Transformer 作者开源 2180 亿参数大模型，Apache 2.0 协议随便商用

2017 年那篇改变世界的《Attention Is All You Need》论文，有个共同作者当时才 20 岁——Aidan Gomez。现在他联合创立的 Cohere 干了件大事：把旗舰模型 Command A+ 用 Apache 2.0 协议开源了。

这意味着什么？从独立开发者到世界 500 强，随便用、随便改、随便拿去赚钱，不用给 Cohere 交一分钱。

此前 Cohere 的模型只用 CC-BY-NC 4.0 协议，商用要付费。这次 Command A+ 直接 Apache 2.0，是 Cohere 第一次对旗舰模型彻底开源。

2180 亿参数，只要 250 亿激活

Command A+ 用了 MoE（混合专家）架构，总参数 2180 亿，但每次推理只激活 250 亿参数。这是 Cohere Command A 家族的收官之作。

部署门槛低得离谱：一张 NVIDIA B200 或者两张 H100 就能跑。这对很多企业来说，意味着不用搭 GPU 集群也能用上千亿级模型。

量化方案也很激进：提供 BF16、FP8、W4A4（4-bit 权重 + 4-bit 激活）三个版本。关键是只把 MoE 专家压到 4-bit，注意力通路保留全精度，再加上量化感知蒸馏技术，官方说量化接近无损。

原生引用，解决企业最大痛点

Command A+ 有个很实用的能力：原生引用（Native Citation）。输出时会把每条事实声明直接关联到引用的具体文档或数据库记录，不是事后打标签，是生成时就把出处嵌进去了。

这对金融、医疗、法律这些强监管行业来说，是解决幻觉风险的一大利器。合规审计时可以直接追溯每句话的来源，不用再猜模型是哪里掏出来的结论。

多模态也跟上了：支持文本加图像混合输入，能处理扫描发票、图表、技术手册这类图文混合内容。这是 Cohere 第一个多模态推理模型。

性能表现

• ²-Bench Telecom（复杂推理）：Command A+ 得分 85%，前代只有 37%
• Terminal-Bench Hard（智能体编码）：25%，前代只有 3%
• AIME 25（数学测试）：90%，前代 57%

VentureBeat 的评测认为，Command A+ 以 250 亿激活参数的体量，纯推理和数学能力可以媲美参数大得多的模型，但深度智能体编码和综合智能广度还是落后于 DeepSeek 这些国内头部开源模型。

为什么 Apache 2.0 这么重要

之前 Cohere 的 Command R、Command R+ 用 CC-BY-NC 4.0，只能非商用，企业要商用得买授权。这次换成 Apache 2.0，企业可以把模型权重下载下来，用内部数据微调，部署到私有服务器甚至气隙网络里，完全不依赖 Cohere 的 API 服务。

这个决策主要是 Cohere 联合创始人 Nick Frost 推动的。他是 Geoffrey Hinton 的得意门生，之前在谷歌大脑多伦多实验室，一直关注模型可解释性和落地能力。这次彻底开源，很明显是冲着企业私有化部署市场去的。

Cohere 最近还宣布和德国 AI 公司 Aleph Alpha 合并，双方都聚焦政府和大企业的私有化部署需求，不做什么面向大众的 C 端聊天机器人。这条赛道在国内也有不少玩家在跑，但像 Command A+ 这样参数规模加 Apache 2.0 协议的还不多见。

开源大模型竞争上半场比的是参数规模，下半场比的是企业落地能力。Command A+ 这次把部署门槛、推理成本、数据隐私、供应商绑定这几个企业最痛的点，一次性给了答案。

两年前，IBM发现在体育合作伙伴阵营中有一个明显的缺口——一级方程式赛车（F1）。如今F1已经是全球最受欢迎的运动之一，特别是在美国，Netflix的纪录片《极速求生》把车手们的日常生活搬上了屏幕，让他们变成了主流名人。

这项以技术为核心的运动，也成了AWS、甲骨文、Anthropic等科技公司的热门合作领域。这些公司和车队合作，既为了赞助曝光，也为车队提供数据分析、AI工具，帮他们在竞争中多抢零点几秒。

为什么是Ferrari？

IBM体育与娱乐合作副总裁Kameryn Stanhouse在接受TechCrunch采访时表示：”他们是历史上获胜次数最多的车队。”

这次合作的核心，和其他车队与科技巨头合作的原因一样：获得更先进的技术解决方案，尤其是能帮他们充分利用人工智能的技术。Stanhouse说，体育的最大优势之一是有大量数据可用，这些数据可以用来帮人们熟悉AI。

“他们实际上看到了AI如何为他们服务，”她谈到了AI在体育内容叙事中的应用。

数据变故事：每秒百万个数据点

IBM与Ferrari的合作围绕”叙事”这个核心展开，通过升级Ferrari粉丝应用的底层技术，提升粉丝参与度。为此，Ferrari专门设立了一个新职位——”粉丝发展负责人”，聘请了Stefano Pallard担任。

他表示，车队想要解决的挑战不仅是触达粉丝，更是”让每一位粉丝都感觉到我们了解他们”。赛车在比赛期间每秒会处理数百万个数据点，捕捉车手和赛车的每一个动作。把这些数据转化为粉丝可以参与的内容，正是先进企业AI帮助企业更好地与消费者互动的方式之一。

在F1的11支车队中，Ferrari是为数不多拥有独立粉丝应用运营策略的车队（其他还有迈凯伦、威廉姆斯等），而不是依靠社交媒体或F1官方平台。这也显示出这项运动正慢慢开始利用自己不断增长的全球粉丝群体。

新应用有什么不同？

这次Ferrari应用的更新有一些简单的改变，比如增加了意大利语版本。虽然Ferrari是意大利公司，很多粉丝都是意大利人，但在与IBM合作之前，其粉丝应用并不支持意大利语。

Stanhouse表示，旧的Ferrari粉丝应用只是人们查找比赛详情后就离开的地方。而新应用包含了：

• 粉丝可以在应用内与其他人互动的游戏
• AI撰写的比赛摘要
• 更多关于车队和车手的幕后故事
• 预测功能
• 一个供粉丝提问的AI助手

“车手只有两位，但你知道换一次轮胎需要24个人在2秒内同时工作吗？”Stanhouse补充道，叙事可以帮粉丝拉近与车队的距离。

粉丝画像变了：75%是新女性粉丝

应用开发者还考虑到了Ferrari粉丝群体比五年前更加多样化的情况。F1去年发布的统计数据显示，75%的新粉丝是女性，其中很多是Z世代。

女性粉丝的一个特别关注点是F1学院（F1 Academy），这是一个全女性赛车系列赛，旨在培养下一代女性车手。但这些新粉丝和老粉丝一样，都在追求一件事——更多内容。

“她们要求更多数据、更多洞察、更多功能，我们必须能够满足这些需求，”Pallard说。

Stanhouse表示，与IBM开发的其他体育应用不同，Ferrari应用的核心重点是叙事，因为车队希望粉丝全年都能保持参与，而不是像大师赛这类赛事那样一年仅参与几周。她表示，自IBM参与以来，应用参与度数据呈上升趋势，例如比赛周末的参与度提升了62%。

Pallard表示，车队随后会使用AI分析应用中的参与信号，比如用户喜欢阅读哪些内容、粉丝发送消息的情绪倾向。

“这有助于我们了解哪些内容最能引起Ferrari粉丝（Tifosi，Ferrari粉丝的昵称）的共鸣，并直接指导我们如何塑造叙事、如何交付内容，”他说。

车队希望进一步深入个性化领域，打造更具沉浸感的粉丝体验。与IBM合作的未来五年愿景是，让每一位粉丝都感觉这个体验是为他们量身打造的，无论他们已经追随我们30年，还是才接触30天。

“这才是建立持久忠诚度的关键。”