Czy wagi są otwarte i czy mogę uruchomić Trinity Large Thinking lokalnie?

Tak, wagi są otwarte i dostępne na Hugging Face pod arcee-ai/Trinity-Large-Thinking. Pamiętaj, że pełny model ma 398 miliardów parametrów, więc lokalna inferencja wymaga znacznego sprzętu.

Ile kosztuje Trinity Large Thinking i jak długie jest okno kontekstowe?

Przez API kosztuje 0,25 USD za milion tokenów wejściowych i 0,80 USD za milion tokenów wyjściowych, z oknem kontekstowym 262 144 tokenów.

Czym Trinity Large Thinking różni się od Trinity Large Preview?

Trinity Large Preview to lekko dostrojony model czatowy gotowy do instrukcji, bez śladów rozumowania; Thinking dodaje rozszerzone bloki łańcucha myślenia i agentowe uczenie ze wzmocnieniem, czyniąc go wariantem do użycia, gdy potrzebujesz jawnego rozumowania lub budujesz pipeline'y agentowe.

Trinity Large Thinking

6246°

#llm #arcee-ai #rozumowanie #agenci #kodowanie #długi kontekst

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Arcee AI | 262,144 token context | $0.25/M input, $0.80/M output. Trinity Large Thinking to potężny model rozumowania open source od zespołu Arcee AI. Wykazuje silną wydajność w PinchBench, zadaniach agentowych i rozumowaniu. Film startowy: https://youtu.be/Gc82AXLa0Rg?si=4RLn6WBz33qT--B7Opens in new tab Model jest zoptymalizowany pod kątem agentowych przepływów pracy i najlepiej działa, gdy rozumowanie jest zachowane (tzw. myślenie przeplatane). Dowiedz się, jak zachować rozumowanie w naszej dokumentacji: https://openrouter.ai/docs/guides/best-practices/reasoning-tokens#preserving-reasoningOpens in new tab

Poradniki do tego modelu

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Trinity Large Thinking to model zoptymalizowany pod kątem rozumowania od Arcee AI z rodziny Trinity Large — 398-miliardowy rzadki MoE z około 13 miliardami aktywnych parametrów na token, po treningu z rozszerzonym łańcuchem myślenia i agentowym uczeniem ze wzmocnieniem. Wagi są otwarte, a model jest stworzony do wieloetapowych przepływów pracy agentów, gdzie zachowanie śladów rozumowania w kontekście jest nie opcjonalne, lecz wymagane. Jeśli budujesz agentów lub pipeline'y wywołujące narzędzia, to jest wersja, po którą warto sięgnąć.

Znany z

Projekt nastawiony na agentów: stworzony do wywoływania narzędzi, planowania wieloetapowego i pętli agentowych
Wyraźne ślady rozumowania w blokach myślenia przed każdą odpowiedzią końcową
Silne wyniki w benchmarkach agentowych τ²-Bench i PinchBench
Działa od razu z frameworkami OpenClaw i Hermes Agent
Okno kontekstowe 262 144 tokenów z otwartymi wagami na Hugging Face

Uważaj na

Tokeny myślenia muszą pozostać w kontekście między turami; ich usunięcie zauważalnie pogarsza wydajność.
398 miliardów parametrów oznacza, że samodzielne hostowanie wymaga poważnego sprzętu — to nie model na laptopa.
Warunki licencji nie są szczegółowo opisane w karcie modelu; przed wdrożeniem komercyjnym sprawdź repozytorium na Hugging Face.

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Agent badawczy wieloetapowy

Masz dostęp do narzędzia wyszukiwania w sieci. Użytkownik chce poznać krajobraz konkurencyjny modeli rozumowania z otwartymi wagami wydanych w 2025 i 2026 roku. Zaplanuj kroki badań, wywołuj potrzebne narzędzia po kolei i przygotuj uporządkowane podsumowanie z podaniem źródeł. Pokaż swoje rozumowanie przed każdym wywołaniem narzędzia.

Trudna łamigłówka logiczna

Pięciu inżynierów — Ada, Bo, Cal, Dex i Eve — każdy preferuje inny język programowania: Python, Rust, Go, TypeScript i Haskell. Ada nie używa Rust ani Go. Bo używa języka, którego unika Cal. Cal unika Pythona. Dex używa Go. Eve nie używa Haskella. Ustal, kto używa którego języka, pokazując każdy krok dedukcji.

Pętla naprawy kodu agentowego

Oto funkcja w Pythonie, która ma zwracać top-k najczęściej występujących słów w ciągu, ale ma co najmniej dwa błędy. Przeanalizuj, na czym polega każdy błąd, popraw kod, a następnie napisz zestaw testów, które wykryłyby oba błędy. 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]

Porównaj z

GPT-6 Luna
Model tylko z API
Kontekst 1,050,000 tokenów · $0.10/M wejście, $0.50/M wyjście
Claude Opus 5.5
Model tylko z API
Kontekst 1,000,000 tokenów · $4.00/M wejście, $20.00/M wyjście
Muse Spark 1.3 Contributor
Model tylko z API
Kontekst 1,048,576 tokenów · $0.10/M wejście, $0.20/M wyjście
Gemini 3.8 Flash
Model tylko z API
Kontekst 1,048,576 tokenów · $0.83/M wejście, $4.12/M wyjście

Więcej modeli tekstowych od arcee-ai

Pytania, które ludzie zadają

Czy wagi są otwarte i czy mogę uruchomić Trinity Large Thinking lokalnie?: Tak, wagi są otwarte i dostępne na Hugging Face pod arcee-ai/Trinity-Large-Thinking. Pamiętaj, że pełny model ma 398 miliardów parametrów, więc lokalna inferencja wymaga znacznego sprzętu.
Ile kosztuje Trinity Large Thinking i jak długie jest okno kontekstowe?: Przez API kosztuje 0,25 USD za milion tokenów wejściowych i 0,80 USD za milion tokenów wyjściowych, z oknem kontekstowym 262 144 tokenów.
Czym Trinity Large Thinking różni się od Trinity Large Preview?: Trinity Large Preview to lekko dostrojony model czatowy gotowy do instrukcji, bez śladów rozumowania; Thinking dodaje rozszerzone bloki łańcucha myślenia i agentowe uczenie ze wzmocnieniem, czyniąc go wariantem do użycia, gdy potrzebujesz jawnego rozumowania lub budujesz pipeline'y agentowe.

Wyrok kapitana
Poważny, otwarty model agentowego rozumowania w niskiej cenie API — tylko nie usuwaj tokenów myślenia, bo marnujesz potencjał modelu.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Qwen3 VL 30B A3B Thinking

Modele AI do generowania obrazów, wideo i tekstu

Trinity Large Thinking to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm arcee-ai rozumowanie agenci kodowanie długi kontekst lokalny

Przeglądaj według rodziny modeli