--- title: "Cohere Inc. (TH)" source: "https://systems-analysis.info/int/Cohere_Inc._(TH)" wiki: "systems-analysis.info/int" article: "Cohere_Inc._(TH)" language: "th" categories: - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" - "Category:Thai" revision_id: 1058 wiki_created_at: 2026-09-06T22:42:42Z wiki_modified_at: 2026-09-06T22:42:42Z downloaded_at: 2026-09-07T22:43:50Z --- # Cohere Inc. (TH) **Cohere** — คือบริษัทเทคโนโลยีด้านปัญญาประดิษฐ์สัญชาติแคนาดา ที่เชี่ยวชาญด้านการพัฒนา large language model (LLM) สำหรับภาคธุรกิจองค์กร (Enterprise AI) บริษัทก่อตั้งขึ้นในปี 2019 ที่เมืองโตรอนโต โดยอดีตนักวิจัยจาก Google Brain และวางตำแหน่งตัวเองเป็นหนึ่งในทางเลือกสำคัญแทน OpenAI^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-wiki-cohere-1)} จุดมุ่งเน้นหลักของ Cohere คือการมอบโซลูชัน AI ที่ปลอดภัย ปรับแต่งได้ และขยายขนาดได้สำหรับธุรกิจ แตกต่างจากคู่แข่งหลายรายที่มุ่งเน้นตลาดผู้บริโภค Cohere ให้ความสำคัญกับลูกค้าองค์กรตั้งแต่เริ่มต้น ซึ่งกำหนดทิศทางเทคโนโลยีของบริษัท ## ประวัติและการระดมทุน Cohere ก่อตั้งขึ้นในปี 2019 โดยผู้ร่วมก่อตั้งสามคน ได้แก่ **Aidan Gomez**, **Ivan Zhang** และ **Nick Frosst** Aidan Gomez เป็นหนึ่งในผู้ร่วมเขียนผลงานวิจัยสำคัญปี 2017 ชื่อ **«Attention Is All You Need»** ซึ่งแนะนำสถาปัตยกรรม transformer ให้แก่โลก^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-wiki-cohere-1)} ในเดือนธันวาคม 2022 Martin Kon อดีตประธานเจ้าหน้าที่ฝ่ายการเงินของ YouTube ได้เข้ารับตำแหน่งประธานและประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของบริษัท^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-wiki-cohere-1)} บริษัทแสดงผลลัพธ์ที่น่าประทับใจในการดึงดูดการลงทุน: - ในปี 2023 ในรอบการระดมทุน Series C ได้รับเงินทุน **270 ล้านดอลลาร์** ส่งผลให้มูลค่าบริษัทอยู่ที่ 2.1–2.2 พันล้านดอลลาร์^{[\[2\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-mostecosystem-funding-2)} - ในปี 2024 บริษัทระดมทุนเพิ่มเติมได้ **500 ล้านดอลลาร์** เพิ่มมูลค่าบริษัทเป็น 5.5 พันล้านดอลลาร์^{[\[3\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-uniteai-funding-3)} นักลงทุนหลักของ Cohere ได้แก่ PSP Investments, Cisco Systems, AMD, Fujitsu, NVIDIA, Salesforce Ventures, Oracle และ Google Cloud^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-wiki-cohere-1)[\[2\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-mostecosystem-funding-2)} ## ชุดเทคโนโลยี ### Retrieval-Augmented Generation (RAG) เทคโนโลยีหลักในแนวทางของ Cohere คือ **Retrieval-Augmented Generation (RAG)** — การสร้างข้อความที่เสริมด้วยการดึงข้อมูล RAG ช่วยให้โมเดลเข้าถึงฐานความรู้ภายนอกแบบเรียลไทม์ ซึ่ง "ยึดโยง" คำตอบของโมเดลไว้กับข้อมูลจริง ลดการ "hallucination" และรับประกันความทันสมัยของข้อมูล^{[\[4\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-4)} โมเดล **Command R** และ **Command A** ได้รับการปรับแต่งเป็นพิเศษสำหรับการใช้เครื่องมือหลายขั้นตอนในระบบ RAG^{[\[5\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-servernews-command-r-5)} ### ความสามารถหลายภาษา Cohere ให้ความสำคัญเป็นพิเศษกับความสามารถหลายภาษา บริษัทพัฒนาโมเดลที่ฝึกจากข้อมูลของเจ้าของภาษา เพื่อให้มั่นใจในคุณภาพการทำงานที่สูง ตัวอย่างเช่น โมเดลโอเพนซอร์ส **Aya** รองรับมากกว่า 100 ภาษา รวมถึงภาษารัสเซีย ในขณะที่ตระกูล **Command** รองรับมากกว่า 10 ภาษาหลักของโลก ### ความปลอดภัยและการปรับใช้งาน Cohere มีตัวเลือกการปรับใช้งานที่ยืดหยุ่น รวมถึงแพลตฟอร์ม SaaS, การปรับใช้งานบนคลาวด์ส่วนตัว และการผสานรวมกับแพลตฟอร์มของบุคคลที่สาม (Amazon SageMaker, Google Vertex AI, Azure) บริษัทให้ความสำคัญเป็นพิเศษกับความปลอดภัยของข้อมูลองค์กร โดยเสนอตัวเลือกในการปฏิเสธการใช้ข้อมูลเพื่อการฝึกอบรม และการปฏิบัติตามมาตรฐาน SOC 2 Type II^{[\[6\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-enterprise-data-commitments-6)} ## ผลิตภัณฑ์และโมเดล Cohere พัฒนาโมเดลหลายประเภทที่ออกแบบมาสำหรับขั้นตอนต่างๆ ของการทำงานกับภาษา ### Command (โมเดลสร้างข้อความ) **Command** คือตระกูลโมเดลสร้างข้อความหลักของบริษัท - **Command A**: โมเดลที่มีประสิทธิภาพสูงสุด (ปี 2025) ที่มี **111 พันล้านพารามิเตอร์** รองรับหน้าต่างบริบท **256,000 token** และสามารถทำงานบน GPU เพียงสองตัว ในขณะที่โมเดลคู่แข่งต้องการมากถึง 32 ตัว^{[\[7\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-habr-command-a-7)} แสดงความเร็วในการสร้างข้อความสูงถึง 156 token ต่อวินาที ซึ่งเร็วกว่า GPT-4o ถึง 1.75 เท่า^{[\[8\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-dsmedia-command-a-8)} - **Command R+**: โมเดลที่มีประสิทธิภาพสูงพร้อม 104 พันล้านพารามิเตอร์ และหน้าต่างบริบท 128,000 token เหนือกว่าโมเดลเทียบเคียงหลายตัวและใกล้เคียงกับความสามารถของ GPT-4 Turbo^{[\[9\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-vc-future-command-r-9)} - **Command R**: โมเดลที่มี 35 พันล้านพารามิเตอร์ ออกแบบมาสำหรับงานด้านการสนทนาที่ต้องการความแม่นยำสูง^{[\[10\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-aigenom-command-r-10)} ### โมเดลเฉพาะทาง - **Aya**: โมเดลหลายภาษาแบบโอเพนซอร์สที่รองรับมากกว่า 100 ภาษา พัฒนาโดยมีนักวิจัยมากกว่า 3,000 คนจาก 119 ประเทศเข้าร่วม^{[\[11\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-computerra-aya-11)} - **Embed**: โมเดลสำหรับสร้าง embedding ของข้อความ **Embed 4** รองรับ multimodality และหน้าต่างบริบท 128,000 token^{[\[12\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-habr-embed4-12)} - **Rerank**: โมเดลสำหรับปรับปรุงคุณภาพการค้นหาในระบบ RAG ## ความร่วมมือและการผสานรวม Cohere พัฒนาความสัมพันธ์เชิงพันธมิตรอย่างแข็งขันกับบริษัทเทคโนโลยีขนาดใหญ่ รวมถึง: - **Oracle:** การผสานรวมเทคโนโลยีของ Cohere เข้ากับ Oracle Fusion Cloud และ NetSuite^{[\[13\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-erp-today-oracle-13)} - **Salesforce:** การฝังความสามารถด้านการแชทในผลิตภัณฑ์ของ Salesforce^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-wiki-cohere-1)} - **Fujitsu:** การพัฒนาร่วมกันของโมเดลภาษาญี่ปุ่น Takane^{[\[14\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-14)} - **McKinsey:** ความร่วมมือในด้านการผสานรวม generative AI เข้ากับการดำเนินงานองค์กร^{[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-wiki-cohere-1)} ## การประยุกต์ใช้ในอุตสาหกรรมต่างๆ - **การศึกษา:** Cohere ถูกใช้เพื่อสร้างแผนการสอน การจำแนกประเภท และการสนับสนุนโครงการริเริ่มหลายภาษา^{[\[15\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-arxiv-rag-education-15)[\[16\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-ieee-online-learning-16)} - **สาธารณสุขและวิทยาศาสตร์:** โมเดลถูกนำมาใช้สำหรับการกำหนดโปรโตคอลทางวิทยาศาสตร์ การวิเคราะห์ข้อมูลทางการแพทย์ และการสนับสนุนการวิจัย^{[\[17\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-bmcmededuc-protocols-17)} - **โซลูชันองค์กร:** การทำให้การจัดการเอกสารเป็นอัตโนมัติ การวิเคราะห์ข้อมูล การเขียนข้อความการตลาด และการบริการลูกค้า^{[\[5\]](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_note-servernews-command-r-5)} ## ดูเพิ่มเติม - Large language model - โมเดลภาษาขนาดใหญ่ - ## บรรณานุกรม - 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. ## หมายเหตุ 1. ↑ ^{[1.0](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-wiki-cohere_1-0)} ^{[1.1](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-wiki-cohere_1-1)} ^{[1.2](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-wiki-cohere_1-2)} ^{[1.3](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-wiki-cohere_1-3)} ^{[1.4](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-wiki-cohere_1-4)} ^{[1.5](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-wiki-cohere_1-5)} «Cohere (company)». В *Wikipedia*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-mostecosystem-funding_2-0)} ^{[2.1](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-mostecosystem-funding_2-1)} «ИИ-стартап Cohere, который сейчас оценивается более чем в \$2,1 млрд, привлек \$270 млн». *Most Ecosystem*. [2] 3. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-uniteai-funding_3-0) «Cohere получает прирост в 500 миллионов». *Unite.AI*. [3] 4. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-4) «Rethinking the RAG vs Fine-tuning Debate». *arXiv*. [4] 5. ↑ ^{[5.0](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-servernews-command-r_5-0)} ^{[5.1](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-servernews-command-r_5-1)} «Cohere Command R: Что это и как использовать?». *ServerNews*. [5] 6. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-enterprise-data-commitments_6-0) «Enterprise Data Commitments». *Cohere Docs*. [6] 7. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-habr-command-a_7-0) «Cohere выпустила Command A — самую эффективную на сегодня ИИ-модель для бизнеса». *Habr*. [7] 8. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-dsmedia-command-a_8-0) «Cohere выпускает недорогую модель ИИ, требующую всего два графических процессора». *DSmedia*. [8] 9. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-vc-future-command-r_9-0) «LLM для бизнеса: что умеет Command R от Cohere». *VC.ru*. [9] 10. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-aigenom-command-r_10-0) «Cohere Command R». *AIGenom*. [10] 11. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-computerra-aya_11-0) «Cohere for AI запускает ИИ-полиглот Aya». *Компьютерра*. [11] 12. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#cite_ref-habr-embed4_12-0) «Cohere представила Embed 4 — свою самую мощную модель для создания векторных представлений». *Habr*. [12] 13. [↑](https://systems-analysis.info/int/Cohere_Inc._(TH)#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._(TH)#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._(TH)#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._(TH)#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._(TH)#cite_ref-bmcmededuc-protocols_17-0) «Using large language models to streamline the creation of research protocols». *BMC Medical Education*. [17]