Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
fragen-fundeohne Datum · Q004904

Cohere's Command A+ Model

docs.cohere.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Cohere beschreibt Command A+ als mehrsprachiges Text- und Bildmodell für agentische Aufgaben, das auf einer sparsamen Expertenarchitektur beruht und in bestimmten Hardwarekonfigurationen bereitgestellt werden kann. Die behaupteten Leistungsverbesserungen sind im Bericht nicht durch Vergleichsdaten belegt; auch die Nutzung von Eingaben hängt laut Text davon ab, ob das Modell kundenseitig oder Cohere-gehostet betrieben wird.

Mittel

Der Bericht beschreibt Cohere’s Command A+ als sparsames Mixture-of-Experts-Modell mit 218 Milliarden Parametern insgesamt und 25 Milliarden aktiven Parametern. Es nimmt Text und Bilder auf, gibt Text aus und unterstützt laut Cohere 48 Sprachen. Als Einsatzfelder nennt das Unternehmen komplexe agentische, multimodale und mehrsprachige Aufgaben. Cohere behauptet, Command A+ sei das schnellste und leistungsfähigste Modell der Command-A-Familie und verbessere Schlussfolgern, Bildverarbeitung und agentische Fähigkeiten; konkrete Vergleichsdaten oder unabhängige Nachweise enthält der Bericht nicht.

Das Modell trägt die Kennung „command-a-plus-05-2026“ und wurde laut Text am 20. Mai 2026 veröffentlicht. Test- und Produktionszugänge seien bis zum Erreichen der Ratenlimits kostenlos. Für den Betrieb nennt Cohere Model Vault sowie eine Apache-2.0-Option auf Hugging Face. Als Hardware werden eine B200- oder zwei H100-GPUs bei W4A4 angegeben.

Das Training kombinierte selbstüberwachtes Vortraining mit überwachtem Fine-Tuning und Reinforcement Learning. Die Datenquellen umfassten öffentliche, unternehmenseigene, synthetische und von spezialisierten Anbietern bezogene Text- und Bilddaten. Cohere sagt, Kundeneingaben in eigener Umgebung würden üblicherweise weder eingesehen noch fürs Training genutzt; bei gehosteten Diensten könne de-identifizierte Nutzung unter bestimmten Bedingungen stattfinden. Details zu Ratenlimits und Leistungsbelege fehlen im vorliegenden Text.

Ausführlich lesen

Der Bericht stellt Cohere’s Command A+ als multimodales Modell für agentische Aufgaben vor. Laut Cohere ist es das erste Mixture-of-Experts-Modell des Unternehmens. Es kann Text und Bilder als Eingaben verarbeiten und erzeugt Text. Die Architektur ist als sparsames Expertenmodell beschrieben; die Gesamtgröße beträgt 218 Milliarden Parameter, davon sind laut Bericht 25 Milliarden aktiv. Cohere nennt Unterstützung für 48 Sprachen, darunter alle offiziellen Sprachen der Europäischen Union.

Als Einsatzgebiete hebt Cohere komplexe agentische Aufgaben mit Bild- und Texteingaben, mehrsprachige Anwendungen sowie ein Verhältnis aus Genauigkeit und Recheneffizienz hervor. Das Modell könne eigenständig Aktionen ausführen und mit seiner Umgebung interagieren. Cohere bezeichnet Command A+ als das mit Abstand schnellste und leistungsfähigste Modell der Command-A-Familie und behauptet Verbesserungen bei Schlussfolgern, Bildverarbeitung und agentischen Aufgaben. Der Bericht legt dafür jedoch keine Messwerte oder unabhängigen Vergleichsergebnisse vor. Für Einzelheiten zu Tokenbudgets und zur steuerbaren „thinking“-Funktion verweist Cohere auf einen separaten Leitfaden.

Als Modellkennung nennt der Bericht „command-a-plus-05-2026“ und als Veröffentlichungsdatum den 20. Mai 2026. Der Zugang über Test- und Produktionsschlüssel sei kostenlos, bis die jeweiligen Ratenlimits erreicht sind; deren konkrete Höhe wird hier nicht angegeben. Eine Nutzung in der Produktion ist laut Bericht über Cohere Model Vault möglich. Für Cohere-Bereitstellungen gelten die Bedingungen der jeweiligen Plattform und Kundenvereinbarungen, einschließlich der Cohere-Nutzungsrichtlinie.

