Cohere: Command A lawan Google: Gemini 4 Argon
Perbandingan berdampingan Cohere: Command A (US$8,75 / 1 jt token (≈ Rp 158.200)) dan Google: Gemini 4 Argon (US$7,00 / 1 jt token (≈ Rp 126.560)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.
Spesifikasi
| Cohere: Command A | Google: Gemini 4 Argon | |
|---|---|---|
| Penyedia | Cohere | |
| Masukan | US$8,75 / 1 jt token (≈ Rp 158.200) | US$7,00 / 1 jt token (≈ Rp 126.560) |
| Keluaran | US$35,00 / 1 jt token (≈ Rp 632.800) | US$35,00 / 1 jt token (≈ Rp 632.800) |
| Baca cache | - | US$0,35 / 1 jt token (≈ Rp 6.328) |
| Tulis cache | - | US$0,66 / 1 jt token (≈ Rp 11.865) |
| Penalaran | - | US$35,00 / 1 jt token (≈ Rp 632.800) |
| Input audio | - | US$7,00 / 1 jt token (≈ Rp 126.560) |
| Gambar | - | US$0,000007 / gambar (≈ Rp 0,127) |
| Pencarian web | - | US$49,00 / 1 rb pencarian (≈ Rp 885.920) |
| Jendela konteks | 256.000 | 1.048.576 |
| Output maks. | 8.192 | 943.718 |
| Masukan | text | audio, file, image, text, video |
| Keluaran | text | text |
| panggilan alat | ||
| Output terstruktur | ||
| Pengaturan penalaran | ||
| Ditambahkan | 13 Mar 2025 | 13 Okt 2026 |
Perbedaan utama
- Google: Gemini 4 Argon 20% lebih murah untuk token input.
- Google: Gemini 4 Argon membaca konteks 4.1× lebih banyak (1.048.576 token).
- Hanya Google: Gemini 4 Argon yang mendukung pengaturan tingkat penalaran.
- Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,03 dengan Cohere: Command A dan US$0,02 dengan Google: Gemini 4 Argon.
Lebih mendalam
Cohere: Command A adalah model teks dari Cohere, dirilis pada 13 Maret 2025. Google: Gemini 4 Argon adalah model teks dari Google, dirilis pada 13 Oktober 2026. Keduanya dilayani melalui api14 dengan model id cohere/command-a dan google/gemini-4-argon, dan keduanya terdaftar sebagai model kategori teks, jadi pada tingkat permukaan keduanya menempati slot yang sama di pemilih model.
Perbedaannya muncul pada konteks, modalitas dan parameter. Gemini 4 Argon memiliki jendela konteks yang lebih besar, sekitar satu juta token dibandingkan 256.000 milik Command A, dan menerima audio, file, gambar, teks dan video sebagai input sementara Command A hanya menerima teks. Keduanya mengembalikan teks. Gemini 4 Argon adalah satu-satunya dari keduanya yang mengekspos tool calling dan kontrol reasoning (include_reasoning, reasoning, reasoning_effort, tool_choice, tools), sementara Command A membawa kontrol sampling seperti frequency_penalty, presence_penalty, top_k dan seed. Structured outputs muncul pada keduanya, jadi itu bukan faktor penentu. Dari sisi harga, Gemini 4 Argon adalah opsi yang lebih murah untuk input, dan keduanya kurang lebih sama untuk output.
Bagi pengembang yang memilih di antara keduanya, pembagian praktisnya mengikuti fakta tersebut. Jika tugas Anda adalah teks masuk dan teks keluar biasa, dengan prompt yang muat dengan nyaman di dalam 256.000 token, Command A adalah default yang wajar, dan parameter penalty serta top_k-nya memberi Anda kontrol lebih halus atas perilaku sampling. Jika Anda perlu mengirim gambar, audio, video atau file bersama prompt, atau Anda memerlukan jendela konteks yang jauh melampaui seperempat juta token, Gemini 4 Argon adalah satu-satunya yang dapat menerima input tersebut. Jika aplikasi Anda bergantung pada tool calling atau pada mengekspos reasoning effort sebagai knob, Gemini 4 Argon lagi-lagi satu-satunya dari keduanya yang mendukungnya. Biaya juga penting: untuk beban kerja yang berat input, Gemini 4 Argon lebih murah, sementara biaya output kurang lebih sama pada keduanya, jadi beban kerja yang berat generasi dan hanya teks tidak banyak untung dari beralih hanya karena harga.
Memanggil salah satu model melalui api14 bekerja dengan cara yang sama, karena API-nya kompatibel dengan OpenAI. Anda mengarahkan klien yang sudah ada ke base URL api14, mengirim permintaan chat completions dengan pesan Anda, dan mengatur field model ke cohere/command-a atau google/gemini-4-argon. Beralih di antara keduanya adalah perubahan satu baris pada model id tersebut; bentuk permintaan dan respons tetap sama. Parameter yang Anda kirim harus sesuai dengan apa yang didukung setiap model, jadi field tool dan reasoning berada pada permintaan ke google/gemini-4-argon, dan field penalty atau top_k berada pada permintaan ke cohere/command-a.
Masih ada kasus di mana Command A adalah pilihan yang lebih baik meskipun Gemini 4 Argon lebih besar dan lebih murah untuk input. Jika beban kerja Anda hanya teks dan Anda menginginkan kontrol sampling yang diekspos Command A, atau Anda sekadar lebih memilih Cohere sebagai provider, Command A mencakup hal itu tanpa permukaan modalitas tambahan. Tidak ada model yang merupakan superset ketat dari yang lain dalam daftar parameter, jadi pilihannya bermuara pada apakah Anda memerlukan input multimodal, konteks yang sangat besar atau kontrol reasoning dan tool, dalam hal ini pilih Gemini 4 Argon, atau model yang hanya teks dengan penyetelan penalty dan top_k, dalam hal ini Command A sudah cukup.
Berganti cukup dengan satu string
Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "cohere/command-a" ke "google/gemini-4-argon", prompt, streaming, dan tools tetap berfungsi.
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);
Perbandingan lainnya
- LiquidAI: LFM3-1.7B lawan Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B lawan Crouton Alpha
- LiquidAI: LFM3-1.7B lawan Tencent: Hy4
- LiquidAI: LFM3-1.7B lawan Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview lawan Crouton Alpha
- Ricursive: Ripple 65B Preview lawan Tencent: Hy4
- Ricursive: Ripple 65B Preview lawan Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha lawan Tencent: Hy4