Mohu spustit Command A lokálně?

Ano, váhy jsou otevřené a hostované na Hugging Face pod CohereForAI/c4ai-command-a-03-2025. Při 111 miliardách parametrů budete potřebovat značnou VRAM nebo multi-GPU sestavu pro běh v plné přesnosti; kvantizované verze snižují tuto potřebu.

Kolik stojí Command A přes API?

Cohere účtuje 2,50 USD za milion vstupních tokenů a 10,00 USD za milion výstupních tokenů. Agentní úlohy generující dlouhé odpovědi výrazně zvyšují náklady na výstup, takže to zohledněte v odhadech nákladů před závazkem.

Čím se Command A liší od ostatních modelů Cohere?

Command A je největší a nejvýkonnější otevřená verze Cohere, umístěná nad menší rodinou Command R, s delším kontextovým oknem a specifickým zaměřením na agentní a vícejazyčné obchodní úlohy místo obecného chatu.

Command A

2469°

#llm #cohere #agenti #vícejazyčný #programování #dlouhý kontext

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

Cohere | kontext 256 000 tokenů | $2,50/M vstup, $10,00/M výstup. Command A je model s otevřenými váhami o velikosti 111 miliard parametrů s kontextovým oknem 256 tisíc tokenů, zaměřený na vynikající výkon v agentních, vícejazyčných a kódovacích případech použití. Ve srovnání s jinými předními proprietárními a otevřenými modely Command A nabízí maximální výkon při minimálních hardwarových nákladech a exceluje v obchodně kritických agentních a vícejazyčných úlohách.

Návody k tomuto modelu

Ollama vs LM Studio (2026): kterou lokální AI aplikaci použít a jaké špičkové modely každá z nich spouští

Kolik VRAM vlastně potřebuji pro lokální AI?

Otevřené váhy vs open source vs pouze API: co vlastně smíš dělat

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

Command A je otevřený model Cohere s 111 miliardami parametrů, zaměřený na agentní workflow, vícejazyčné úlohy a kódování, s kontextovým oknem o velikosti 256 000 tokenů. Při 111 miliardách parametrů jde o velký model, ale Cohere tvrdí, že má vyšší efektivitu vzhledem k potřebnému hardwaru. Pokud vaše práce zahrnuje vícekrokové používání nástrojů nebo neanglické obchodní úkoly, stojí za to jej vážně zvážit.

Známý pro

Silný agentní výkon: navržený pro vícekrokové workflow s používáním nástrojů
Kontextové okno 256 000 tokenů zvládá velmi dlouhé dokumenty a konverzace
Vícejazyčné zaměření, cílené na reálné obchodní případy v různých jazycích
Otevřené váhy dostupné na Hugging Face pro lokální nasazení
Velikost 111 miliard s deklarovanou efektivitou oproti srovnatelným modelům

Dej pozor na

111 miliard parametrů vyžaduje seriózní hardware pro lokální běh; běžné spotřebitelské sestavy budou mít problém.
Cena výstupu 10,00 USD za milion tokenů rychle narůstá v agentních smyčkách generujících rozsáhlé odpovědi.
Cohere nezveřejnil podrobné benchmarky na stránce modelu, takže nezávislá srovnání jsou omezená.

Nejlepší pro

Agenti a používání nástrojů

Promptů k vyzkoušení

Vícekrokový výzkumný agent

Máte přístup k nástroji webového vyhledávání. Uživatel chce pochopit konkurenční prostředí dodavatelů baterií pro elektrická vozidla v Evropě k roku 2024. Naplánujte výzkumné kroky, zavolejte potřebné nástroje v pořadí a vytvořte strukturované shrnutí s uvedením zdrojů. Ukazujte své uvažování mezi jednotlivými kroky.

Vícejazyčná klauzule smlouvy

Zde je výpovědní klauzule z francouzské pracovní smlouvy: 'En cas de faute grave, l'employeur peut procéder à un licenciement sans préavis ni indemnité.' Přeložte ji do angličtiny, vysvětlete její právní důsledky pro zaměstnance a poté ji přepište do jednoduché angličtiny vhodné pro zaměstnanecký manuál.

Refaktorujte nepořádnou funkci

Refaktorujte následující Python funkci tak, aby čistě řešila okrajové případy, používala typové anotace a obsahovala docstring. Vysvětlete každou změnu a proč ji děláte. def process(data): result = []; [result.append(x*2) for x in data if x != None]; return result

Porovnat s

Command R (08-2024)
Model pouze s API
kontext 128,000 tokenů · $0.15/M vstup, $0.60/M výstup
Command R+ (08-2024)
Model pouze s API
kontext 128,000 tokenů · $2.50/M vstup, $10.00/M výstup
Command A+
Model pouze s API
kontext 192,000 tokenů · $0.30/M vstup, $1.50/M výstup
Command R7B (12-2024)
Model pouze s API
kontext 128,000 tokenů · $0.04/M vstup, $0.15/M výstup

Více textových modelů od cohere

Často kladené otázky

Mohu spustit Command A lokálně?: Ano, váhy jsou otevřené a hostované na Hugging Face pod CohereForAI/c4ai-command-a-03-2025. Při 111 miliardách parametrů budete potřebovat značnou VRAM nebo multi-GPU sestavu pro běh v plné přesnosti; kvantizované verze snižují tuto potřebu.
Kolik stojí Command A přes API?: Cohere účtuje 2,50 USD za milion vstupních tokenů a 10,00 USD za milion výstupních tokenů. Agentní úlohy generující dlouhé odpovědi výrazně zvyšují náklady na výstup, takže to zohledněte v odhadech nákladů před závazkem.
Čím se Command A liší od ostatních modelů Cohere?: Command A je největší a nejvýkonnější otevřená verze Cohere, umístěná nad menší rodinou Command R, s delším kontextovým oknem a specifickým zaměřením na agentní a vícejazyčné obchodní úlohy místo obecného chatu.

Verdikt kapitána
Seriózní otevřená volba, pokud jsou vaší prioritou agenti a vícejazyčná práce, za předpokladu, že zvládnete hardware nebo náklady na výstupní tokeny.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

Hunyuan A13B Instruct

TEXT / LLM

GLM 4.6

TEXT / LLM

AI modely pro generování obrázků, videa a textu

Command A je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm cohere agenti vícejazyčný programování dlouhý kontext lokální

Procházet podle rodiny modelů