---
title: "Cohere Inc. (VI)"
source: "https://systems-analysis.info/int/Cohere_Inc._(VI)"
wiki: "systems-analysis.info/int"
article: "Cohere_Inc._(VI)"
language: "vi"
categories:
  - "Category:Large language models"
  - "Category:LLM families"
  - "Category:Machine learning"
  - "Category:Vietnamese"
revision_id: 1062
wiki_created_at: 2026-09-06T22:42:45Z
wiki_modified_at: 2026-09-06T22:42:45Z
downloaded_at: 2026-09-07T22:43:51Z
---

# Cohere Inc. (VI)

**Cohere** — là một công ty công nghệ trí tuệ nhân tạo của Canada, chuyên phát triển các mô hình ngôn ngữ lớn (LLM) cho lĩnh vực doanh nghiệp (Enterprise AI). Công ty được thành lập vào năm 2019 tại Toronto bởi các nhà nghiên cứu cựu của Google Brain và được định vị là một trong những lựa chọn thay thế chính cho OpenAI<sup>[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-wiki-cohere-1)</sup>.

Trọng tâm chính của Cohere là cung cấp cho doanh nghiệp các giải pháp AI an toàn, có thể tùy chỉnh và có khả năng mở rộng. Khác với nhiều đối thủ cạnh tranh hướng đến thị trường người tiêu dùng, Cohere ngay từ đầu đã đặt cược vào khách hàng doanh nghiệp, điều này đã định hình cách tiếp cận công nghệ của công ty.

## Lịch sử và tài trợ

Cohere được thành lập vào năm 2019 bởi ba đồng sáng lập: **Aidan Gomez**, **Ivan Zhang** và **Nick Frosst**. Aidan Gomez là một trong những đồng tác giả của công trình khoa học mang tính bước ngoặt năm 2017 **«Attention Is All You Need»**, công trình đã giới thiệu kiến trúc transformer với thế giới<sup>[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-wiki-cohere-1)</sup>. Vào tháng 12 năm 2022, Martin Kon, cựu Giám đốc Tài chính của YouTube, trở thành Chủ tịch kiêm Giám đốc Vận hành của công ty<sup>[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-wiki-cohere-1)</sup>.

Công ty đã đạt được kết quả ấn tượng trong việc thu hút đầu tư:

- Năm 2023, trong vòng tài trợ Series C, công ty đã huy động được **270 triệu đô la Mỹ**, đưa định giá công ty lên 2,1–2,2 tỷ đô la<sup>[\[2\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-mostecosystem-funding-2)</sup>.
- Năm 2024, công ty huy động thêm **500 triệu đô la**, nâng định giá lên 5,5 tỷ đô la<sup>[\[3\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-uniteai-funding-3)</sup>.

Các nhà đầu tư chính của Cohere bao gồm PSP Investments, Cisco Systems, AMD, Fujitsu, NVIDIA, Salesforce Ventures, Oracle và Google Cloud<sup>[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-wiki-cohere-1)[\[2\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-mostecosystem-funding-2)</sup>.

## Nền tảng công nghệ

### Retrieval-Augmented Generation (RAG) - Sinh ngôn ngữ tăng cường truy xuất

Công nghệ trung tâm trong cách tiếp cận của Cohere là **Retrieval-Augmented Generation (RAG)** — sinh nội dung được tăng cường bởi việc truy xuất thông tin. RAG cho phép các mô hình truy cập theo thời gian thực vào các cơ sở kiến thức bên ngoài, giúp "neo đậu" câu trả lời của chúng vào dữ liệu thực tế, giảm thiểu "ảo giác" và đảm bảo thông tin luôn được cập nhật<sup>[\[4\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-4)</sup>. Các mô hình **Command R** và **Command A** được tối ưu hóa đặc biệt cho việc sử dụng công cụ đa bước trong các hệ thống RAG<sup>[\[5\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-servernews-command-r-5)</sup>.

### Đa ngôn ngữ

Cohere đặc biệt chú trọng đến tính đa ngôn ngữ. Công ty đã phát triển các mô hình được huấn luyện trên dữ liệu từ người bản ngữ, đảm bảo chất lượng hoạt động cao. Ví dụ, mô hình mã nguồn mở **Aya** hỗ trợ hơn 100 ngôn ngữ, bao gồm cả tiếng Nga, trong khi dòng **Command** hỗ trợ hơn 10 ngôn ngữ chính trên thế giới.

### Bảo mật và triển khai

Cohere cung cấp các tùy chọn triển khai linh hoạt, bao gồm nền tảng SaaS, triển khai đám mây riêng tư và tích hợp với các nền tảng của bên thứ ba (Amazon SageMaker, Google Vertex AI, Azure). Công ty đặc biệt chú trọng đến bảo mật dữ liệu doanh nghiệp, cung cấp khả năng từ chối sử dụng dữ liệu cho mục đích huấn luyện và tuân thủ tiêu chuẩn SOC 2 Type II<sup>[\[6\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-enterprise-data-commitments-6)</sup>.

