VRAMLab

Cohere Command A (111B) — Requisitos de VRAM, Matriz de Quantização e Guia de GPU

Cohere Command A (111B) (Cohere, CC-BY-NC-4.0) é uma arquitetura Transformer Denso com 111B parâmetros residentes (111B ativos por token), 64 camadas e Janela Deslizante Híbrida (SWA) suportando até 262,144 tokens de contexto.

Abrir na Calculadora de VRAM → Gerar Config vLLM / Ollama → Comparar GPU Própria vs API → Comparar Preços de API ao Vivo no DevToken →

Simulador Interativo de Memória e Contexto para Cohere Command A (111B)

32,768 tokens

Detalhamento de Memória e Teto de Largura de Banda

Ajuste Apertado (>90% Útil)
Pesos do Modelo: 90.9% KV: 4% Overhead: 5.1%
Memória Total Necessária
68.94 GB
Alocação por Dispositivo: 68.94 GB
Pesos do Modelo
62.67 GB
Cache KV (FP16): 2.75 GB
Decodificação Est. (1 Fluxo)
19.2 tok/s
Sobrecarga de Runtime e TP: 3.52 GB
Contexto Máx. Antes de OOM
46,684
tokens

A compressão arquitetural de KV economiza 97.1% vs MHA FP16 ingênuo (96.00 GB).

Matriz de VRAM por Precisão e Quantização (Contexto 8K / 32K / 128K)

Memória total de GPU exigida por precisão de pesos e tamanho de contexto (batch = 1, cache KV FP16)
Precisão / Formato bpw Efetivo Apenas Pesos Total @ 8K ctx Total @ 32K ctx Total @ 128K ctx Nível Recomendado (@ 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

Compatibilidade de Hardware e Velocidade de Decodificação (Cohere Command A (111B) @ Q4_K_M, 32K)

Status de ajuste, uso de memória e vazão estimada de decodificação nas principais GPUs e Apple Silicon
Nível de Hardware Memória e Banda Exigido (32K) Veredito de Ajuste Velocidade Est.
RTX 3090 24GB 24 GB · 936 GB/s 68.94 GB (287%) Memória Insuficiente (OOM) —
RTX 4090 24GB 24 GB · 1008 GB/s 68.94 GB (287%) Memória Insuficiente (OOM) —
RTX 5090 32GB 32 GB · 1792 GB/s 68.94 GB (215%) Memória Insuficiente (OOM) —
Apple M-Max 64GB 64 GB · 546 GB/s 67.66 GB (106%) Memória Insuficiente (OOM) —
Mac Studio 128GB 128 GB · 546 GB/s 67.66 GB (53%) Cabe com Folga 4.6 tok/s
Mac Studio 192GB 192 GB · 800 GB/s 67.66 GB (35%) Cabe com Folga 6.7 tok/s
NVIDIA A100 80GB 80 GB · 2039 GB/s 68.94 GB (86%) Ajuste Apertado (>90% Útil) 19.2 tok/s
NVIDIA H100 80GB 80 GB · 3350 GB/s 68.94 GB (86%) Ajuste Apertado (>90% Útil) 31.6 tok/s

Parâmetros Verificados da Arquitetura 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 Atenção
Transformer Denso
Mecanismo de Atenção
Janela Deslizante Híbrida (SWA)
Parâmetros Totais (B)
111B
Parâmetros Ativos / Token (B)
111B
Camadas Ocultas / Dimensão Oculta
64 / 12288
Cabeças de Consulta / Cabeças KV
96Q / 8KV (d=128)
Sliding Window
4096 (75% local)
Vocab / Max Position
256,000 / 262,144

Formatos quantizados armazenam fatores de escala e pontos zero por bloco junto aos pesos inteiros compactados. Um checkpoint GGUF Q4_K_M de 4 bits tem média de 4,85 bits efetivos por parâmetro (e não 4,00), enquanto Q8_0 tem média de 8,50 bpw. Em modelos Mixture-of-Experts, todos os especialistas roteados e compartilhados permanecem residentes na memória para evitar paginação a cada token.

O Grouped-Query Attention padrão aloca 2 × L × H_kv × d_head × S × B × bytes_kv entre as camadas. O DeepSeek Multi-head Latent Attention (MLA) comprime chaves e valores em L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv, cortando a memória de contexto longo em mais de 90%. Modelos híbridos de janela deslizante limitam camadas de atenção local a min(S, window_size) enquanto escalam camadas globais linearmente com S.

Comandos Rápidos de vLLM e Ollama para Cohere Command A (111B)

CLI do 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 do 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

Comparar Modelos Irmãos e de Escala Semelhante

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