] 8. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-dsmedia-command-a_8-0) «Cohere تطلق نموذج ذكاء اصطناعي منخفض التكلفة يتطلب وحدتي معالجة رسوميات فقط». *DSmedia*. [٨] 9. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-vc-future-command-r_9-0) «نماذج اللغة الكبيرة للأعمال: ما الذي يستطيع Command R من Cohere فعله». *VC.ru*. [٩] 10. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-aigenom-command-r_10-0) «Cohere Command R». *AIGenom*. [١٠] 11. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-computerra-aya_11-0) «Cohere for AI تطلق Aya، الذكاء الاصطناعي متعدد اللغات». *Компьютерра*. [١١] 12. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-habr-embed4_12-0) «Cohere تقدم Embed 4 — أقوى نماذجها لإنشاء التمثيلات المتجهية». *Habr*. [١٢] 13. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-erp-today-oracle_13-0) «Oracle, Salesforce Ventures and Nvidia invest in Cohere». *ERP Today*. [١٣] 14. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-14) «Fujitsu and Cohere to Partner on Developing Generative AI for the Japanese Language». *Fujitsu Press Releases*. [١٤] 15. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-arxiv-rag-education_15-0) «Evaluating the Practicality of Retrieval-Augmented Generation in Student-Facing Educational Technology». *arXiv*. [١٥] 16. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-ieee-online-learning_16-0) «A Confusion Classification System for Online Learning Based on Multimodal Information». *IEEE Xplore*. [١٦] 17. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%D9%83%D9%88%D9%87%D9%8A%D8%B1#cite_ref-bmcmededuc-protocols_17-0) «Using large language models to streamline the creation of research protocols». *BMC Medical Education*. [١٧]