Command A
2469°
Cohere | 256,000 令牌上下文 | 输入 $2.50/M，输出 $10.00/M。Command A 是一款开放权重的 1110 亿参数模型，拥有 256k 上下文窗口，专注于代理、多语言和编码用例的卓越性能。与其他领先的专有及开放权重模型相比，Command A 以最低硬件成本实现最大性能，特别擅长关键业务代理和多语言任务。
本模型的指南
Ollama 与 LM Studio（2026）：选择哪个本地 AI 应用，以及各自支持的顶级模型
本地AI到底需要多少显存？
开放权重 vs 开源 vs 仅API：你到底能做什么
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
Command A 是 Cohere 的 1110 亿参数开源权重模型，专注于代理工作流、多语言任务和编码，拥有 256,000 令牌上下文窗口。1110 亿参数规模虽大，但 Cohere 宣称其相较所需硬件具备效率优势。如果你的工作涉及多步工具使用或非英语业务任务，值得认真考虑。
以……著称
- 强大的代理性能：专为多步工具使用工作流设计
- 256,000 令牌上下文窗口，支持超长文档和对话
- 多语言聚焦，面向真实业务场景
- 权重开源，支持自托管部署
- 1110 亿参数规模，声称效率优于同类模型
注意
- 1110 亿参数本地运行需强大硬件，普通用户难以承受。
- 输出价格每百万令牌 10.00 美元，代理任务长输出成本高昂。
- Cohere 未在模型页发布详细基准数据，独立对比有限。
推荐尝试的提示词
多步研究代理
你可以使用网络搜索工具。用户想了解 2024 年欧洲电动汽车电池供应商的竞争格局。请规划研究步骤，依次调用所需工具，并生成带有来源的结构化总结。每步间展示推理过程。
多语言合同条款
这是法国一份雇佣合同的终止条款：'En cas de faute grave, l'employeur peut procéder à un licenciement sans préavis ni indemnité.' 请翻译成英文，解释对员工的法律影响，然后用适合员工手册的通俗英语重写。
重构混乱函数
请重构以下 Python 函数，使其能干净处理边界情况，使用类型提示，并包含文档字符串。解释每处修改及原因。def process(data): result = []; [result.append(x*2) for x in data if x != None]; return result
与……比较
- Command R (08-2024)仅限API模型128,000 令牌上下文 · $0.15/M 输入，$0.60/M 输出
- Command R+ (08-2024)仅限API模型128,000 令牌上下文 · $2.50/M 输入，$10.00/M 输出
- Command A+仅限API模型192,000 令牌上下文 · $0.30/M 输入，$1.50/M 输出
- Command R7B (12-2024)仅限API模型128,000 令牌上下文 · $0.04/M 输入，$0.15/M 输出
来自 cohere 的更多文本模型
常见问题
- 我可以本地运行 Command A 吗？
- 可以，权重开源并托管于 Hugging Face 的 CohereForAI/c4ai-command-a-03-2025。1110 亿参数需大量显存或多 GPU 运行，量化版本可降低需求。
- Command A API 费用是多少？
- Cohere 收费为每百万输入令牌 2.50 美元，每百万输出令牌 10.00 美元。生成长输出的代理任务输出成本较高，使用前请估算费用。
- Command A 与其他 Cohere 模型有何不同？
- Command A 是 Cohere 最大最强的开源权重模型，定位高于较小的 Command R 系列，拥有更长上下文窗口，专注于代理和多语言业务任务，而非通用聊天。
船长评语如果你优先考虑代理和多语言工作，且能承担硬件或输出令牌费用，这是一个严肃的开源权重选项。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Command A 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153