Cohere 모델 살펴보기
Cohere 모델 살펴보기
Cohere의 모델은 크게 세 갈래로 나눠요. 사용자의 지시를 받아 텍스트를 생성하는 Command(생성), 텍스트·이미지를 벡터로 바꾸는 Embed(임베딩), 그리고 기업 문서에서 구조화된 데이터를 뽑아내는 Parse(파싱) 가 그 주인공이에요. 모델마다 처리하는 입력(텍스트/이미지), 컨텍스트 길이, 제공되는 엔드포인트가 조금씩 달라서, 내 요구에 맞는 모델을 고르는 안목을 갖추는 게 중요해요. 이 글에서는 각 모델군의 용도와 대표 모델 ID를 한눈에 정리해 볼게요.
Command — 텍스트 생성 모델
Command는 Cohere의 기본 생성 모델로, 사용자 명령(instruction)을 받아 그에 따르는 텍스트를 생성해요. 대화형(chat) 기능도 갖춰서 채팅 애플리케이션에도 잘 맞고, Command A Vision은 이미지 입력까지 처리할 수 있어요.
| 모델 ID | 상태 | 특징 |
|---|---|---|
command-a-03-2025 |
Live | 가장 성능이 좋은 생성 모델. Tool use·에이전트·RAG·다국어에서 두드러져요. 컨텍스트 256k, 최대 출력 8k, GPU 2개로 구동. |
command-r7b-12-2024 |
Live | 작고 빠른 모델. 복잡한 추론과 다단계 작업(RAG, tool use, 에이전트)에 강해요. 컨텍스트 128k, 최대 출력 4k. |
command-r-plus |
Deprecated (2025-09-15) | command-r-plus-04-2024의 별칭 |
command-r |
Deprecated (2025-09-15) | command-r-03-2024의 별칭 |
command-light |
Deprecated (2025-09-15) | 조금 덜 뛰어나지만 훨씬 빠른 경량 버전 |
command |
Deprecated (2025-09-15) | 지시를 따르는 대화형 생성 모델 |
Command 생성 모델은 주로 Chat 엔드포인트(co.chat)로 호출해요. command-r과 command-r-plus는 2025-09-15에 deprecated 처리됐으니, 새 프로젝트에서는 deprecated되지 않은 모델(command-a-03-2025, command-r7b-12-2024 등)을 쓰는 걸 권장해요.
Embed — 임베딩 모델
Embed 모델은 텍스트나 이미지를 벡터로 바꿔서 의미 유사도를 계산하거나 분류·클러스터링을 도와줘요. 검색(query/document), 분류, 클러스터링 등 용도에 맞는 input_type을 지정해 호출하는 게 핵심이에요. Embed 엔드포인트는 embed(동기)와 embed-jobs(배치) 두 가지가 있어요.
| 모델 ID | 특징 | 벡터 차원 | 엔드포인트 |
|---|---|---|---|
embed-v4.0 |
텍스트·이미지·혼합(예: PDF) 모두 지원 | [256, 512, 1024, 1536] |
embed, embed-jobs |
embed-english-v3.0 |
영어 전용 | 1024 | embed, embed-jobs |
embed-english-light-v3.0 |
영어 전용 경량(빠름) | 384 | embed, embed-jobs |
embed-multilingual-v3.0 |
다국어 분류·임베딩 지원 | 1024 | embed, embed-jobs |
embed-multilingual-light-v3.0 |
다국어 경량 | 384 | embed, embed-jobs |
Parse — 문서 파싱 모델
Parse는 폼·PDF 같은 비정형 기업 문서에서 구조화되고 기계가 읽을 수 있는 데이터를 뽑아내는 비전 파싱 모델이에요. AI 검색이나 에이전트 애플리케이션에 필요한 문서 처리에 쓰여요. 현재는 parse-v5.0이 Live 상태로 제공됩니다.