Für eine quelloffene Bereitstellung wird eine Apache-2.0-Lizenz auf Hugging Face genannt. Als erforderliche Hardware führt der Bericht eine B200-GPU bei W4A4 oder zwei H100-GPUs bei W4A4 an. Installations- und Integrationshinweise werden auf externe Anleitungen verwiesen.

Zur Entwicklung heißt es, das Vortraining habe selbstüberwachtes Lernen mit großen Mengen ungelabelter Daten genutzt. Beim Nachtraining seien gelabelte Datensätze, überwachtes Fine-Tuning und Reinforcement Learning eingesetzt worden. Die Daten umfassten Text und Bilder aus öffentlichen Quellen, Cohere-eigenen oder erzeugten Datensätzen, menschlich annotierten oder automatisiert erstellten Daten einschließlich synthetischer Daten sowie Materialien spezialisierter Anbieter. Cohere beschreibt außerdem Deduplizierung und Filter für schädliche Inhalte und Datenqualität.

Zur Datennutzung schränkt der Bericht ein, dass Cohere bei Kunden, die Modelle in eigener Umgebung betreiben, in der Regel keinen Zugriff auf deren Eingaben habe und diese nicht fürs Training verwende. Bei Cohere-gehosteter Nutzung könnten de-identifizierte Daten unter bestimmten Umständen verwendet werden, sofern Nutzereinstellungen und geltende Bedingungen dies erlauben. Insgesamt gibt der Text Cohere’s Produktbeschreibung und Selbstaussagen wieder; unabhängige Leistungsnachweise und genauere Ratenlimits enthält er nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide von Luna gelieferten Zusammenfassungen wurden geprüft; die Angaben zu Parametern, Sprachen, Veröffentlichungsdatum, Hardware und Trainingsmethoden stimmen mit dem Bericht überein. Die Stufen und Anteile aus Lunas Einordnung wurden nicht übernommen, die Bewertungen beruhen allein auf dem Berichtstext. Der Bericht ist eine Selbstdarstellung des Anbieters, deshalb sind seine Leistungsaussagen nicht unabhängig belegt.

Im Bericht, aber nicht in der Zusammenfassung

  • Reasoning-Funktion mit Token-Budget und Ein-/Ausschalten des thinking-Modus (Verweis auf den Reasoning-Leitfaden)
  • Liste der Fähigkeiten wie Safety Modes, Citations, Tool Use und Structured Outputs
  • Datenaufbereitung: Deduplizierung sowie Filterung toxischer Inhalte und Qualitätsfilterung
  • Verweis auf die EU-AI-Act-Zusammenfassung der Trainingsinhalte (Artikel 53(1)(d))
  • Hinweis auf Nutzungsrichtlinie und vertragliche Beschränkungen für Cohere-Deployments

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 68 %gleiches Oberthema, hilft nicht
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 46 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 80 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 32 %Hintergrund, keine Belege
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 76 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 71 %gleiches Oberthema, hilft nicht
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 57 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 27 %Hintergrund, keine Belege
    • d3-ultra 41 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 34 %einzelne zitierbare Belege
    • JEV 44 %nur am Rande erwähnt
    • amos 34 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 21 %nur am Rande erwähnt
    • Luna 55 %einzelne zitierbare Belege
    • JEV 62 %einzelne zitierbare Belege
    • amos 37 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 25 %nur am Rande erwähnt
    • d3-ultra 43 %einzelne zitierbare Belege
    • Haiku-Prüfung Hintergrund, keine Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 18 %Hintergrund, keine Belege
    • Luna 60 %umfangreiche Belege
    • JEV 47 %beantwortet teilweise oder widerspricht
    • amos 46 %einzelne zitierbare Belege
    • SubQ 52 %einzelne zitierbare Belege
    • drex 43 %einzelne zitierbare Belege
    • d3-ultra 44 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 70 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 65 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 74 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →