Trinity Large Thinking
Noch nicht getestet
SprachmodellAktiv
Trinity Large Thinking
Arcee AI
- Veröffentlicht
- 1. April 2026
- Datenstand
- 8. September 2026
- Intelligenz
- Gesamtwertung
- Geschwindigkeit
- 319,5 Token/sAusgabe-Tempo
- Preis
- Eingabe · Ausgabe / 1 Mio. Token
- Eingabe
- Text
- Ausgabe
- Text
Für dieses Modell liegt keine veröffentlichte, kategorieweit vergleichbare Gesamtwertung vor.
Einträge 1-12 von 19. Seite 1 von 2.
Veröffentlichte Benchmarks
Die Charts vergleichen Modelle im selben dokumentierten Test. Das aktuelle Modell ist hervorgehoben.
CorpFin v2
Overall
Mehr ist besser50 ModelleTrinity Large Thinking: Platz 43 von 50Datenstand: 4. September 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- vals-corp-fin-v2:2:overall
- Messgröße
- accuracy
- Skala
- 0-100
- Teilnehmer
- 50
- 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_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04
Terminal-Bench 2.0
Overall
Mehr ist besser24 ModelleTrinity Large Thinking: Platz 23 von 24Datenstand: 4. September 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- vals-terminal-bench-2:2.0:overall
- Messgröße
- accuracy
- Skala
- 0-100
- Teilnehmer
- 24
- 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-2-2026-09-04-12d4c34f346d. Prüfsumme der Quelldaten: 12d4c34f346dae49eab98600ff4962559491e99c55a589a5f988b82342903659. Parserversion: vals-astro-v2. Importiert am: 2026-09-04
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
- 2026-09-04
- 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_v2-2026-09-04-4e6c3c195dfb. Prüfsumme der Quelldaten: 4e6c3c195dfb3be9c003687ced5c27ccfe375f6137c4145a318f033617209537. Parserversion: vals-astro-v2. Importiert am: 2026-09-04
- Einordnung
- Der Benchmark ist im Quelldatensatz als archiviert markiert. Der Wert bleibt als historische Evidenz sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.
IFBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 52.3
- Bewertung
- 52.3
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:0
- 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.
GPQA-Diamond (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 76.3
- Bewertung
- 76.3
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:1
- 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.
Tau2-Airline (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 88
- Bewertung
- 88
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:2
- 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.
Tau2-Telecom (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 94.7
- Bewertung
- 94.7
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:3
- 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.
PinchBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 91.9
- Bewertung
- 91.9
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:4
- 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.
AIME25 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 96.3
- Bewertung
- 96.3
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:5
- 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.
BCFLv4 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 70.1
- Bewertung
- 70.1
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:6
- 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.
MMLU-Pro (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.4
- Bewertung
- 83.4
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:7
- 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.
SWE-bench Verified (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 63.2
- Bewertung
- 63.2
- Messgröße
- percent
- Einheit
- %
- Kategorie
- mixed
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:trinity-large-thinking:8
- 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.
Dokumentierte Messdetails
Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.
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
- 2026-09-04
- 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_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04
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
- 2026-09-04
- 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-2-2026-09-04-12d4c34f346d. Prüfsumme der Quelldaten: 12d4c34f346dae49eab98600ff4962559491e99c55a589a5f988b82342903659. Parserversion: vals-astro-v2. Importiert am: 2026-09-04
Eigene Modelltests
Community-Tests zum Anschauen
Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Prompt und Testbedingungen
Generate an SVG of a pelican riding a bicycle
Tokenlimit inklusive Reasoning: 8.192 Token
Ursprung der Aufgabe (Simon Willison)Steckbrief
Technische Daten und Zugang
Veröffentlichte Angaben zum Modell. Vorhandene Schätzungen sind ausdrücklich gekennzeichnet.
Weitere Quellenangaben
Datierte Angaben aus Dokumentation und Modellkarten. Anbieterlimits sowie native und erweiterte Kontextfenster können sich unterscheiden. Konfigurationshinweise bleiben im Original erhalten.
- Lizenz
- OpenMDW-1.1Quelle
- Parameter
- 398 Mrd.Quelle
- Aktive Parameter
- 13 Mrd.Quelle
- 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
Kosten
Veröffentlichte Preise
Die Preise gelten für die jeweils genannte Einheit. Auflösung, Ausgabelänge und Anbieter können die Kosten verändern.
Kostenbeispiel
100 API-Anfragen
0,0645 $
100 Anfragen mit je 1.000 Eingabe- und 500 Ausgabe-Token kosten rechnerisch 0,0645 $. Davon entfallen 0,022 $ auf Eingaben und 0,0425 $ auf Ausgaben.
- Eingabe-Preis
- 0,22 $ / 1 Mio. TokenBasisstufe je Anfrage
- Ausgabe-Preis
- 0,85 $ / 1 Mio. TokenBasisstufe je Anfrage
Die Rechnung nutzt die dokumentierten Tokenpreise und keinen Cache-Rabatt. Zusätzliche Tools, Steuern, Reasoning-Token und weitere nicht sichtbare Ausgabe-Token sind nicht enthalten.
Quelle öffnenDirekte Vergleiche
Dieses Modell im Vergleich
Jedes Duell vergleicht dieses Modell mit genau einem weiteren Modell aus derselben Kategorie.
Für dieses Modell sind noch keine direkten Vergleiche veröffentlicht.
Nachweise
Quellen und Datenstand
Alle Angaben verweisen auf die zugrunde liegende Dokumentation oder das jeweilige Leaderboard.
- Geschwindigkeit
Median der bereitstellenden Anbieter. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Abgerufen am 8. September 2026.
- Preis
API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten.
- Eingabe
Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
- Ausgabe
Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Offene Nachweise und Recherchehinweise (Originalwortlaut)
In den geprüften Quellen nicht gefunden
knowledge-cutoff. The exact Trinity-Large-Thinking card does not publish a knowledge cutoff.
- Modellmetadaten (abgerufen 8. September 2026)Quelle
- API-PreiseQuelle
- Vals AI (abgerufen 4. September 2026)Quelle
- Vals AI (abgerufen 4. September 2026)Quelle
- Vals AI (abgerufen 4. September 2026)Quelle
- Artificial Analysis (abgerufen 8. September 2026)Quelle
- Modellmetadaten (abgerufen 8. September 2026)Quelle
- Messmethode der GeschwindigkeitQuelle