Cohere: Command A vs. Google: Gemini 4 Argon
Ein direkter Vergleich von Cohere: Command A (8,75 $ / 1 Mio. Tokens (≈ 7,79 €)) und Google: Gemini 4 Argon (7,00 $ / 1 Mio. Tokens (≈ 6,23 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Cohere: Command A | Google: Gemini 4 Argon | |
|---|---|---|
| Anbieter | Cohere | |
| Eingabe | 8,75 $ / 1 Mio. Tokens (≈ 7,79 €) | 7,00 $ / 1 Mio. Tokens (≈ 6,23 €) |
| Ausgabe | 35,00 $ / 1 Mio. Tokens (≈ 31,17 €) | 35,00 $ / 1 Mio. Tokens (≈ 31,17 €) |
| Cache-Lesen | - | 0,35 $ / 1 Mio. Tokens (≈ 0,31 €) |
| Cache-Schreiben | - | 0,66 $ / 1 Mio. Tokens (≈ 0,58 €) |
| Schlussfolgern | - | 35,00 $ / 1 Mio. Tokens (≈ 31,17 €) |
| Audioeingabe | - | 7,00 $ / 1 Mio. Tokens (≈ 6,23 €) |
| Bild | - | 0,000007 $ / Bild (≈ 0,00000623 €) |
| Websuche | - | 49,00 $ / 1.000 Suchen (≈ 43,63 €) |
| Kontextfenster | 256.000 | 1.048.576 |
| Max. Ausgabe | 8.192 | 943.718 |
| Eingabe | text | audio, file, image, text, video |
| Ausgabe | text | text |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 13.03.2025 | 13.10.2026 |
Die wichtigsten Unterschiede
- Google: Gemini 4 Argon ist bei Eingabe-Tokens 20% günstiger.
- Google: Gemini 4 Argon liest 4.1× mehr Kontext (1.048.576 Tokens).
- Nur Google: Gemini 4 Argon unterstützt Steuerung des Reasoning-Aufwands.
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Cohere: Command A 0,03 $ und mit Google: Gemini 4 Argon 0,02 $.
Im Detail
Cohere: Command A ist ein Textmodell von Cohere, veröffentlicht am 13. März 2025. Google: Gemini 4 Argon ist ein Textmodell von Google, veröffentlicht am 13. Oktober 2026. Beide werden über api14 unter den Modell-IDs cohere/command-a und google/gemini-4-argon bereitgestellt, und beide sind als Modelle der Kategorie Text gelistet, sodass sie auf den ersten Blick denselben Platz in einer Modellauswahl einnehmen.
Die Unterschiede zeigen sich bei Kontext, Modalitäten und Parametern. Gemini 4 Argon hat das größere Kontextfenster, ungefähr eine Million Token gegenüber 256.000 bei Command A, und es akzeptiert Audio, Datei, Bild, Text und Video als Eingabe, während Command A nur Text akzeptiert. Beide geben Text zurück. Gemini 4 Argon ist das einzige der beiden, das Tool-Aufrufe und Reasoning-Steuerung bereitstellt (include_reasoning, reasoning, reasoning_effort, tool_choice, tools), während Command A Sampling-Steuerungen wie frequency_penalty, presence_penalty, top_k und seed mitbringt. Strukturierte Ausgaben gibt es bei beiden, das ist also kein entscheidender Faktor. Beim Preis ist Gemini 4 Argon die günstigere Option für Eingabe, und bei der Ausgabe sind beide ungefähr gleich.
Für einen Entwickler, der zwischen ihnen wählt, folgt die praktische Aufteilung diesen Fakten. Wenn Ihre Aufgabe reiner Text rein und Text raus ist, mit einem Prompt, der bequem in 256.000 Token passt, ist Command A eine vernünftige Standardwahl, und seine Penalty- und top_k-Parameter geben Ihnen feinere Kontrolle über das Sampling-Verhalten. Wenn Sie Bilder, Audio, Video oder Dateien zusammen mit dem Prompt senden müssen, oder wenn Sie ein Kontextfenster weit jenseits einer Viertelmillion Token benötigen, ist Gemini 4 Argon dasjenige, das diese Eingabe überhaupt akzeptieren kann. Wenn Ihre Anwendung auf Tool-Aufrufen beruht oder darauf, Reasoning-Aufwand als Stellschraube verfügbar zu machen, ist Gemini 4 Argon wiederum das einzige der beiden, das dies unterstützt. Auch die Kosten zählen: Bei eingabelastigen Workloads ist Gemini 4 Argon günstiger, während die Ausgabekosten bei beiden ungefähr gleich sind, sodass ein generierungslastiger, rein textbasierter Workload allein aufgrund des Preises nicht viel vom Wechsel hat.
Beide Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, weil die API OpenAI-kompatibel ist. Sie richten Ihren vorhandenen Client auf die api14-Basis-URL, senden eine Chat-Completions-Anfrage mit Ihren Nachrichten und setzen das Feld model entweder auf cohere/command-a oder google/gemini-4-argon. Zwischen den beiden zu wechseln ist eine einzeilige Änderung an dieser Modell-ID; die Formen von Anfrage und Antwort bleiben gleich. Die Parameter, die Sie übergeben, sollten zu dem passen, was jedes Modell unterstützt, also gehören Tool- und Reasoning-Felder in Anfragen an google/gemini-4-argon, und Penalty- oder top_k-Felder gehören in Anfragen an cohere/command-a.
Es gibt weiterhin Fälle, in denen Command A die bessere Wahl ist, obwohl Gemini 4 Argon größer und bei der Eingabe günstiger ist. Wenn Ihr Workload rein textbasiert ist und Sie die Sampling-Steuerungen wünschen, die Command A bereitstellt, oder wenn Sie Cohere als Anbieter einfach bevorzugen, deckt Command A diesen Bereich ab, ohne die zusätzliche Modalitätsoberfläche. Keines der Modelle ist in der Parameterliste eine strikte Obermenge des anderen, sodass die Wahl darauf hinausläuft, ob Sie multimodale Eingabe, einen sehr großen Kontext oder Reasoning- und Tool-Steuerung benötigen, dann wählen Sie Gemini 4 Argon, oder ein rein textbasiertes Modell mit Penalty- und top_k-Abstimmung, dann reicht Command A.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "cohere/command-a" auf "google/gemini-4-argon", 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-4-argon",
"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