## Danh mục sản phẩm và mô hình

Cohere phát triển nhiều loại mô hình khác nhau, được thiết kế cho các giai đoạn xử lý ngôn ngữ khác nhau.

### Command (Mô hình sinh ngôn ngữ)

**Command** là dòng mô hình sinh ngôn ngữ hàng đầu của công ty.

- **Command A**: Mô hình hiệu quả nhất (năm 2025) với **111 tỷ tham số**. Hỗ trợ cửa sổ ngữ cảnh **256.000 token** và có thể hoạt động chỉ với hai GPU, trong khi các mô hình cạnh tranh yêu cầu tới 32 GPU<sup>[\[7\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-habr-command-a-7)</sup>. Thể hiện tốc độ sinh ngôn ngữ lên tới 156 token mỗi giây, nhanh hơn GPT-4o 1,75 lần<sup>[\[8\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-dsmedia-command-a-8)</sup>.
- **Command R+**: Mô hình mạnh mẽ với 104 tỷ tham số và cửa sổ ngữ cảnh 128.000 token. Vượt trội nhiều mô hình tương đương và tiệm cận khả năng của GPT-4 Turbo<sup>[\[9\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-vc-future-command-r-9)</sup>.
- **Command R**: Mô hình với 35 tỷ tham số, được thiết kế cho các tác vụ hội thoại với độ chính xác cao<sup>[\[10\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-aigenom-command-r-10)</sup>.

### Các mô hình chuyên biệt

- **Aya**: Mô hình đa ngôn ngữ mã nguồn mở, hỗ trợ hơn 100 ngôn ngữ. Được phát triển với sự tham gia của hơn 3.000 nhà nghiên cứu từ 119 quốc gia<sup>[\[11\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-computerra-aya-11)</sup>.
- **Embed**: Các mô hình tạo biểu diễn vector của văn bản. **Embed 4** hỗ trợ đa phương thức và cửa sổ ngữ cảnh 128.000 token<sup>[\[12\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-habr-embed4-12)</sup>.
- **Rerank**: Các mô hình cải thiện chất lượng tìm kiếm trong các hệ thống RAG.

## Quan hệ đối tác và tích hợp

Cohere tích cực phát triển quan hệ đối tác với các công ty công nghệ lớn, bao gồm:

- **Oracle:** Tích hợp công nghệ Cohere vào Oracle Fusion Cloud và NetSuite<sup>[\[13\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-erp-today-oracle-13)</sup>.
- **Salesforce:** Nhúng khả năng trò chuyện vào các sản phẩm của Salesforce<sup>[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-wiki-cohere-1)</sup>.
- **Fujitsu:** Cùng phát triển mô hình ngôn ngữ tiếng Nhật Takane<sup>[\[14\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-14)</sup>.
- **McKinsey:** Hợp tác trong lĩnh vực tích hợp AI tạo sinh vào các hoạt động doanh nghiệp<sup>[\[1\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-wiki-cohere-1)</sup>.

## Ứng dụng trong các lĩnh vực khác nhau

- **Giáo dục:** Cohere được sử dụng để tạo các kế hoạch bài học giáo dục, phân loại và hỗ trợ các sáng kiến đa ngôn ngữ<sup>[\[15\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-arxiv-rag-education-15)[\[16\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-ieee-online-learning-16)</sup>.
- **Y tế và khoa học:** Các mô hình được ứng dụng để xây dựng quy trình nghiên cứu khoa học, phân tích dữ liệu y tế và hỗ trợ nghiên cứu<sup>[\[17\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-bmcmededuc-protocols-17)</sup>.
- **Giải pháp doanh nghiệp:** Tự động hóa quy trình tài liệu, phân tích dữ liệu, viết nội dung tiếp thị và chăm sóc khách hàng<sup>[\[5\]](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_note-servernews-command-r-5)</sup>.

## Xem thêm

- Mô hình ngôn ngữ lớn
- 

## Tài liệu tham khảo

- 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.

