Cohere 构建大型语言模型，并通过一组 API 使其可访问。Cohere 的 嵌入模型，例如 embed-english-v3.0 和 embed-multilingual-v3.0，将文本块转换为数字向量。这些模型可通过其 Embed API 访问。该 API 具有 embedding_types 参数，使用户可以选择生成高度压缩的嵌入，以节省存储成本。
Cohere 的生成模型，例如 command-r 和 command--r-plus，接收用户指令并生成有用的文本。这些模型可以通过其聊天 API 访问，使用户能够创建多回合对话体验。此 API 具有一个 documents 参数，允许用户直接在消息中向模型提供自己的文档；这些文档可作为模型输出的依据。
Cohere 的 重排序模型，例如 rerank-english-v3.0 和 rerank-multilingual-v3.0，通过根据某些参数重新组织检索到的结果来改进搜索结果。这些模型可以通过其 重排序 API 访问。这些模型为搜索算法提供了“低投入、高精度”的优化方案。通过组合应用，可构建顶尖的检索增强生成（RAG）系统：使用 Embed v3 将文本转换为嵌入向量，通过Elasticsearch存储向量数据，对检索结果进行相关性重排序，最终将动态获取的文档传入Chat API，实现基于事实依据的对话交互。