VRAMLab

Cohere Command A (111B) — Requisiti VRAM, matrice di quantizzazione e guida GPU

Cohere Command A (111B) (Cohere, CC-BY-NC-4.0) adotta un’architettura Transformer denso con 111B parametri residenti (111B attivi per token), 64 livelli e Finestra scorrevole ibrida (SWA) con supporto fino a 262,144 token di contesto.

Apri nel calcolatore VRAM → Genera config vLLM / Ollama → Confronta GPU self-hosted vs API → Confronta le tariffe token API live su DevToken →

Simulatore interattivo di memoria e contesto per Cohere Command A (111B)

32,768 token

Ripartizione memoria e limite di banda passante

Al limite (>90% usabile)
Pesi del modello: 90.9% KV: 4% Overhead: 5.1%
Memoria totale richiesta
68.94 GB
Allocazione per dispositivo: 68.94 GB
Pesi del modello
62.67 GB
KV Cache (FP16): 2.75 GB
Decodifica stimata (singolo flusso)
19.2 tok/s
Overhead runtime e TP: 3.52 GB
Contesto max prima di OOM
46,684
token

La compressione KV architetturale risparmia il 97.1% rispetto a MHA FP16 standard (96.00 GB).

Matrice VRAM per precisione e quantizzazione (contesto 8K / 32K / 128K)

Memoria GPU totale richiesta in base alla precisione dei pesi e alla lunghezza del contesto (batch = 1, KV cache FP16)
Precisione / Formato bpw effettivi Solo pesi Totale @ ctx 8K Totale @ ctx 32K Totale @ ctx 128K Fascia consigliata (@ 32K)
FP16 / BF16 16.00 bpw 206.75 GB 215.85 GB 217.35 GB 223.35 GB Mac Studio 512GB
FP8 8.50 bpw 109.84 GB 116.02 GB 117.52 GB 123.52 GB NVIDIA H200 141GB
Q8_0 8.50 bpw 109.84 GB 116.02 GB 117.52 GB 123.52 GB NVIDIA H200 141GB
Q6_K 6.56 bpw 84.77 GB 90.20 GB 91.70 GB 97.70 GB RTX PRO 6000 96GB
Q5_K_M 5.69 bpw 73.53 GB 78.62 GB 80.12 GB 86.12 GB RTX PRO 6000 96GB
Q4_K_M 4.85 bpw 62.67 GB 67.44 GB 68.94 GB 74.94 GB NVIDIA A100 80GB
AWQ INT4 4.50 bpw 58.15 GB 62.78 GB 64.28 GB 70.28 GB NVIDIA A100 80GB
IQ4_XS 4.25 bpw 54.92 GB 59.46 GB 60.96 GB 66.96 GB NVIDIA A100 80GB

Compatibilità hardware e velocità di decodifica (Cohere Command A (111B) @ Q4_K_M, contesto 32K)

Esito di compatibilità, utilizzo memoria e throughput di decodifica stimato sulle principali GPU e Apple Silicon
Fascia hardware Memoria e banda Richiesta (32K) Compatibilità Velocità decod. stimata
RTX 3090 24GB 24 GB · 936 GB/s 68.94 GB (287%) Memoria esaurita (OOM) —
RTX 4090 24GB 24 GB · 1008 GB/s 68.94 GB (287%) Memoria esaurita (OOM) —
RTX 5090 32GB 32 GB · 1792 GB/s 68.94 GB (215%) Memoria esaurita (OOM) —
Apple M-Max 64GB 64 GB · 546 GB/s 67.66 GB (106%) Memoria esaurita (OOM) —
Mac Studio 128GB 128 GB · 546 GB/s 67.66 GB (53%) Entra comodamente 4.6 tok/s
Mac Studio 192GB 192 GB · 800 GB/s 67.66 GB (35%) Entra comodamente 6.7 tok/s
NVIDIA A100 80GB 80 GB · 2039 GB/s 68.94 GB (86%) Al limite (>90% usabile) 19.2 tok/s
NVIDIA H100 80GB 80 GB · 3350 GB/s 68.94 GB (86%) Al limite (>90% usabile) 31.6 tok/s

Parametri verificati dell’architettura Transformer

Checkpoint ID
CohereForAI/c4ai-command-a-03-2025
Ollama Tag
command-a:111b
License / Release
CC-BY-NC-4.0 · 2025-Q1
Topologia e attenzione
Transformer denso
Meccanismo di attenzione
Finestra scorrevole ibrida (SWA)
Parametri totali (B)
111B
Parametri attivi / token (B)
111B
Livelli nascosti / Dimensione nascosta
64 / 12288
Teste di query / Teste KV
96Q / 8KV (d=128)
Sliding Window
4096 (75% local)
Vocab / Max Position
256,000 / 262,144

I formati quantizzati memorizzano fattori di scala per blocco e zero-point accanto ai pesi interi compatti. Un checkpoint GGUF Q4_K_M a 4 bit richiede in media 4.85 bit effettivi per parametro (non 4.00), mentre Q8_0 si attesta a 8.50 bpw. Nei modelli Mixture-of-Experts, tutti gli esperti instradati e condivisi restano residenti in memoria per evitare il paging dall’host a ogni token.

La Grouped-Query Attention standard alloca 2 × L × H_kv × d_head × S × B × bytes_kv lungo i livelli. La Multi-head Latent Attention di DeepSeek (MLA) comprime chiavi e valori in L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv, riducendo di oltre il 90% la memoria sui contesti lunghi. I modelli ibridi a finestra scorrevole limitano i livelli di attenzione locale a min(S, window_size) facendo scalare linearmente con S quelli globali.

Comandi rapidi vLLM e Ollama per Cohere Command A (111B)

CLI vLLM (NVIDIA A100 80GB) 
vllm serve CohereForAI/c4ai-command-a-03-2025 \
  --tensor-parallel-size 1 \
  --max-model-len 32768 \
  --max-num-seqs 8 \
  --gpu-memory-utilization 0.95 \
  --kv-cache-dtype fp8 \
  --enable-prefix-caching \
  --port 8000
Modelfile Ollama 
# Save as Modelfile, then run: ollama create command-a-111b-custom -f Modelfile
FROM command-a:111b
PARAMETER num_ctx 32768
PARAMETER num_batch 512
PARAMETER flash_attn true

# Environment variables for ollama serve:
# OLLAMA_NUM_PARALLEL=8 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serve

Confronta modelli affini e di scala simile a pesi aperti

Llama 4 Scout (109B / 17B-16E MoE)

Meta Llama · 109B (HYBRID_SWA)

67.2 GB @ Q4_K_M · NVIDIA A100 80GB

Mistral Large 2411 (123B)

Mistral · 123B (GQA)

84.2 GB @ Q4_K_M · RTX PRO 6000 96GB

Qwen2.5-72B-Instruct

Qwen · 72.7B (GQA)

53.7 GB @ Q4_K_M · NVIDIA A100 80GB

DeepSeek-R1-Distill-Llama-70B

DeepSeek · 70.6B (GQA)

52.5 GB @ Q4_K_M · NVIDIA A100 80GB

Llama 3.3 70B Instruct

Meta Llama · 70.6B (GQA)

52.5 GB @ Q4_K_M · NVIDIA A100 80GB

DeepSeek-R1-Distill-Qwen-32B

DeepSeek · 32.8B (GQA)

28.3 GB @ Q4_K_M · RTX 5090 32GB