Trinity Large Thinking, le modèle de Arcee AI en chiffres

Présentation

Arcee AI a publié Trinity Large Thinking le 1 avril 2026. Il dispose d'un mode raisonnement : il peut « réfléchir » avant de répondre, ce qui aide sur les problèmes en plusieurs étapes mais consomme plus de tokens, donc plus d'argent. C'est un modèle à poids ouverts : il peut être installé chez vous, sur un serveur maîtrisé, en plus d'être proposé par 6 fournisseurs d'API recensés sur models.dev. