Cohere: Command A mot Google: Gemini 4 Argon
En jämförelse sida vid sida av Cohere: Command A (8,75 US$ / 1M textdelar (≈ 85,72 kr)) och Google: Gemini 4 Argon (7,00 US$ / 1M textdelar (≈ 68,57 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Cohere: Command A | Google: Gemini 4 Argon | |
|---|---|---|
| Leverantör | Cohere | |
| Indata | 8,75 US$ / 1M textdelar (≈ 85,72 kr) | 7,00 US$ / 1M textdelar (≈ 68,57 kr) |
| Utdata | 35,00 US$ / 1M textdelar (≈ 342,87 kr) | 35,00 US$ / 1M textdelar (≈ 342,87 kr) |
| Cacheläsning | - | 0,35 US$ / 1M textdelar (≈ 3,43 kr) |
| Cacheskrivning | - | 0,66 US$ / 1M textdelar (≈ 6,43 kr) |
| Resonemang | - | 35,00 US$ / 1M textdelar (≈ 342,87 kr) |
| Ljudindata | - | 7,00 US$ / 1M textdelar (≈ 68,57 kr) |
| Bild | - | 0,000007 US$ / bild (≈ 0,0000686 kr) |
| Webbsökning | - | 49,00 US$ / 1K sökningar (≈ 480,02 kr) |
| Kontextfönster | 256 000 | 1 048 576 |
| Max utdata | 8 192 | 943 718 |
| Indata | text | audio, file, image, text, video |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 13 mars 2025 | 13 okt. 2026 |
Viktiga skillnader
- Google: Gemini 4 Argon är 20% billigare på indata-tokens.
- Google: Gemini 4 Argon läser 4.1× mer kontext (1 048 576 tokens).
- Endast Google: Gemini 4 Argon stöder styrning av resonemangsnivå.
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,03 US$ med Cohere: Command A och 0,02 US$ med Google: Gemini 4 Argon.
Mer i detalj
Cohere: Command A är en textmodell från Cohere, släppt den 13 mars 2025. Google: Gemini 4 Argon är en textmodell från Google, släppt den 13 oktober 2026. Båda tillhandahålls via api14 under modell-id:na cohere/command-a och google/gemini-4-argon, och båda listas som modeller i kategorin text, så på ytan ockuperar de samma plats i en modellväljare.
Skillnaderna visar sig i kontext, modaliteter och parametrar. Gemini 4 Argon har det större kontextfönstret, ungefär en miljon tokens mot Command A:s 256 000, och den accepterar audio, file, image, text och video som indata medan Command A endast accepterar text. Båda returnerar text. Gemini 4 Argon är den enda av de två som exponerar verktygsanrop och resonemangskontroller (include_reasoning, reasoning, reasoning_effort, tool_choice, tools), medan Command A har samplingskontroller som frequency_penalty, presence_penalty, top_k och seed. Strukturerade utdata finns på båda, så det är inte en avgörande faktor. Priset: Gemini 4 Argon är det billigare alternativet för indata, och de två ligger ungefär lika för utdata.
För en utvecklare som väljer mellan dem följer den praktiska uppdelningen dessa fakta. Om din uppgift är ren text in och text ut, med en prompt som ryms bekvämt inom 256 000 tokens, är Command A ett rimligt standardval, och dess penalty- och top_k-parametrar ger dig finare kontroll över samplingsbeteendet. Om du behöver skicka bilder, audio, video eller filer tillsammans med prompten, eller om du behöver ett kontextfönster långt över en kvarts miljon tokens, är Gemini 4 Argon den som över huvud taget kan acceptera den indatan. Om din applikation förlitar sig på verktygsanrop eller på att exponera resonemangsinsats som en ratt, är Gemini 4 Argon återigen den enda av de två som stöder det. Kostnaden spelar också roll: för indatatunga arbetsbelastningar är Gemini 4 Argon billigare, medan utdatakostnaden är ungefär densamma för båda, så en genereringstung, textbaserad arbetsbelastning vinner inte mycket på att byta enbart av prisskäl.
Att anropa endera modellen via api14 fungerar på samma sätt, eftersom API:et är OpenAI-kompatibelt. Du pekar din befintliga klient mot api14:s bas-URL, skickar en chat completions-begäran med dina messages, och ställer in fältet model till antingen cohere/command-a eller google/gemini-4-argon. Att byta mellan de två är en enradsändring av det modell-id:t; formen på begäran och svaret förblir densamma. Parametrarna du skickar bör matcha vad varje modell stöder, så tool- och reasoning-fält hör till begäranden till google/gemini-4-argon, och penalty- eller top_k-fält hör till begäranden till cohere/command-a.
Det finns fortfarande fall där Command A är det bättre valet även om Gemini 4 Argon är större och billigare för indata. Om din arbetsbelastning är enbart text och du vill ha de samplingskontroller som Command A exponerar, eller om du helt enkelt föredrar Cohere som leverantör, täcker Command A den marken utan den extra modalitetsytan. Ingen av modellerna är en strikt supermängd av den andra i parameterlistan, så valet handlar om huruvida du behöver multimodala indata, en mycket stor kontext eller resonemangs- och verktygskontroller, i vilket fall du väljer Gemini 4 Argon, eller en textbaserad modell med penalty- och top_k-justering, i vilket fall Command A räcker.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "cohere/command-a" till "google/gemini-4-argon", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4