arcee-ai/Trinity-Large-Thinking

🤖 Trinity-Large-Thinking 400B : открытая модель показывает уровень Claude Opus-4.6 на агентных задачах и стоит в 28 раз дешевле Компания Arcee AI выложила в открытый доступ Trinity-Large-Thinking — модель с рассуждениями для сложных агентных задач. На комплексном бенчмарке для ИИ-агентов, PinchBench, она занимает второе место среди всех моделей, уступая только Claude Opus-4.6, при этом стоит в 28 раз дешевле. Попробовать модель можно в OpenRouter или в режиме чат-бота . Trinity-Large-Thinking построена на архитектуре Sparse Mixture-of-Experts. Коэффициент разреженности 1.56% — один из самых высоких среди публично известных MoE-моделей: из 400 млрд параметров на каждый токен активируется только 13 млрд. Чем выше разреженность, тем меньше вычислений требуется на один прогон — модель получает ёмкость гигантской сети, но тратит ресурсы как небольшая. Модель обучалась на контексте 256k токенов, но на тесте MK-NIAH при длине 512k набрала 0.976 из 1.0. Это значит, что на реальных задачах она уверенно работает с контекстом вдвое длиннее того, на котором обучалась. Trinity-Large-Thinking занимает второе место на бенчмарке с реальными агентными задачами PinchBench: 91.9 против 93.3 у Opus-4.6. Лидирует среди всех моделей на τ²-bench Airline (88.0) — бенчмарке, симулирующем задачи агента колл-центра. Бенчмарки с кодом и научными рассуждениями - слабое место модели. Цена инференса через API Arcee — $0.90 за миллион выходных токенов. Для сравнения, Claude Opus-4.6 стоит $25, то есть Trinity стоит в 28 раз дешевле. Модель и веса доступны на Hugging Face под лицензией Apache 2.0 - любой разработчик или компания может скачать, дообучить, квантизировать и развернуть модель на своей инфраструктуре без каких-либо ограничений. #Stateoftheart