Cohere: Command A+ vs. Google: Gemini 3.1 Flash Lite Preview
Ein direkter Vergleich von Cohere: Command A+ (1,05 $ / 1 Mio. Tokens (≈ 0,94 €)) und Google: Gemini 3.1 Flash Lite Preview (0,88 $ / 1 Mio. Tokens (≈ 0,78 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Cohere: Command A+ | Google: Gemini 3.1 Flash Lite Preview | |
|---|---|---|
| Anbieter | Cohere | |
| Eingabe | 1,05 $ / 1 Mio. Tokens (≈ 0,94 €) | 0,88 $ / 1 Mio. Tokens (≈ 0,78 €) |
| Ausgabe | 5,25 $ / 1 Mio. Tokens (≈ 4,68 €) | 5,25 $ / 1 Mio. Tokens (≈ 4,68 €) |
| Cache-Lesen | 0,52 $ / 1 Mio. Tokens (≈ 0,47 €) | 0,09 $ / 1 Mio. Tokens (≈ 0,08 €) |
| Cache-Schreiben | - | 0,29 $ / 1 Mio. Tokens (≈ 0,26 €) |
| Schlussfolgern | - | 5,25 $ / 1 Mio. Tokens (≈ 4,68 €) |
| Audioeingabe | - | 1,75 $ / 1 Mio. Tokens (≈ 1,56 €) |
| Bild | - | 0,000001 $ / Bild (≈ 0,000000779 €) |
| Websuche | - | 49,00 $ / 1.000 Suchen (≈ 43,63 €) |
| Kontextfenster | 192.000 | 1.048.576 |
| Max. Ausgabe | 64.000 | 65.536 |
| Eingabe | text, image | text, image, video, file, audio |
| Ausgabe | text | text |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 22.09.2026 | 03.03.2026 |
Die wichtigsten Unterschiede
- Google: Gemini 3.1 Flash Lite Preview ist bei Eingabe-Tokens 17% günstiger.
- Google: Gemini 3.1 Flash Lite Preview liest 5.5× mehr Kontext (1.048.576 Tokens).
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Cohere: Command A+ 0,00367 $ und mit Google: Gemini 3.1 Flash Lite Preview 0,00350 $.
Im Detail
Cohere: Command A+ ist ein Textmodell von Cohere, veröffentlicht am 2026-09-22. Google: Gemini 3.1 Flash Lite Preview ist ein Textmodell von Google, veröffentlicht am 2026-03-03. Beide werden über api14 als Chat-Modelle mit Textausgabe bereitgestellt, daher sehen sie auf der Ebene eines einzelnen Completion-Aufrufs ähnlich aus: Man sendet Nachrichten und erhält Text zurück. Die Unterschiede zeigen sich bei der Kontextgröße, bei dem, was man einspeisen kann, und bei den Tuning-Reglern, die jeder Anbieter bereitstellt.
Die deutlichste Trennung liegt bei Kontext und Eingabemodalitäten. Gemini 3.1 Flash Lite Preview nimmt ein viel größeres Kontextfenster auf, 1.048.576 Tokens gegenüber 192.000 bei Command A+. Gemini akzeptiert außerdem mehr Eingabetypen: Text, Bild, Video, Datei und Audio, während Command A+ nur Text und Bild akzeptiert. Beide geben ausschließlich Text zurück. Bei den Parametern unterstützt Command A+ frequency_penalty, presence_penalty, top_k, stop und seed neben temperature, top_p, tools, structured_outputs, response_format, reasoning und include_reasoning. Gemini unterstützt temperature, top_p, seed, tools, tool_choice, structured_outputs, response_format, reasoning, reasoning_effort und include_reasoning, aber nicht frequency_penalty, presence_penalty, top_k oder stop. Wenn Ihre Prompt-Pipeline auf Wiederholungsstrafen oder eine Stop-Sequenz angewiesen ist, ist das ein Grund, genau hinzuschauen, welches Modell Sie aufrufen. Gemini ist die günstigere Option beim Eingabepreis, während der Ausgabepreis bei beiden etwa gleich ist.
Für die tägliche Arbeit wählen Sie danach aus, was Sie dem Modell zuführen. Wenn Sie sehr lange Dokumente, große Codebasen oder lange Transkripte zusammenfassen oder darüber reasoning betreiben, bedeutet das größere Kontextfenster von Gemini weniger Chunking-Workarounds. Wenn Sie Audio oder Video direkt übergeben müssen, ist Gemini das einzige der beiden, das diese Modalitäten akzeptiert. Wenn Sie mit Bildern plus Text arbeiten und eine feinere Kontrolle über das Sampling-Verhalten wünschen, gibt Ihnen Command A+ Penalties und top_k, was wichtig sein kann, um generierten Text auf Kurs zu halten. Beide unterstützen tools und structured_outputs, daher sind Agent-artige und JSON-förmige Workloads mit beiden machbar; laut den verfügbaren Daten hat dort keiner einen exklusiven Vorteil. Für einfache Textgenerierung, bei der die Kosten der Eingabe-Tokens dominieren, ist Gemini der günstigere Aufruf.
Der Aufruf eines der beiden Modelle über api14 verwendet dieselbe OpenAI-kompatible Schnittstelle. Sie richten Ihren Client auf die api14-Basis-URL, senden eine standardmäßige Chat-Completions-Anfrage mit Ihrem messages-Array und setzen das Feld model. Um das Modell von Cohere zu verwenden, setzen Sie model auf "cohere/command-a-plus". Um das Modell von Google zu verwenden, setzen Sie model auf "google/gemini-3.1-flash-lite-preview". Alles andere im Request-Body bleibt gleich, mit einer Einschränkung: Übergeben Sie nur Parameter, die das gewählte Modell unterstützt. Eine Anfrage, die top_k oder stop enthält, lässt sich nicht sauber auf das Gemini-Modell übertragen, und reasoning_effort gilt für Gemini, aber nicht für Command A+. Halten Sie Ihren Parametersatz auf die gemeinsame Teilmenge (temperature, top_p, max_tokens, tools, structured_outputs, response_format, seed, reasoning) beschränkt, wenn Sie die Modell-IDs wechseln möchten, ohne etwas anderes anzufassen.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "cohere/command-a-plus" auf "google/gemini-3.1-flash-lite-preview", Prompts, Streaming und Tools funktionieren weiter.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "google/gemini-3.1-flash-lite-preview",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Weitere Vergleiche
- LiquidAI: LFM3-1.7B vs. Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B vs. Crouton Alpha
- LiquidAI: LFM3-1.7B vs. Tencent: Hy4
- LiquidAI: LFM3-1.7B vs. Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview vs. Crouton Alpha
- Ricursive: Ripple 65B Preview vs. Tencent: Hy4
- Ricursive: Ripple 65B Preview vs. Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha vs. Tencent: Hy4