Apakah bobot terbuka dan bisa menjalankan Trinity Large Thinking secara lokal?

Ya, bobot terbuka dan tersedia di Hugging Face di arcee-ai/Trinity-Large-Thinking. Perlu diingat model penuh berukuran 398B parameter, jadi inferensi lokal butuh perangkat keras besar.

Berapa biaya Trinity Large Thinking dan seberapa besar konteksnya?

Lewat API harganya $0,25 per juta token input dan $0,80 per juta token output, dengan jendela konteks 262.144 token.

Apa perbedaan Trinity Large Thinking dengan Trinity Large Preview?

Trinity Large Preview adalah model chat-ready yang dilatih ulang ringan tanpa jejak penalaran; Thinking menambahkan blok chain-of-thought panjang dan RL agen pasca-latihan, menjadikannya varian yang dipakai saat Anda butuh penalaran eksplisit atau membangun pipeline agen.

Trinity Large Thinking

6246°

#llm #arcee-ai #penalaran #agen #pemrograman #konteks panjang

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Arcee AI | konteks 262.144 token | $0.25/M input, $0.80/M output. Trinity Large Thinking adalah model penalaran sumber terbuka yang kuat dari tim Arcee AI. Model ini menunjukkan performa kuat di PinchBench, beban kerja agen, dan tugas penalaran. Video peluncuran: https://youtu.be/Gc82AXLa0Rg?si=4RLn6WBz33qT--B7 (buka di tab baru) Model ini dioptimalkan untuk alur kerja agen dan bekerja terbaik saat penalaran dipertahankan (alias pemikiran berselang). Pelajari cara mempertahankan penalaran di dokumentasi kami: https://openrouter.ai/docs/guides/best-practices/reasoning-tokens#preserving-reasoning (buka di tab baru).

Panduan untuk model ini

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Trinity Large Thinking adalah model yang dioptimalkan untuk penalaran dari Arcee AI dalam keluarga Trinity Large — MoE sparse 398B dengan sekitar 13B parameter aktif per token, dilatih ulang dengan extended chain-of-thought dan reinforcement learning agen. Bobotnya terbuka dan dibuat khusus untuk alur kerja agen multi-langkah di mana pelacakan penalaran dalam konteks bukan opsional tapi wajib. Jika Anda membangun agen atau pipeline pemanggil alat, ini varian yang harus dipilih.

Dikenal untuk

Desain berorientasi agen: dibuat untuk pemanggilan alat, perencanaan multi-langkah, dan loop agen
Jejak penalaran eksplisit dalam blok pemikiran sebelum setiap respons akhir
Skor kuat pada benchmark agen τ²-Bench dan PinchBench
Langsung bisa digunakan dengan kerangka OpenClaw dan Hermes Agent
Jendela konteks 262.144 token dengan bobot terbuka di Hugging Face

Waspadai

Token pemikiran harus tetap ada dalam konteks antar giliran; jika dihapus performa menurun signifikan.
398B parameter total berarti self-hosting butuh perangkat keras serius — bukan model laptop.
Ketentuan lisensi tidak rinci di kartu model; periksa repo Hugging Face sebelum deploy komersial.

Terbaik untuk

Agen dan penggunaan alat

Penalaran

Pemrograman

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Agen riset multi-langkah

Anda memiliki akses ke alat pencarian web. Seorang pengguna ingin memahami lanskap kompetitif model penalaran bobot terbuka yang dirilis tahun 2025 dan 2026. Rencanakan langkah riset Anda, panggil alat yang dibutuhkan secara berurutan, dan buat ringkasan terstruktur dengan sumber. Tunjukkan penalaran sebelum setiap panggilan alat.

Teka-teki logika sulit

Lima insinyur — Ada, Bo, Cal, Dex, dan Eve — masing-masing memilih bahasa pemrograman berbeda: Python, Rust, Go, TypeScript, dan Haskell. Ada tidak menggunakan Rust atau Go. Bo menggunakan bahasa yang dihindari Cal. Cal menghindari Python. Dex menggunakan Go. Eve tidak menggunakan Haskell. Tentukan siapa menggunakan bahasa apa, tunjukkan setiap langkah deduksi.

Perbaikan kode agen berulang

Berikut fungsi Python yang seharusnya mengembalikan top-k kata paling sering dalam string, tapi ada setidaknya dua bug. Telusuri bug-nya, perbaiki kode, lalu tulis suite pengujian yang bisa menangkap kedua bug tersebut. def top_k_words(text, k): words = text.split(); counts = {}; [counts.update({w: counts[w]+1}) for w in words]; return sorted(counts, key=counts.get)[:k]

Bandingkan dengan

GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output
Claude Opus 5.5
Model hanya API
konteks 1,000,000 token · $4.00/M input, $20.00/M output
Muse Spark 1.3 Contributor
Model hanya API
konteks 1,048,576 token · $0.10/M input, $0.20/M output
Gemini 3.8 Flash
Model hanya API
konteks 1,048,576 token · $0.83/M input, $4.12/M output

Model teks lain dari arcee-ai

Pertanyaan yang sering diajukan

Apakah bobot terbuka dan bisa menjalankan Trinity Large Thinking secara lokal?: Ya, bobot terbuka dan tersedia di Hugging Face di arcee-ai/Trinity-Large-Thinking. Perlu diingat model penuh berukuran 398B parameter, jadi inferensi lokal butuh perangkat keras besar.
Berapa biaya Trinity Large Thinking dan seberapa besar konteksnya?: Lewat API harganya $0,25 per juta token input dan $0,80 per juta token output, dengan jendela konteks 262.144 token.
Apa perbedaan Trinity Large Thinking dengan Trinity Large Preview?: Trinity Large Preview adalah model chat-ready yang dilatih ulang ringan tanpa jejak penalaran; Thinking menambahkan blok chain-of-thought panjang dan RL agen pasca-latihan, menjadikannya varian yang dipakai saat Anda butuh penalaran eksplisit atau membangun pipeline agen.

Putusan Kapten
Penalar agen bobot terbuka serius dengan harga API rendah — jangan hapus token pemikiran atau Anda membuang model.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #98 Hottest Text / LLM text model

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

o3 Mini High

TEXT / LLM

DeepSeek V4 Flash Latest

TEXT / LLM

Qwen3 235B A22B Instruct 2507

TEXT / LLM

GPT 5 Nano

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Trinity Large Thinking adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm arcee-ai penalaran agen pemrograman konteks panjang lokal

Jelajahi berdasarkan Keluarga Model