--- title: "Cohere Inc. — コヒア" source: "https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2" wiki: "systems-analysis.info/int" article: "Cohere_Inc._—_コヒア" language: "ja" categories: - "Category:Japanese" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 1064 wiki_created_at: 2026-09-06T22:42:47Z wiki_modified_at: 2026-09-06T22:42:47Z downloaded_at: 2026-09-07T22:43:52Z --- # Cohere Inc. — コヒア **Cohere**は、エンタープライズ分野（Enterprise AI）向けの大規模言語モデル（LLM）の開発を専門とする、カナダのAI技術企業です。同社は2019年にトロントでGoogle Brainの元研究者らによって設立され、OpenAIの主要な代替企業の一つとして位置づけられています^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-wiki-cohere-1)}。 Cohereの主な焦点は、安全でカスタマイズ可能かつスケーラブルなAIソリューションをビジネスに提供することです。消費者市場をターゲットとする多くの競合他社とは異なり、Cohereは当初から法人顧客に重点を置いており、これが同社の技術的アプローチを決定づけています。 ## 歴史と資金調達 Cohereは2019年に3人の共同創業者、**エイダン・ゴメス（Aidan Gomez）**、**イワン・チャン（Ivan Zhang）**、**ニック・フロスト（Nick Frosst）**によって設立されました。エイダン・ゴメスは、トランスフォーマーアーキテクチャを世界に紹介した2017年の画期的な論文**『Attention Is All You Need』**の共著者の一人です^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-wiki-cohere-1)}。2022年12月には、元YouTubeのCFOであるマーティン・コーン氏が社長兼COOに就任しました^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-wiki-cohere-1)}。同社は資金調達において目覚ましい成果を上げています: - 2023年、シリーズCの資金調달ラウンドで**2億7000万ドル**を調達し、企業価値は21億～22億ドルと評価されました^{[\[2\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-mostecosystem-funding-2)}。 - 2024年にはさらに**5億ドル**を調達し、評価額は55億ドルに達しました^{[\[3\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-uniteai-funding-3)}。 Cohereの主要な投資家には、PSP Investments、Cisco Systems、AMD、富士通、NVIDIA、Salesforce Ventures、Oracle、Google Cloudなどが名を連ねています^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-wiki-cohere-1)[\[2\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-mostecosystem-funding-2)}。 ## 技術スタック ### Retrieval-Augmented Generation (RAG) - 検索拡張生成 Cohereのアプローチの中核技術は**Retrieval-Augmented Generation (RAG)**（検索拡張生成）です。RAGにより、モデルはリアルタイムで外部の知識ベースにアクセスすることができ、これにより回答を事実データに基づいて「グラウンディング」させ、「ハルシネーション」を低減し、情報の最新性を確保します^{[\[4\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-4)}。**Command R**および**Command A**モデルは、RAGシステムにおける多段階のツール利用に特化して最適化されています^{[\[5\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-servernews-command-r-5)}。 ### 多言語対応 Cohereは多言語対応に特に力を入れています。同社はネイティブスピーカーのデータで学習させたモデルを開発し、高品質なパフォーマンスを保証しています。例えば、オープンモデルの**Aya**はロシア語を含む100以上の言語をサポートしており、**Command**ファミリーは10以上の主要な世界の言語に対応しています。 ### セキュリティとデプロイメント Cohereは、SaaSプラットフォーム、プライベートクラウドでのデプロイメント、サードパーティプラットフォーム（Amazon SageMaker、Google Vertex AI、Azure）との統合など、柔軟なデプロイメントオプションを提供しています。同社は企業データのセキュリティを特に重視しており、データをモデル学習に使用しないオプションや、SOC 2 Type II標準への準拠を提供しています^{[\[6\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-enterprise-data-commitments-6)}。 ## 製品およびモデルのラインナップ Cohereは、言語処理のさまざまな段階に対応する複数のタイプのモデルを開発しています。 ### Command（生成モデル） **Command**は、同社の主力となる生成モデルファミリーです。 - **Command A**: 最も効率的なモデル（2025年時点）で、**1110億パラメータ**を搭載しています。**256,000トークン**のコンテキストウィンドウをサポートし、競合モデルが最大32基のGPUを必要とするのに対し、わずか2基のGPUで動作可能です^{[\[7\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-habr-command-a-7)}。生成速度は毎秒最大156トークンに達し、これはGPT-4oの1.75倍の速さです^{[\[8\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-dsmedia-command-a-8)}。 - **Command R+**: 1040億パラメータと128,000トークンのコンテキストウィンドウを持つ強力なモデル。多くの類似モデルを凌駕し、GPT-4 Turboの能力に匹敵します^{[\[9\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-vc-future-command-r-9)}。 - **Command R**: 350億パラメータを持つモデルで、高精度な対話タスク向けに設計されています^{[\[10\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-aigenom-command-r-10)}。 ### 特化型モデル - **Aya**: 100以上の言語をサポートするオープンな多言語モデル。119カ国、3000人以上の研究者の協力のもとで開発されました^{[\[11\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-computerra-aya-11)}。 - **Embed**: テキストのベクトル表現（埋め込み）を生成するためのモデル。**Embed 4**はマルチモーダルに対応し、128,000トークンのコンテキストウィンドウをサポートしています^{[\[12\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-habr-embed4-12)}。 - **Rerank**: RAGシステムにおける検索品質を向上させるためのモデル。 ## パートナーシップと統合 Cohereは、以下のような大手テクノロジー企業とのパートナーシップを積極的に展開しています: - **Oracle:** Cohereの技術をOracle Fusion CloudおよびNetSuiteに統合^{[\[13\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-erp-today-oracle-13)}。 - **Salesforce:** Salesforce製品へのチャット機能の組み込み^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-wiki-cohere-1)}。 - **富士通:** 日本語言語モデル「Takane」の共同開発^{[\[14\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-14)}。 - **McKinsey:** 生成AIの企業業務への統合に関する協力^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-wiki-cohere-1)}。 ## 様々な業界での応用 - **教育:** Cohereは、授業計画の作成、分類、多言語イニシアチブのサポートなどに利用されています^{[\[15\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-arxiv-rag-education-15)[\[16\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-ieee-online-learning-16)}。 - **ヘルスケアと科学:** 研究プロトコルの策定、医療データの分析、研究支援などにモデルが応用されています^{[\[17\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-bmcmededuc-protocols-17)}。 - **法人向けソリューション:** 文書業務の自動化、データ分析、マーケティングコピーの作成、顧客サービスなどに利用されています^{[\[5\]](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_note-servernews-command-r-5)}。 ## 関連項目 - 大規模言語モデル - ## 参考文献 - 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. ## 脚注 1. ↑ ^{[1.0](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-wiki-cohere_1-0)} ^{[1.1](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-wiki-cohere_1-1)} ^{[1.2](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-wiki-cohere_1-2)} ^{[1.3](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-wiki-cohere_1-3)} ^{[1.4](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-wiki-cohere_1-4)} ^{[1.5](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-wiki-cohere_1-5)} 「Cohere (company)」。*Wikipedia*。 [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-mostecosystem-funding_2-0)} ^{[2.1](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-mostecosystem-funding_2-1)} 「AIスタートアップCohere、評価額21億ドル超で2億7000万ドルを調達」。*Most Ecosystem*。 [2] 3. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-uniteai-funding_3-0) 「Cohereが5億ドルの増資を確保」。*Unite.AI*。 [3] 4. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-4) 「Rethinking the RAG vs Fine-tuning Debate」。*arXiv*。 [4] 5. ↑ ^{[5.0](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-servernews-command-r_5-0)} ^{[5.1](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-servernews-command-r_5-1)} 「Cohere Command R：それは何か、どう使うか？」。*ServerNews*。 [5] 6. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-enterprise-data-commitments_6-0) 「Enterprise Data Commitments」。*Cohere Docs*。 [6] 7. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-habr-command-a_7-0) 「CohereがCommand Aをリリース — ビジネス向けで今日最も効率的なAIモデル」。*Habr*。 [7] 8. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-dsmedia-command-a_8-0) 「Cohereがわずか2つのGPUで動作する低コストAIモデルをリリース」。*DSmedia*。 [8] 9. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-vc-future-command-r_9-0) 「ビジネス向けLLM：CohereのCommand Rは何ができるのか」。*VC.ru*。 [9] 10. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-aigenom-command-r_10-0) 「Cohere Command R」。*AIGenom*。 [10] 11. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-computerra-aya_11-0) 「Cohere for AIが多言語AI『Aya』をローンチ」。*Компьютерра*。 [11] 12. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-habr-embed4_12-0) 「CohereがEmbed 4を発表 — ベクトル表現生成のための最も強力なモデル」。*Habr*。 [12] 13. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-erp-today-oracle_13-0) 「Oracle, Salesforce Ventures and Nvidia invest in Cohere」。*ERP Today*。 [13] 14. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-14) 「Fujitsu and Cohere to Partner on Developing Generative AI for the Japanese Language」。*Fujitsu Press Releases*。 [14] 15. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-arxiv-rag-education_15-0) 「Evaluating the Practicality of Retrieval-Augmented Generation in Student-Facing Educational Technology」。*arXiv*。 [15] 16. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-ieee-online-learning_16-0) 「A Confusion Classification System for Online Learning Based on Multimodal Information」。*IEEE Xplore*。 [16] 17. [↑](https://systems-analysis.info/int/Cohere_Inc._%E2%80%94_%E3%82%B3%E3%83%92%E3%82%A2#cite_ref-bmcmededuc-protocols_17-0) 「Using large language models to streamline the creation of research protocols」。*BMC Medical Education*。 [17]