// Cohere Command / Aya · 文本大模型
North-Mini-Code-1.0 本地部署与显存需求
总 30B · 激活 3B（MoE） 参数。4 位量化约 21.0 GB，BF16 约 67.0 GB（1 个 8K token 请求）。
发布 2026-06-05许可：可商用显存为估算值
01规格
| 发布方 | Cohere · CohereLabs |
|---|---|
| 系列 | Cohere Command / Aya · North-Mini-Code-1.0 |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 30B · 激活 3B（MoE） 来源：官方模型卡“Model Size: 30B total; 3B active” |
| 上下文长度 | 488K tokens (500,000)取自 config.json 的 max_position_embeddings |
| 结构 | 49 层（13 层全注意力） · 36 层滑动窗口（4096） · GQA · MoE |
| 发布权重 | BF16 · 61.0 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2026-06-05 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 60.0 GB | 67.0 GB | 67.7 GB | 70.3 GB | H100 80GB | Mac 128GB |
| FP8 / INT8 / Q8_0 | 31.9 GB | 36.1 GB | 36.7 GB | 39.4 GB | 2 × RTX 5090（64GB） | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 18.2 GB | 21.0 GB | 21.7 GB | 24.3 GB | RTX 4090 24GB | Mac 36GB |
每个请求的 KV 缓存：8K 0.5 GB · 32K 1.2 GB · 128K 3.8 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
- Ollama — Ollama 官方模型库收录 · north-mini-code-1.0
ollama run north-mini-code-1.004官方仓库与量化版
CohereLabs 官方发布的 3 个仓库。
05Cohere Command / Aya 其他模型
全部 14 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| North-Micro-Vision-Instruct | 2.48B | 2.7 GB | 2026-08-10 |
| command-a-plus-05-2026-bf16 | 218B / 25B | 147 GB | 2026-05-11 |
| tiny-aya-base | 3.35B | 2.7 GB | 2026-02-13 |
| tiny-aya-global | 3.35B | 2.7 GB | 2026-02-13 |
| command-a-reasoning-08-2025 | 111.1B | 74.6 GB | 2025-08-12 |
| command-a-vision-07-2025 | 111.9B | 75.1 GB | 2025-07-28 |
| c4ai-command-a-03-2025 | 111.1B | 74.6 GB | 2025-03-11 |
| aya-vision-8b | 8.63B | 6.3 GB | 2025-03-02 |
06来源
数据核对于 2026-06-15。参数、上下文、许可取自官方仓库；显存为本站估算。