Command R+ calculadora TPS

Abre pesos Cohere,Cohere for AI 104B parámetros April 2024

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

43 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Radeon Instinct MI200

64 GB · IQ4_XS · 12.8 tok/s

Tarjeta más rápida

B200

32.6 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Command R+?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

43 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
32.6 tok/s 20–52 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	112.0 GB	Q8_0	Cómodo
32.6 tok/s 20–52 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	112.0 GB	Q8_0	Cómodo
31.6 tok/s 19–51 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	63.6 GB	Q4_K_M	Ajustado
31.6 tok/s 19–51 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	63.6 GB	Q4_K_M	Ajustado
28.7 tok/s 17–46 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.7 GB	Q5_K_M	Ajustado
26.0 tok/s 16–42 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	112.0 GB	Q8_0	Cómodo
26.0 tok/s 16–42 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	112.0 GB	Q8_0	Cómodo
24.4 tok/s 15–39 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.7 GB	Q5_K_M	Ajustado
24.4 tok/s 15–39 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.7 GB	Q5_K_M	Ajustado
24.4 tok/s 15–39 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.7 GB	Q5_K_M	Ajustado
20.8 tok/s 12–33 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	112.0 GB	Q8_0	Ajustado
20.2 tok/s 12–32 · baja confianza	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	57.6 GB	IQ4_XS	Ajustado
19.9 tok/s 12–32 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.0 GB	Q8_0	Ajustado
19.9 tok/s 12–32 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.0 GB	Q8_0	Ajustado
19.2 tok/s 12–31 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	63.6 GB	Q4_K_M	Ajustado
19.2 tok/s 12–31 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	63.6 GB	Q4_K_M	Ajustado
19.2 tok/s 12–31 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	63.6 GB	Q4_K_M	Ajustado
19.2 tok/s 12–31 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.6 GB	Q4_K_M	Ajustado
19.2 tok/s 12–31 · baja confianza	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	63.6 GB	Q4_K_M	Ajustado
19.2 tok/s 12–31 · baja confianza	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.6 GB	Q4_K_M	Ajustado
19.1 tok/s 11–30 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	112.0 GB	Q8_0	Cómodo
18.2 tok/s 11–29 · baja confianza	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	63.6 GB	Q4_K_M	Ajustado
18.2 tok/s 11–29 · baja confianza	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	63.6 GB	Q4_K_M	Ajustado
16.9 tok/s 10–27 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	112.0 GB	Q8_0	Ajustado
16.9 tok/s 10–27 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	112.0 GB	Q8_0	Cómodo

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: Cohere,Cohere for AI
Tipo de Organización: Industry,Industry
País: Canada
Publicado: 4 April 2024

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Language
Tarea: Language modeling/generation, Language generation, Translation, Code autocompletion

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 104B
Datos de entrenamiento: tokens

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (non-commercial)
Código de entrenamiento: Unreleased
Hugging Face: CohereForAI

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Modelo de Fundación: Yes
Probablemente por encima de 10²³ FLOP: Yes
Confianza de registro: Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Command R+

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan Command R+

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

Lo que se necesita para ejecutar este modelo

Mínima tarjeta

Radeon Instinct MI200

Memoria necesaria

57.6 GB

Más rápido

32.6 tok/s

Command R+ llega a un recuento de parámetros de 104B. Eso lo coloca por encima del hardware de consumo, en el rango donde se compra una tarjeta para este propósito en lugar de ser reutilizada para ello. El número de tarjetas que seguimos que pueden contenerlo: 43.

La tarjeta más pequeña que lo sostiene es Radeon Instinct MI200, con una capacidad de memoria de 64 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 12.8 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 32.6 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Command R+ fue publicado por Cohere,Cohere for AI, en el país registrado como Canada, durante April 2024. Sale de una organización categorizada como industry,Industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Language generation, Translation, Code autocompletion.

El hecho de que los pesos sean abiertos es lo que coloca esta página en la calculadora en lugar de solo en el catálogo: es un modelo que puedes sostener. En Hugging Face está publicado bajo la organización CohereForAI.

Qué tan rápido corre, y por qué

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 18.2 tokens por segundo. Excediendo velocidad de lectura directamente: 37 de ellos.

Cada peso participa en cada token aquí, por lo que el ancho de banda es la historia completa: el ranking a continuación es efectivamente un ranking de rendimiento de memoria.

Sin el diseño de atención en nuestro archivo, la columna de memoria es una aproximación. Es lo suficientemente cercana como para elegir hardware, y menos confiable en contexto largo.

Paso a paso

Cómo elegir una GPU para Command R+

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Verifica lo que necesita antes de cualquier otra cosa.

Empieza desde lo que realmente necesita, que es el requerimiento de Command R+, necesitando alrededor 57.6 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Ajusta el contexto a tu uso actual

Las conversaciones más largas consumen memoria además de lo que los pesos necesitan. Mueve el control deslizante a tu longitud de trabajo real antes de confiar en cualquier fila para Command R+.
03

Decide cuánto compresión aceptarás

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., alcanzando una compresión de IQ4_XS en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Clasifica por rendimiento en lugar de la hoja de especificaciones.

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Command R+. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 32.6 tok/s
05

Verifica el veredicto de ajuste antes de comprar

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Command R+. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Mira qué más ejecuta esa tarjeta

Seguir un GPU a su propia página muestra cada otro modelo que puede contener, que es la pregunta que sigue una vez que te has decidido por. Command R+.

Respuestas

Command R+ — preguntas comunes

Command R+— ¿Por qué difiere la cuantificación entre tarjetas?

Debido a que la capacidad varía, también varía cuán difícil tiene que ser exprimido. El número de niveles distintos en la tabla de arriba: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Command R+— ¿Qué tan precisas son estas estimaciones de velocidad?

Cada cifra se deriva del ancho de banda de VRAM y del tamaño del modelo, no está basado en benchmarks, por lo que cada una se publica como un rango en lugar de un solo número. Un ejemplo: 20–52 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

Command R+— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI200, con una capacidad de memoria de 64 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 57.6 GB, y produce aproximadamente 12.8 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 43.

Command R+— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 32.6 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 37.

Command R+— ¿Cuánta VRAM necesita?

Necesita aproximadamente 57.6 GB a una compresión de IQ4_XS, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

Command R+— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

Command R+— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 104B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

Command R+— ¿Quién lo creó?

Fue publicado por Cohere,Cohere for AI, basado en Canada, una organización categorizada como industry,Industry.

Command R+— ¿cuándo fue lanzado?

Se publicó en April 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

Command R+— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Language generation, Translation, Code autocompletion. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

Command R+— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización CohereForAI. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

Command R+— ¿Puedo ejecutarlo si no cabe en mi GPU?

Solo al descargar, lo cual suele ser una falsa economía: la parte mantenida en la memoria del sistema arrastra todo. El fallo más cercano que calculamos se queda corto por 20.4 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Command R+— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 43. Así que una segunda tarjeta rara vez es la respuesta aquí.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA