SprachmodellAktiv

Trinity Large Thinking

Arcee AI

Veröffentlicht: 1. April 2026
Datenstand: 8. September 2026

Geschwindigkeit: 319,5 Token/s
Ausgabe-Tempo
Preis: 0,25 $ · 0,8 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text
Ausgabe: Text

Trinity Large Thinking macht seine Reasoning-Spur als sichtbare Denkblöcke zugänglich. Dahinter stehen 398 Milliarden Gesamtparameter, 13 Milliarden aktive Parameter, vier von 256 geroutete Experten pro Token und sechs dichte Anfangsschichten.

Arcees Modellkarte nennt 524.288 Token nach einer Erweiterung, während die aktuelle ausführbare Konfiguration den Wert max_position_embeddings auf 262.144 setzt und keine entsprechende RoPE-Skalierung ausweist. OpenMDW-1.1 erlaubt die Nutzung und Anpassung der Gewichte.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle
Zugang	API, LokalQuelle
Parameter	398 Mrd.Quelle
Aktive Parameter	13 Mrd.Quelle
Kontextfenster	262.144 TokenQuelle
Lizenz	OpenMDW-1.1Quelle
Architektur	sparse MoE AfmoeForCausalLM, 256 experts plus one shared, four active experts, six dense layersQuelle
Pretraining-Kontext	8.192 TokenQuelle
Beworbenes Kontextfenster	524.288 Token (Vendor-advertised context length after extension. The exact current config.json separately declares max_position_embeddings=262144 with rope_scaling=null.)Quelle
Trainings-Token	17TQuelle
Eingabe	TextQuelle
Ausgabe	TextQuelle
Reasoning-Modus	reasoning-optimized; explicit <think>...</think> tracesQuelle
Werkzeugaufrufe	JaQuelle
Kontext in der Modellkonfiguration	262.144 Token (Executable config value; distinct from the card's advertised 512K context after extension.)Quelle

Veröffentlichte Benchmarks

CorpFin v2

Overall

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.MiniMax M368,1 %

10.Grok 4.567,41 %

11.Claude Sonnet 566,98 %

12.Kimi K2.666,74 %

13.Claude Opus 4.866,71 %

14.Gemini 3 Flash Preview66,43 %

15.Grok 4.666,16 %

16.GLM-5.266,12 %

17.Claude Opus 4.766,08 %

18.Qwen 3.8 Max 090265,85 %

19.Nemotron 3 Ultra65,46 %

20.Claude Sonnet 4.665,31 %

20.GPT-5.6 Terra65,31 %

22.GPT-5.465,27 %

23.Gemini 3.5 Flash64,69 %

24.Gemini 3.1 Pro Preview64,49 %

25.GLM-5.164,45 %

26.GPT-5.6 Sol64,38 %

27.GPT-5.6 Luna64,22 %

28.Qwen 3.7 Max63,71 %

29.Grok 4.20 Reasoning63,68 %

30.Gemini 3.6 Flash63,33 %

31.GPT-4.163,05 %

32.GLM-562,9 %

33.Qwen 3.6 27B62,32 %

34.Ling 3.0 Flash61,93 %

35.MiMo-V2.5-Pro61,42 %

36.DeepSeek-V4-Pro61,38 %

37.Claude Opus 4.561,31 %

38.GPT-5.4 nano61,19 %

38.MiniMax M2.761,19 %

40.GPT-561,07 %

41.Mistral Large 361,03 %

42.GLM-4.560,96 %

43.GPT-5.4 mini60,92 %

44.Claude Sonnet 4.560,8 %

44.Gemini 2.5 Pro60,8 %

46.Gemini 3.5 Flash-Lite60,68 %

47.Kimi K2 Thinking60,57 %

48.Claude Haiku 4.560,3 %

49.GPT-5 mini60,18 %

50.MiMo-V2.559,91 %

51.o359,71 %

52.MiniMax M2.559,6 %

53.Gemini 3.1 Flash-Lite59,36 %

54.o4-mini58,97 %

55.MiniMax M2.158,9 %

56.Mistral Medium 3.558,78 %

57.GPT OSS 120B58,24 %

58.GPT-4.1 mini57,93 %

59.GLM-4.656,84 %

60.DeepSeek-V3 032454,74 %

61.Trinity Large Thinking54,66 %

62.Nemotron 3.5 Lightning54,24 %

63.DeepSeek-R154,12 %

64.GPT OSS 20B53,15 %

65.DeepSeek-V352,49 %

66.DeepSeek-V3.151,48 %

67.Kimi K2 071150,39 %

68.DeepSeek-V3.247,94 %

69.Llama 4 Scout46,78 %

70.GLM-4.746,39 %

71.Command A45,96 %

72.GPT-4o mini45,46 %

73.o3-mini45,3 %

74.Mistral Small 3.144,17 %

75.GPT-4.1 nano42,08 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 75
Methodik und Einordnung: Kennung des Quellmodells: arcee-ai/trinity-large-thinking. Name des Quellmodells: Trinity Large Thinking. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 12.482. Kosten je Aufgabe in USD: 0.01939. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Terminal-Bench 2.0

