Cohere104B~64 GB VRAM przy Q4_K_M

Command R+ (104B) — VRAM, szybkość i lokalna konfiguracja

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

Cohere's flagship model for complex enterprise RAG. Handles multi-hop retrieval, grounded citations, and complex tool orchestration. Outperforms GPT-4 Turbo on RAG benchmarks.

Command R+ (104B) potrzebuje około 64 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika94
Kreatywność87
Kod88

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.

Kwant.VRAMSzybkość (szac.)Dopasowanie
Q2_K
2.63 bpw
37.1 GB~3 tok/sCzęściowo w RAM
Q3_K_M
3.41 bpw
47.3 GB~2 tok/sCzęściowo w RAM
Q4_K_M
4.83 bpw
65.7 GB—Za duży
Q5_K_M
5.67 bpw
76.7 GB—Za duży
Q6_K
6.56 bpw
88.2 GB—Za duży
Q8_0
8.50 bpw
113.4 GB—Za duży
F16
16.00 bpw
210.9 GB—Za duży

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Command R+ (104B) →

Uruchom Command R+ (104B)

Najtańsze GPU z naszego katalogu, które uruchomi Command R+ (104B), to NVIDIA DGX Spark (128 GB).

Kup ten sprzęt NVIDIA DGX Spark (128GB) — 128 GB VRAM · 150 W board powerUruchom w chmurze NVIDIA A100 80GB w RunPod — od $1.39/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.77/godz. (typical low · varies)

Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
NVIDIA DGX Spark (128GB)
128 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Jak uruchomić Command R+ (104B)

Zainstaluj Ollama, a potem uruchom:

ollama run command-r-plus
Wagi na Hugging Face: CohereForAI/c4ai-command-r-plus ↗

Specyfikacja

Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.

Parametry
104 Billion
Okno kontekstu
128,000
Architektura
Dense
Dostawca
Cohere
Licencja
CC-BY-NC
Practical deployment
Workstation (large unified memory or pro GPU)
Określono przy
Q4_K_M
RAM systemowy
128 GB
Rekord zaktualizowany
2024-04-04
LicencjaCC-BY-NC-4.0Tylko badania / użycie niekomercyjne

Research / non-commercial only — this licence does NOT permit shipping a commercial product.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy doenterprise ragagentcomplex retrieval

Czy uruchomię Command R+ (104B) na moim GPU?

Inne rozmiary Command R Family

Command R+ (104B) — najczęściej zadawane pytania

How much VRAM does Command R+ (104B) need?

About 64 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.

Does Command R+ (104B) run on an RTX 4090 (24 GB)?

No. Command R+ (104B) needs about 64 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.

How do I run Command R+ (104B) locally?

Install Ollama and run `ollama run command-r-plus`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does Command R Family come in?

Command R (35B) (22 GB), Command R+ (104B) (64 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.