Model
.ai
siguiendo los modelos de IA abiertos
Command R7B (12 2024)
Cohere | contexto de 128,000 tokens | $0.04/M entrada, $0.15/M salida. Command R7B (12-2024) es una actualización pequeña y rápida del modelo Command R+, entregada en diciembre de 2024. Sobresale en RAG, uso de herramientas, agentes y tareas similares que requieren razonamiento complejo y múltiples pasos. El uso de este modelo está sujeto a la Política de Uso de CohereOpens in new tab y al Acuerdo SaaSOpens in new tab.
Guías para este modelo
Todas las guías
Command R7B (12-2024) es el modelo pequeño y rápido de Cohere construido alrededor de generación aumentada con recuperación (RAG), uso de herramientas y flujos agenticos multi-paso. A escala 7B mantiene costos muy bajos mientras supera su peso en tareas estructuradas que requieren encadenar pasos o llamar herramientas externas. Si construyes pipelines en lugar de tener conversaciones, vale la pena considerarlo.

Conocido por

  • Alto rendimiento en RAG: recupera, razona y cita fuentes de forma fiable.
  • Uso de herramientas y pipelines agenticos con razonamiento multi-paso.
  • Ventana de contexto de 128,000 tokens para trabajo con documentos largos.
  • Precio API muy bajo: $0.04 por millón de tokens de entrada.

Cuidado con

  • Solo pesos cerrados — no hay despliegue local ni uso offline.
  • Sujeto a la Política de Uso y Acuerdo SaaS de Cohere; revisa ambos antes de uso en producción.
  • Clase de modelo pequeño: espera compromisos en razonamiento abierto frente a modelos mayores.

Prompts para probar

Respuesta RAG con citas
Aquí tienes tres extractos de documentos internos: [Pega tu texto aquí] Basándote solo en esos extractos, responde: ¿cuáles son los principales riesgos identificados y cita qué extracto apoya cada punto?
Plan multi-paso de uso de herramientas
Tienes acceso a una herramienta de búsqueda web y una calculadora. Un usuario pregunta: '¿Cuál es la población actual de Tokio dividida por el número de sitios Patrimonio de la Humanidad de la UNESCO en Japón?' Escribe cada llamada a herramienta que harías, en orden, y explica por qué antes de hacer la siguiente.
Descomposición de tarea agentica
Descompón este objetivo en una secuencia de pasos discretos de uso de herramientas que un agente IA podría ejecutar: monitorear un repositorio GitHub para nuevos issues etiquetados como 'bug', resumir cada uno, publicar un mensaje en Slack con el resumen y registrar la entrada en una hoja de Google.

Comparar con

  • Command R (08-2024)
    Modelo solo API
    Contexto de 128,000 tokens · $0.15/M entrada, $0.60/M salida
  • Command A
    Modelo con pesos abiertos
    Contexto de 256,000 tokens · $2.50/M entrada, $10.00/M salida
  • Command A+
    Modelo solo API
    Contexto de 192,000 tokens · $0.30/M entrada, $1.50/M salida
  • DeepSeek V4.1 Flash
    Modelo con pesos abiertos
    Contexto de 1,048,576 tokens · $0.04/M entrada, $0.68/M salida
Más modelos de texto de cohere

Preguntas frecuentes

¿Puedo ejecutar Command R7B localmente?
No. Cohere no ha liberado pesos abiertos para este modelo; está disponible solo a través de la API de Cohere.
¿Cuánto cuesta y qué tamaño tiene el contexto?
La API cuesta $0.04 por millón de tokens de entrada y $0.15 por millón de tokens de salida, con una ventana de contexto de 128,000 tokens.
¿En qué se diferencia de Command R+?
Cohere describe R7B como una actualización pequeña y rápida de la línea Command R+ — más pequeño y barato, optimizado para los mismos casos de uso RAG y agenticos en lugar de capacidad generalista pura.
Veredicto del capitán
Un modelo realmente barato y listo para pipelines — úsalo cuando necesites RAG confiable o encadenamiento de herramientas y quieras mantener la factura baja.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Command R7B (12 2024) en ModelTrends.ai: Heat 1,356°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
Puntuación heat
Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso
Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas
Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica
Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes
Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción
Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado
Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder
Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde
Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación
Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter
Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint)
Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding
Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos
La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad
Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia
Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional
Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia)
Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia
Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico
El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.