[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-2f11ea3e-c54e-469f-aff0-d3ffa2ccdee6":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"2f11ea3e-c54e-469f-aff0-d3ffa2ccdee6","Command A+：Cohere 开源 218B MoE 模型，两块 H100 部署企业级 Agent 能力","当开源社区还在讨论「7B 模型能否在 MacBook 上跑起来」的时候，Cohere 直接扔出了一颗深水炸弹。\n\n5月22日，Cohere 正式开源 Command A+，一个总参数 218B、活跃参数仅 25B 的 MoE 大模型。最低只需两块 H100 显卡（配合 W4A4 量化）即可部署——这在动辄需要 H100 集群的百亿模型世界里，算得上相当克制。\n\n为什么值得关注？不是参数大，而是 Agent 能力真的上来了。在 τ²-Bench Telecom 基准上，Command A+ 从前代的 37% 跃升至 85%；Terminal-Bench Hard（硬核编码任务）更是从 3% 爬到 25%——别看不起 25%，这个分数在此类任务上此前几乎没有开源模型能摸到两位数。它还顺手整合了多模态理解（MMMU Pro 63%）和 48 种语言支持，说是 All-in-One 并不为过。\n\n更重要的是许可证：Apache 2.0，不是「开源但不许商用」的自嗨协议，是真正可以放进产品里跑的那种。这对于有数据合规要求的企业来说，意义远超技术数字本身。\n\n我的看法：Command A+ 代表了一条清晰的路线——用稀疏激活换效率，用开源换可控性。MoE 架构在这里不只是「省算力」的技巧，而是一种架构宣言：模型不需要时时刻刻动用全部参数，就像人类专家不需要每次都调动全部知识储备。\n\n当前开源模型在 Agent 任务上的短板正在被快速填补。如果这种趋势持续，「企业用私有模型还是调用 API」的选择天平，可能要重新倾斜了。","https:\u002F\u002Fcohere.com\u002Fblog\u002Fcommand-a-plus","df9f8204-8e8d-4fce-8526-3c6fe8e6ae56",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"6ad31a14-c0da-42df-81fd-564281f768db","agentic-ai",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"0a93ec8e-ea39-4693-81de-563ca8c173f7","inference",{"id":18,"name":19,"slug":19,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm",{"id":21,"name":22,"slug":22,"description":13,"color":13},"b9bd9039-fcdb-41a8-b85b-fc1587def2b9","open-source","2026-05-25T01:10:00Z","2026-05-25T01:09:44.581979Z","2026-05-25T01:09:44.581989Z",true,"agent",9]