Cohere: Command A contra Google: Gemini 4 Argon
Una comparativa lado a lado de Cohere: Command A (8,75 US$ / 1M fragmentos (≈ 7,79 €)) y Google: Gemini 4 Argon (7,00 US$ / 1M fragmentos (≈ 6,23 €)) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| Cohere: Command A | Google: Gemini 4 Argon | |
|---|---|---|
| Proveedor | Cohere | |
| Entrada | 8,75 US$ / 1M fragmentos (≈ 7,79 €) | 7,00 US$ / 1M fragmentos (≈ 6,23 €) |
| Salida | 35,00 US$ / 1M fragmentos (≈ 31,17 €) | 35,00 US$ / 1M fragmentos (≈ 31,17 €) |
| Lectura de caché | - | 0,35 US$ / 1M fragmentos (≈ 0,31 €) |
| Escritura de caché | - | 0,66 US$ / 1M fragmentos (≈ 0,58 €) |
| Razonamiento | - | 35,00 US$ / 1M fragmentos (≈ 31,17 €) |
| Entrada de audio | - | 7,00 US$ / 1M fragmentos (≈ 6,23 €) |
| Imagen | - | 0,000007 US$ / imagen (≈ 0,00000623 €) |
| Búsqueda web | - | 49,00 US$ / 1K búsquedas (≈ 43,63 €) |
| Ventana de contexto | 256.000 | 1.048.576 |
| Salida máxima | 8192 | 943.718 |
| Entrada | text | audio, file, image, text, video |
| Salida | text | text |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 13 mar 2025 | 13 oct 2026 |
Diferencias clave
- Google: Gemini 4 Argon es 20% más barato en tokens de entrada.
- Google: Gemini 4 Argon lee 4.1× más contexto (1.048.576 tokens).
- Solo Google: Gemini 4 Argon admite control del esfuerzo de razonamiento.
- Una solicitud con 1.000 tokens de entrada y 500 de salida cuesta 0,03 US$ con Cohere: Command A y 0,02 US$ con Google: Gemini 4 Argon.
En detalle
Cohere: Command A es un modelo de texto de Cohere, lanzado el 13 de marzo de 2025. Google: Gemini 4 Argon es un modelo de texto de Google, lanzado el 13 de octubre de 2026. Ambos se sirven a través de api14 con los ids de modelo cohere/command-a y google/gemini-4-argon, y ambos figuran como modelos de categoría texto, así que a simple vista ocupan la misma posición en un selector de modelos.
Las diferencias aparecen en el contexto, las modalidades y los parámetros. Gemini 4 Argon tiene la ventana de contexto más grande, aproximadamente un millón de tokens frente a los 256.000 de Command A, y acepta audio, archivo, imagen, texto y vídeo como entrada, mientras que Command A acepta solo texto. Ambos devuelven texto. Gemini 4 Argon es el único de los dos que expone llamadas a herramientas y controles de razonamiento (include_reasoning, reasoning, reasoning_effort, tool_choice, tools), mientras que Command A incorpora controles de muestreo como frequency_penalty, presence_penalty, top_k y seed. Las salidas estructuradas aparecen en ambos, así que eso no es un factor decisivo. En cuanto al precio, Gemini 4 Argon es la opción más barata para la entrada, y los dos son más o menos iguales para la salida.
Para un desarrollador que elige entre ellos, la división práctica sigue esos hechos. Si tu tarea es texto simple de entrada y salida de texto, con un prompt que cabe cómodamente dentro de 256.000 tokens, Command A es un valor predeterminado razonable, y sus parámetros de penalización y top_k te dan un control más fino sobre el comportamiento de muestreo. Si necesitas enviar imágenes, audio, vídeo o archivos junto con el prompt, o necesitas una ventana de contexto muy por encima de un cuarto de millón de tokens, Gemini 4 Argon es el que puede aceptar esa entrada. Si tu aplicación depende de llamadas a herramientas o de exponer el esfuerzo de razonamiento como un ajuste, Gemini 4 Argon es de nuevo el único de los dos que lo admite. El coste también importa: para cargas de trabajo con mucha entrada, Gemini 4 Argon es más barato, mientras que el coste de salida es más o menos el mismo en ambos, así que una carga de trabajo con mucha generación y solo texto no gana mucho cambiando solo por precio.
Llamar a cualquiera de los dos modelos a través de api14 funciona igual, porque la API es compatible con OpenAI. Apuntas tu cliente existente a la URL base de api14, envías una solicitud de chat completions con tus mensajes, y estableces el campo model en cohere/command-a o google/gemini-4-argon. Cambiar entre los dos es un cambio de una línea en ese id de modelo; las formas de solicitud y respuesta siguen siendo las mismas. Los parámetros que pasas deben coincidir con lo que admite cada modelo, así que los campos de herramientas y razonamiento pertenecen a las solicitudes a google/gemini-4-argon, y los campos de penalización o top_k pertenecen a las solicitudes a cohere/command-a.
Todavía hay casos en los que Command A es la mejor elección aunque Gemini 4 Argon sea más grande y más barato en entrada. Si tu carga de trabajo es solo texto y quieres los controles de muestreo que expone Command A, o simplemente prefieres Cohere como proveedor, Command A cubre ese terreno sin la superficie de modalidad adicional. Ninguno de los dos modelos es un superconjunto estricto del otro en la lista de parámetros, así que la elección se reduce a si necesitas entrada multimodal, un contexto muy grande o controles de razonamiento y herramientas, en cuyo caso elige Gemini 4 Argon, o un modelo solo de texto con ajuste de penalización y top_k, en cuyo caso Command A es suficiente.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "cohere/command-a" a "google/gemini-4-argon": los prompts, el streaming y las herramientas siguen funcionando.
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);
Más comparativas
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4