Cohere — это платформа LLM с Chat (семейство Command), Embed и Rerank: ключ из dashboard, cohere.ClientV2 и вызов co.chat. Фокус-ключ: cohere. Канон: Chat API и Models. Соседи: OpenAI API, Anthropic API, RAG, ИИ-автоматизация.

Ниже — первый маршрут: ключ → ClientV2 → один chat. Цены в ₽ не фиксируем; model id берите из Live-таблицы на дату запуска.

Три слоя платформы

Слой Пример model id (Live) Endpoint Контекст / заметка Когда брать
Command (чат/агенты) command-a-plus-05-2026 Chat 128k in / 64k out; Text+Images; MoE Первый chat и enterprise-агенты
Command A command-a-03-2025 Chat 256k in / 8k out; tool use, RAG Длинный контекст без vision в одной карточке
Command R7B command-r7b-12-2024 Chat 128k / 4k; быстрый малый RAG/агенты, когда нужен лёгкий контур
Embed embed-v5.0-pro / embed-v5.0-fast Embed до 128k; text/images/PDF Семантический поиск и RAG-индекс
Rerank rerank-v4.0-pro / rerank-v4.0-fast Rerank 32k; multilingual Улучшить уже существующий поиск

Источник: docs.cohere.com/docs/models и docs.cohere.com/docs/chat-api (пример model command-a-plus-05-2026; ClientV2; roles user/assistant/system/tool). Сверка: 2026-10-08. Alias command / command-r / command-r-plus — Deprecated (Sept 15, 2025) — не тащите в новый код. Цены → кабинет Cohere, не ₽ в статье.

Первый вызов на Python

  1. Возьмите API key в dashboard Cohere.
  2. Установите SDK: pip install cohere.
  3. Создайте ClientV2 и вызовите co.chat с Live model id.
  4. Читайте текст из res.message.content[0].text (структура v2).
import cohere

co = cohere.ClientV2(api_key="YOUR_API_KEY")  # или из env

res = co.chat(
    model="command-a-plus-05-2026",  # Live id из docs/models на дату запуска
    messages=[
        {
            "role": "user",
            "content": "Напиши один короткий чеклист первого вызова Cohere Chat API",
        }
    ],
)
print(res.message.content[0].text)

Для shell-проверки дока показывает POST https://api.cohere.ai/v2/chat с заголовком Authorization: bearer $CO_API_KEY. System-сообщение кладите первым в messages, если нужно зафиксировать стиль ответа.

Типичные ошибки

  • Звать Deprecated id (command-r, command-r-plus, старый command) в новом проекте.
  • Путать Chat с Embed/Rerank: разные endpoint’ы и ответы.
  • Ожидать «просто чат как ChatGPT Plus» без API-ключа и биллинга платформы.
  • Выдумывать рублевые тарифы вместо сверки кабинета.
  • Класть ключ в публичный репозиторий.

FAQ: Cohere

Что такое Cohere простыми словами?

Cohere — платформа LLM для разработчиков: семейство Command (Chat), Embed, Rerank и смежные endpoint’ы. Старт: ключ в dashboard, ClientV2, co.chat с model id. Канон: docs.cohere.com.

Какой model id брать для первого chat?

В актуальном примере Chat API — command-a-plus-05-2026 (Live, Text+Images, context 128k). Альтернативы семейства: command-a-03-2025, command-r7b-12-2024. Не берите Deprecated alias вроде command-r / command-r-plus без сверки таблицы Models.

Как сделать первый вызов на Python?

pip install cohere, создать cohere.ClientV2(api_key=…), вызвать co.chat(model=…, messages=[…]) и читать res.message.content[0].text. Для curl — Authorization: bearer $CO_API_KEY на https://api.cohere.ai/v2/chat.

Чем Chat отличается от Embed и Rerank?

Chat — генерация текста (Command). Embed — векторы для поиска/RAG (embed-v5.0-pro / fast). Rerank — переранжирование выдачи поиска (rerank-v4.0-pro / fast). Это разные endpoint’ы под разные задачи.

Нужен ли Cohere, если уже есть OpenAI API?

Если нужны сильный Rerank/Embed контур или enterprise-деплой (Model Vault / облака), Cohere закрывает другой слой стека. Для одного чат-скрипта достаточно одного провайдера; мульти-стек удобно сводить через LiteLLM.

Где смотреть цены?

В кабинете и официальном pricing Cohere на дату оплаты. В статье нет выдуманных ₽ и «пакетов как ChatGPT Plus» — только проверяемые model id и роли из docs.cohere.com/docs/models.

Вывод

Cohere — ключ, ClientV2, один co.chat на Live Command id; Embed/Rerank подключайте, когда появится поиск/RAG. Старт с официальной Chat API. Когда нужна система обучения под интеграции — форматы на странице обучения.

Артём Денисов — эксперт Нетологии и автор курса Яндекс Практикума по промпт-инжинирингу. Сверяет Cohere с docs.cohere.com Chat API и Models.

Хотите нейросети под свои задачи, а не «для всех»?

Когда базовых гайдов уже мало, помогает разбор под вашу работу. Наставничество, курсы и подписка Артёма Денисова — все форматы на странице обучения. Соседи по стеку — ИИ-автоматизация и RAG + LangChain.