Bisakah saya menjalankan Command A secara lokal?

Ya, bobotnya terbuka dan tersedia di Hugging Face di bawah CohereForAI/c4ai-command-a-03-2025. Dengan 111 miliar parameter Anda membutuhkan VRAM besar atau setup multi-GPU untuk menjalankannya dengan presisi penuh; versi kuantisasi mengurangi kebutuhan ini.

Berapa biaya Command A via API?

Cohere mengenakan biaya $2,50 per juta token input dan $10,00 per juta token output. Tugas agen yang menghasilkan output panjang akan sangat membebani biaya output, jadi pertimbangkan ini sebelum memutuskan.

Apa perbedaan Command A dengan model Cohere lain?

Command A adalah rilis bobot terbuka terbesar dan paling mumpuni dari Cohere, diposisikan di atas keluarga Command R yang lebih kecil, dengan jendela konteks lebih panjang dan fokus khusus pada tugas bisnis agen dan multibahasa, bukan chat umum.

Command A

2469°

#llm #cohere #agen #multibahasa #pemrograman #konteks panjang

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Cohere | konteks 256.000 token | $2.50/M input, $10.00/M output. Command A adalah model 111 miliar parameter dengan bobot terbuka dan jendela konteks 256k yang fokus memberikan performa hebat di kasus penggunaan agen, multibahasa, dan pengkodean. Dibandingkan model proprietary dan bobot terbuka terkemuka lainnya, Command A memberikan performa maksimal dengan biaya perangkat keras minimal, unggul dalam tugas agen dan multibahasa yang krusial bagi bisnis.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Command A adalah model 111B bobot terbuka dari Cohere yang dibangun untuk alur kerja agen, tugas multibahasa, dan pengkodean, dengan jendela konteks 256.000 token. Dengan 111 miliar parameter, ini model besar, tapi Cohere mengklaim efisiensi yang melebihi bobotnya relatif terhadap perangkat keras yang dibutuhkan. Jika pekerjaan Anda melibatkan penggunaan alat multi-langkah atau tugas bisnis non-Inggris, model ini layak dipertimbangkan serius.

Dikenal untuk

Performa agen kuat: dibuat untuk alur kerja multi-langkah dengan penggunaan alat
Jendela konteks 256.000 token menangani dokumen dan thread sangat panjang
Fokus multibahasa, menargetkan kasus bisnis nyata lintas bahasa
Bobot terbuka tersedia di Hugging Face untuk penyebaran mandiri
Skala 111B dengan klaim keunggulan efisiensi dibanding model sebanding

Waspadai

111 miliar parameter membutuhkan perangkat keras serius untuk dijalankan lokal; setup konsumen akan kesulitan.
Harga output $10,00 per juta token cepat membengkak dalam loop agen dengan respons berat.
Cohere belum menerbitkan angka tolok ukur rinci di halaman model, jadi perbandingan independen terbatas.

Terbaik untuk

Agen dan penggunaan alat

Multibahasa

Pemrograman

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Agen riset multi-langkah

Anda memiliki akses ke alat pencarian web. Seorang pengguna ingin memahami lanskap kompetitif pemasok baterai kendaraan listrik di Eropa per 2024. Rencanakan langkah riset, panggil alat yang diperlukan secara berurutan, dan hasilkan ringkasan terstruktur dengan klaim bersumber. Tunjukkan alasan Anda di setiap langkah.

Klausul kontrak multibahasa

Berikut klausul pemutusan kontrak dari kontrak kerja Prancis: 'En cas de faute grave, l'employeur peut procéder à un licenciement sans préavis ni indemnité.' Terjemahkan ke bahasa Inggris, jelaskan implikasi hukumnya bagi karyawan, lalu tulis ulang dalam bahasa Inggris sederhana yang cocok untuk buku pegangan karyawan.

Refaktor fungsi berantakan

Refaktor fungsi Python berikut agar menangani kasus tepi dengan bersih, menggunakan petunjuk tipe, dan menyertakan docstring. Jelaskan setiap perubahan dan alasannya. def process(data): result = []; [result.append(x*2) for x in data if x != None]; return result

Bandingkan dengan

Command R (08-2024)
Model hanya API
konteks 128,000 token · $0.15/M input, $0.60/M output
Command R+ (08-2024)
Model hanya API
konteks 128,000 token · $2.50/M input, $10.00/M output
Command A+
Model hanya API
konteks 192,000 token · $0.30/M input, $1.50/M output
Command R7B (12-2024)
Model hanya API
konteks 128,000 token · $0.04/M input, $0.15/M output

Model teks lain dari cohere

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Command A secara lokal?: Ya, bobotnya terbuka dan tersedia di Hugging Face di bawah CohereForAI/c4ai-command-a-03-2025. Dengan 111 miliar parameter Anda membutuhkan VRAM besar atau setup multi-GPU untuk menjalankannya dengan presisi penuh; versi kuantisasi mengurangi kebutuhan ini.
Berapa biaya Command A via API?: Cohere mengenakan biaya $2,50 per juta token input dan $10,00 per juta token output. Tugas agen yang menghasilkan output panjang akan sangat membebani biaya output, jadi pertimbangkan ini sebelum memutuskan.
Apa perbedaan Command A dengan model Cohere lain?: Command A adalah rilis bobot terbuka terbesar dan paling mumpuni dari Cohere, diposisikan di atas keluarga Command R yang lebih kecil, dengan jendela konteks lebih panjang dan fokus khusus pada tugas bisnis agen dan multibahasa, bukan chat umum.

Putusan Kapten
Pilihan bobot terbuka serius jika agen dan pekerjaan multibahasa adalah prioritas Anda, asalkan Anda siap dengan perangkat keras atau biaya token outputnya.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

DeepSeek V3.1 Terminus

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Command A adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm cohere agen multibahasa pemrograman konteks panjang lokal

Jelajahi berdasarkan Keluarga Model