Model Command R7B terbaru yang dirilis oleh Cohere membuat terobosan di bidang kecerdasan buatan. Sebagai model paling efisien dan tercepat di seri R, Command R7B berfokus pada pengembangan dan iterasi prototipe cepat, serta mengadopsi teknologi Retrieval Enhanced Generation (RAG) untuk meningkatkan akurasi dan efisiensi model secara signifikan. Ini mendukung 23 bahasa dan memiliki panjang konteks 128K, menunjukkan potensi kuat dalam pemrosesan multi-bahasa dan berbagai skenario aplikasi. Yang lebih luar biasa lagi adalah Command R7B melampaui banyak pesaing dalam tugas-tugas seperti matematika dan pengkodean, dan memimpin dalam peringkat LLM terbuka HuggingFace. Langkah ini menandai terobosan besar bagi Cohere dalam menyediakan solusi kecerdasan buatan yang efisien dan ekonomis bagi perusahaan.
Di bidang kecerdasan buatan yang berkembang pesat, Cohere baru-baru ini meluncurkan model terbarunya, Command R7B, menandai langkah maju yang penting bagi perusahaan dalam menyediakan solusi efisien bagi perusahaan. Sebagai model terkecil dan tercepat di seri R, Command R7B berfokus pada mendukung pembuatan prototipe dan iterasi cepat, menggunakan teknologi Retrieval Enhanced Generation (RAG) untuk meningkatkan akurasi model.
Command R7B memiliki panjang konteks 128K dan dapat mendukung 23 bahasa, yang menunjukkan kemampuannya yang kuat dalam pemrosesan multi-bahasa dan aplikasi di berbagai bidang. Cohere mengatakan Command R7B mengungguli model serupa, termasuk Gemma Google, Llama Meta, dan Minitral Mistral, dalam tugas-tugas seperti matematika dan pengkodean. Menurut Cohere, model ini ideal untuk pengembang dan perusahaan yang perlu mengoptimalkan kecepatan, biaya, dan sumber daya komputasi.
Selama setahun terakhir, Cohere terus melakukan peningkatan dan penyempurnaan pada modelnya untuk meningkatkan kecepatan dan efisiensi. Command R7B dianggap sebagai model "final" dari seri R, dan model bobot juga akan dirilis ke komunitas riset kecerdasan buatan di masa depan. Cohere menekankan bahwa Command R7B telah meningkatkan kinerja secara signifikan di berbagai bidang seperti matematika, penalaran, pengkodean, dan terjemahan, menjadikannya peringkat teratas dalam peringkat LLM terbuka HuggingFace.
Selain itu, Command R7B juga berkinerja sangat baik dalam hal agen kecerdasan buatan, penggunaan alat, dan RAG, yang dapat meningkatkan akurasi keluaran model. Cohere mengatakan model ini unggul dalam tugas-tugas percakapan seperti manajemen risiko perusahaan, dukungan teknis, layanan pelanggan dan pemrosesan data keuangan, terutama dalam mengambil dan memanipulasi informasi data.
Command R7B dapat memperluas kemampuannya menggunakan alat seperti mesin pencari, API, dan database vektor. Gomez mencatat bahwa hal ini menunjukkan efektivitas model dalam “lingkungan nyata, beragam dan dinamis” dan menghilangkan pemanggilan fungsi yang tidak perlu, sehingga ideal untuk membangun agen AI yang “cepat dan kuat”. Fleksibilitas model ini memungkinkannya diterapkan pada CPU, GPU, dan MacBook kelas bawah dan konsumen untuk inferensi pada perangkat.
Saat ini, Command R7B sudah tersedia di platform Cohere dan HuggingFace, dengan harga $0,0375 per juta token masukan dan $0,15 per juta token keluaran. Gomez menyimpulkan bahwa ini ideal untuk bisnis yang mencari model hemat biaya berdasarkan dokumen dan data internal.
Blog: https://cohere.com/blog/command-r7b
Secara keseluruhan, Command R7B memberikan solusi canggih untuk aplikasi kecerdasan buatan tingkat perusahaan dengan kecepatan, efisiensi, dan efektivitas biaya, dan pengembangannya di masa depan patut dinantikan. Sumber terbukanya di HuggingFace juga menyediakan sumber daya berharga bagi komunitas riset kecerdasan buatan.