Command A Vision vs Gemma 3n
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
CohereのCommand A VisionとGoogleのGemma 3nは、注目度の高い主要AIモデルです。Command A Visionは128K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$2.50/出力$10.00、一方のGemma 3nは32K トークンのコンテキストで入力$0.00/出力$0.00です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Command A Vision
ネイティブ・マルチモーダルAICohere の Command A Vision は、テキストと画像のネイティブ・マルチモーダル理解および図表・ドキュメント解析向けに設計されたAIモデルです。128K のコンテキストウィンドウ、毎秒 65 トークンの生成速度、知能指数 53/100（1Mトークンあたり入力$2.5・出力$10）を実現しています。
$2.50 / 1M
$10.00 / 1M
128K tokens
45%
Gemma 3n
音声・スピーチAIモデルGoogle の Gemma 3n は、自然な音声合成（TTS）、リアルタイム音声対話、高精度な文字起こし向けに設計されたAIモデルです。32K のコンテキストウィンドウ、毎秒 150 トークンの生成速度、知能指数 52/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
32K tokens
N/A
ひと目でわかる主な違い
- Gemma 3n is 1.0x cheaper for API usage (input + output tokens combined).
- Command A Vision has a larger context window (128K vs 32K tokens).
- Gemma 3n is faster at 150 tok/s vs 65 tok/s.
| Feature | Command A Vision | Gemma 3n |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 53 | 52 |
Provider | Cohere | |
Input Price Cost per million input tokens | $2.50 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $10.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $2.02 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 128K tokens~192 A4 pages of text | 32K tokens~48 A4 pages of text |
Max Output Tokens Per single request | 16K | 4K |
Throughput Speed Tokens generated per second | 65 tok/s | 150 tok/s |
SWE-bench Verified Real-world software engineering | 45% | N/A |
GPQA Diamond Graduate-level reasoning | 62.5% | N/A |
Cached Input Price Prompt caching discount per 1M tokens | $0.75 / 1M | $0.00 / 1M |
分野別勝者スコアカード
At-a-glance decision frameworkEvaluations ongoing
検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Command A Vision · Strengths & Key Advantages
- 128K のコンテキストウィンドウと最大 16K トークンの出力容量（SWE-bench Verified 45% · GPQA Diamond 62.5%）
- 毎秒 65 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 550ms の低遅延
- オープンウェイトモデル (Confidential (~110B+))として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 大量のトークンを処理する本番環境では、プロンプトキャッシュや Batch API の併用によるコスト最適化が推奨されます
Gemma 3n · Strengths & Key Advantages
- 32K のコンテキストウィンドウと最大 4K トークンの出力容量（MMLU-Pro 64% · Arena Elo 1220）
- 毎秒 150 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 220ms の低遅延
- オープンウェイトモデル (2B / 5B)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Command A Vision | Gemma 3n |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.80 | $0.00 |
Output Tokens / Task Tokens generated per task | 38K | 3K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Command A Vision | Gemma 3n |
|---|---|---|
| Official API Model ID (SDK) | command-a-vision | models/gemma-3n |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | Google Gemini API (generateContent) + OpenAI-Compatible SDK |
| Release Date | 2025-07 | 2025-06 |
| Knowledge Cutoff | May 2025 | March 2025 |
| Architecture | Enterprise Multimodal Agent Transformer | Edge-optimized multimodal transformer with audio support |
| Parameters | Confidential (~110B+) | 2B / 5B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($2.5/1M in) across full 128K window | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Cached input at $0.75/1M tokens | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | Supported (Screen coordinate grounding, browser & desktop GUI action loops) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Built-in Google Search Grounding + Managed Python Code Execution Sandbox |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 68 GB VRAM (4-bit Quantized) · 237 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Google DeepMind Frontier Safety Framework Verified |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text, vision, audio |
| Output Modalities | text | text |
Command A Vision vs Gemma 3n: よくある質問 (FAQ)
Which is more intelligent, Command A Vision or Gemma 3n?
Command A Vision is more intelligent. It scores 53 compared with 52 on the composite Intelligence Index.
Which model is faster?
Gemma 3n is faster, generating 150 tokens per second compared with 65 tokens per second.
Which model is cheaper to run?
Gemma 3n is cheaper at $0.00 per 1M tokens blended, compared with $2.02 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Gemma 3n has lower latency, with a time to first token of 0.22s compared with 0.55s.
Which model has a larger context window?
Command A Vision has a larger context window, supporting 128K tokens compared with 32K tokens.
総合評価
Command A Vision（テキストと画像のネイティブ・マルチモーダル理解および図表・ドキュメント解析、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とGemma 3n（自然な音声合成（TTS）、リアルタイム音声対話、高精度な文字起こし、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではCommand A Visionがリードし、応答速度とスループットではGemma 3nが優れ、APIコスト効率ではGemma 3nが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Command A Vision と Gemma 3n のどちらが適していますか？+
総合知能指数およびコーディング評価では Command A Vision が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Command A Vision と Gemma 3n ではどちらのAPI料金が安いですか？+
Command A Vision は100万トークンあたり入力$2.50 / 出力$10.00、Gemma 3n は入力$0.00 / 出力$0.00です。総合的なコスト効率では Gemma 3n がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Command A Vision が 128K トークン、Gemma 3n が 32K トークン です。出力スピード（トークン/秒）では Gemma 3n がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Command A Translate vs Command A Vision：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Command A Vision vs Command A：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Gemma 3n vs Gemma 3：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-Mini vs Laguna XS 2.1：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: CohereおよびGoogle公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。