Overall

1.GPT-5.573,2 %

2.Claude Opus 4.870,04 %

3.Claude Opus 4.768,54 %

4.Gemini 3.1 Pro Preview67,42 %

4.Gemini 3.5 Flash67,42 %

6.GPT-5.3-Codex64,05 %

7.Claude Sonnet 4.659,55 %

8.Qwen 3.7 Max59,18 %

9.Claude Opus 4.558,43 %

9.GPT-5.458,43 %

11.Kimi K2.657,3 %

12.DeepSeek-V4-Pro56,18 %

13.GLM-5.153,93 %

14.Gemini 3 Flash Preview51,69 %

15.GLM-549,44 %

16.MiniMax M2.747,19 %

17.MiniMax M346,07 %

18.GPT-5.4 mini44,94 %

18.Qwen 3.6 27B44,94 %

20.Grok 4.343,45 %

21.MiniMax M2.541,57 %

22.Grok 4.20 Reasoning40,45 %

22.Kimi K2.540,45 %

24.GPT-5.4 nano39,89 %

25.Gemma 4 31B39,33 %

26.GLM-4.738,2 %

27.GPT-537,08 %

27.Kimi K2 Thinking37,08 %

27.MiniMax M2.137,08 %

30.DeepSeek-V3.234,83 %

31.Gemini 2.5 Pro30,34 %

31.Mistral Medium 3.530,34 %

33.GLM-4.628,09 %

34.GPT-5 mini26,97 %

35.Kimi K2 071125,84 %

36.Gemini 3.1 Flash-Lite24,72 %

37.DeepSeek-V3.122,47 %

38.GPT OSS 120B19,1 %

39.Trinity Large Thinking17,98 %

40.Mistral Small 416,85 %

41.GPT-4.114,61 %

42.Mistral Large 38,99 %

43.Command A2,25 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 43
Methodik und Einordnung: Kennung des Quellmodells: arcee-ai/trinity-large-thinking. Name des Quellmodells: Trinity Large Thinking. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 1015.224. Kosten je Aufgabe in USD: 0.325546. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-29-020c4135b825. Prüfsumme der Quelldaten: 020c4135b82502d8cc0324b9b7d9474024a86da8f4770c78743bd13103cdfa0c. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

CaseLaw v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 57.878
Bewertung: 57.878
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-case-law-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: arcee-ai/trinity-large-thinking. Name des Quellmodells: Trinity Large Thinking. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-05-04. Latenz in Sekunden: 14.554. Kosten je Aufgabe in USD: 0.008867. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-case_law_v2-2026-09-29-cd282b756eb4. Prüfsumme der Quelldaten: cd282b756eb41a617c01694c5ed3b3d1872a9f417d8aac675370f4943c6c7c63. Parserversion: vals-astro-v2. Importiert am: 2026-09-29
Einordnung: Der Benchmark ist im Quelldatensatz als archiviert markiert. Der Wert bleibt als historische Evidenz sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.

Quelle Vals AI

IFBench (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 52.3
Bewertung: 52.3
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

GPQA-Diamond (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 76.3
Bewertung: 76.3
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

Tau2-Airline (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 88
Bewertung: 88
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

Tau2-Telecom (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 94.7
Bewertung: 94.7
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

PinchBench (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 91.9
Bewertung: 91.9
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

AIME25 (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 96.3
Bewertung: 96.3
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

BCFLv4 (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 70.1
Bewertung: 70.1
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.
Einordnung: Benchmark name is spelled BCFLv4 in the exact card; retained verbatim.

Quelle Arcee Trinity-Large-Thinking model card

MMLU-Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.4
Bewertung: 83.4
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

SWE-bench Verified (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 63.2
Bewertung: 63.2
Messgröße: percent
Einheit: %
Kategorie: mixed
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Arcee Trinity-Large-Thinking model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Vendor comparison table; all models evaluated in mini-swe-agent-v2 where stated; exact row settings otherwise follow the card.

Quelle Arcee Trinity-Large-Thinking model card

Dokumentierte Messdetails

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 54.662
Bewertung: 54.662
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: arcee-ai/trinity-large-thinking. Name des Quellmodells: Trinity Large Thinking. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 12.482. Kosten je Aufgabe in USD: 0.01939. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Terminal-Bench 2.0: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 17.978
Bewertung: 17.978
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2.0
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: arcee-ai/trinity-large-thinking. Name des Quellmodells: Trinity Large Thinking. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 1015.224. Kosten je Aufgabe in USD: 0.325546. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-29-020c4135b825. Prüfsumme der Quelldaten: 020c4135b82502d8cc0324b9b7d9474024a86da8f4770c78743bd13103cdfa0c. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Seite 1 von 2

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Median der bereitstellenden Anbieter. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Arcee AI Trinity Large Thinking model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Arcee AI Trinity Large Thinking model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	knowledge-cutoff Originalwortlaut The exact Trinity-Large-Thinking card does not publish a knowledge cutoff.
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Modellmetadaten (abgerufen 8. September 2026) · Trinity Large Thinking executable configuration · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0

Trinity Large Thinking

Technische Daten und Zugang

Veröffentlichte Benchmarks

CorpFin v2

Terminal-Bench 2.0

Messungen ohne passende Vergleichswerte

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Quellen und Datenstand