Cohere Command A (111B) — VRAM 요구사항, 양자화 매트릭스 & GPU 가이드
Cohere Command A (111B)(Cohere, CC-BY-NC-4.0)은 상주 파라미터 111B(토큰당 활성 111B), 64개 레이어, 최대 262,144 컨텍스트 토큰을 지원하는 하이브리드 슬라이딩 윈도우 (SWA) 기반 Dense Transformer (밀집 모델) 아키텍처입니다.
대화형 Cohere Command A (111B) 메모리 & 컨텍스트 시뮬레이터
정밀도 & 양자화별 VRAM 매트릭스 (8K / 32K / 128K 컨텍스트)
| 정밀도 / 포맷 | 유효 bpw | 가중치 단독 | 합계 @ 8K ctx | 합계 @ 32K ctx | 합계 @ 128K ctx | 권장 등급 (@ 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 |
하드웨어 호환성 & 디코딩 속도 (Cohere Command A (111B) @ Q4_K_M, 32K 컨텍스트)
| 하드웨어 등급 | 메모리 & 대역폭 | 필요량 (32K) | 적재 판정 | 추정 디코딩 속도 |
|---|---|---|---|---|
| RTX 3090 24GB | 24 GB · 936 GB/s | 68.94 GB (287%) | 메모리 부족 (OOM) | — |
| RTX 4090 24GB | 24 GB · 1008 GB/s | 68.94 GB (287%) | 메모리 부족 (OOM) | — |
| RTX 5090 32GB | 32 GB · 1792 GB/s | 68.94 GB (215%) | 메모리 부족 (OOM) | — |
| Apple M-Max 64GB | 64 GB · 546 GB/s | 67.66 GB (106%) | 메모리 부족 (OOM) | — |
| Mac Studio 128GB | 128 GB · 546 GB/s | 67.66 GB (53%) | 여유 있게 적재 | 4.6 tok/s |
| Mac Studio 192GB | 192 GB · 800 GB/s | 67.66 GB (35%) | 여유 있게 적재 | 6.7 tok/s |
| NVIDIA A100 80GB | 80 GB · 2039 GB/s | 68.94 GB (86%) | 빠듯한 적재 (>90% 사용) | 19.2 tok/s |
| NVIDIA H100 80GB | 80 GB · 3350 GB/s | 68.94 GB (86%) | 빠듯한 적재 (>90% 사용) | 31.6 tok/s |
검증된 Transformer 아키텍처 파라미터
- Checkpoint ID
- CohereForAI/c4ai-command-a-03-2025
- Ollama Tag
- command-a:111b
- License / Release
- CC-BY-NC-4.0 · 2025-Q1
- 토폴로지 & 어텐션
- Dense Transformer (밀집 모델)
- 어텐션 메커니즘
- 하이브리드 슬라이딩 윈도우 (SWA)
- 총 파라미터 (B)
- 111B
- 토큰당 활성 파라미터 (B)
- 111B
- 은닉 레이어 수 / 은닉 차원 (Hidden Size)
- 64 / 12288
- 쿼리 헤드 수 / KV 헤드 수
- 96Q / 8KV (d=128)
- Sliding Window
- 4096 (75% local)
- Vocab / Max Position
- 256,000 / 262,144
양자화 포맷은 패킹된 정수 가중치와 함께 블록별 스케일 계수 및 제로 포인트를 저장합니다. 4비트 GGUF Q4_K_M 체크포인트는 파라미터당 평균 4.85 유효 비트(4.00이 아님)를 사용하며 Q8_0은 평균 8.50 bpw를 소비합니다. Mixture-of-Experts 모델에서는 토큰마다 발생하는 호스트 페이징을 방지하기 위해 모든 라우팅 및 공유 전문가가 메모리에 상주합니다.
표준 Grouped-Query Attention은 전체 레이어에 걸쳐 2 × L × H_kv × d_head × S × B × bytes_kv를 할당합니다. DeepSeek Multi-head Latent Attention (MLA)은 Key와 Value를 L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv로 압축해 장문 컨텍스트 메모리를 90% 이상 절감합니다. 하이브리드 슬라이딩 윈도우 모델은 로컬 어텐션 레이어를 min(S, window_size)로 제한하고 글로벌 레이어만 S에 선형 비례해 확장합니다.
Cohere Command A (111B)용 빠른 시작 vLLM & Ollama 명령어
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# 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 serve동일 계열 및 유사 규모 오픈웨이트 모델 비교
Llama 4 Scout (109B / 17B-16E MoE)
Meta Llama · 109B (HYBRID_SWA)
Mistral Large 2411 (123B)
Mistral · 123B (GQA)
Qwen2.5-72B-Instruct
Qwen · 72.7B (GQA)
DeepSeek-R1-Distill-Llama-70B
DeepSeek · 70.6B (GQA)
Llama 3.3 70B Instruct
Meta Llama · 70.6B (GQA)
DeepSeek-R1-Distill-Qwen-32B
DeepSeek · 32.8B (GQA)