## Chú thích

1.  <span id="cite_note-wiki-cohere-1">↑ <sup>[1.0](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-wiki-cohere_1-0)</sup> <sup>[1.1](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-wiki-cohere_1-1)</sup> <sup>[1.2](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-wiki-cohere_1-2)</sup> <sup>[1.3](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-wiki-cohere_1-3)</sup> <sup>[1.4](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-wiki-cohere_1-4)</sup> <sup>[1.5](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-wiki-cohere_1-5)</sup> «Cohere (company)». В *Wikipedia*. <a href="https://en.wikipedia.org/wiki/Cohere_(company)" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-mostecosystem-funding-2">↑ <sup>[2.0](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-mostecosystem-funding_2-0)</sup> <sup>[2.1](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-mostecosystem-funding_2-1)</sup> «ИИ-стартап Cohere, который сейчас оценивается более чем в \$2,1 млрд, привлек \$270 млн». *Most Ecosystem*. <a href="https://mostecosystem.com/news/ii-startap-cohere-kotoryi-seicas-ocenivaetsia-bolee-cem-v-21-mlrd-privlek-270-mln.59279" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-uniteai-funding-3">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-uniteai-funding_3-0) «Cohere получает прирост в 500 миллионов». *Unite.AI*. <a href="https://www.unite.ai/ru/Cohere-получает-прирост-в-500-миллионов,-более-чем-в-два-раза,-до-5-миллиардов/" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-4">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-4) «Rethinking the RAG vs Fine-tuning Debate». *arXiv*. <a href="https://arxiv.org/abs/2404.01037" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-servernews-command-r-5">↑ <sup>[5.0](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-servernews-command-r_5-0)</sup> <sup>[5.1](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-servernews-command-r_5-1)</sup> «Cohere Command R: Что это и как использовать?». *ServerNews*. <a href="https://servernews.ru/1102874" class="external autonumber" rel="nofollow">[5]</a></span>
6.  <span id="cite_note-enterprise-data-commitments-6">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-enterprise-data-commitments_6-0) «Enterprise Data Commitments». *Cohere Docs*. <a href="https://cohere.com/ar/enterprise-data-commitments" class="external autonumber" rel="nofollow">[6]</a></span>
7.  <span id="cite_note-habr-command-a-7">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-habr-command-a_7-0) «Cohere выпустила Command A — самую эффективную на сегодня ИИ-модель для бизнеса». *Habr*. <a href="https://habr.com/ru/companies/bothub/news/891136/" class="external autonumber" rel="nofollow">[7]</a></span>
8.  <span id="cite_note-dsmedia-command-a-8">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-dsmedia-command-a_8-0) «Cohere выпускает недорогую модель ИИ, требующую всего два графических процессора». *DSmedia*. <a href="https://dsmedia.pro/news/cohere-vypuskaet-nedoroguju-model-ii-trebujuschuju-vsego-dva-grafichesk-ih-processora" class="external autonumber" rel="nofollow">[8]</a></span>
9.  <span id="cite_note-vc-future-command-r-9">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-vc-future-command-r_9-0) «LLM для бизнеса: что умеет Command R от Cohere». *VC.ru*. <a href="https://vc.ru/future/1152176-llm-dlya-biznesa-chto-umeet-command-r" class="external autonumber" rel="nofollow">[9]</a></span>
10. <span id="cite_note-aigenom-command-r-10">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-aigenom-command-r_10-0) «Cohere Command R». *AIGenom*. <a href="https://aigenom.ru/models/cohere/command-r" class="external autonumber" rel="nofollow">[10]</a></span>
11. <span id="cite_note-computerra-aya-11">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-computerra-aya_11-0) «Cohere for AI запускает ИИ-полиглот Aya». *Компьютерра*. <a href="https://www.computerra.ru/293131/cohere-for-ai-zapuskaet-ii-poliglot-aya/" class="external autonumber" rel="nofollow">[11]</a></span>
12. <span id="cite_note-habr-embed4-12">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-habr-embed4_12-0) «Cohere представила Embed 4 — свою самую мощную модель для создания векторных представлений». *Habr*. <a href="https://habr.com/ru/companies/bothub/news/901258/" class="external autonumber" rel="nofollow">[12]</a></span>
13. <span id="cite_note-erp-today-oracle-13">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-erp-today-oracle_13-0) «Oracle, Salesforce Ventures and Nvidia invest in Cohere». *ERP Today*. <a href="https://erp.today/oracle-salesforce-ventures-and-nvidia-invest-in-cohere/" class="external autonumber" rel="nofollow">[13]</a></span>
14. <span id="cite_note-14">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-14) «Fujitsu and Cohere to Partner on Developing Generative AI for the Japanese Language». *Fujitsu Press Releases*. <a href="https://www.fujitsu.com/global/about/resources/news/press-releases/2024/0716-01.html" class="external autonumber" rel="nofollow">[14]</a></span>
15. <span id="cite_note-arxiv-rag-education-15">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-arxiv-rag-education_15-0) «Evaluating the Practicality of Retrieval-Augmented Generation in Student-Facing Educational Technology». *arXiv*. <a href="https://arxiv.org/abs/2408.07542" class="external autonumber" rel="nofollow">[15]</a></span>
16. <span id="cite_note-ieee-online-learning-16">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-ieee-online-learning_16-0) «A Confusion Classification System for Online Learning Based on Multimodal Information». *IEEE Xplore*. <a href="https://ieeexplore.ieee.org/document/10361304/" class="external autonumber" rel="nofollow">[16]</a></span>
17. <span id="cite_note-bmcmededuc-protocols-17">[↑](https://systems-analysis.info/int/Cohere_Inc._(VI)#cite_ref-bmcmededuc-protocols_17-0) «Using large language models to streamline the creation of research protocols». *BMC Medical Education*. <a href="https://bmcmededuc.biomedcentral.com/articles/10.1186/s12909-025-07148-0" class="external autonumber" rel="nofollow">[17]</a></span>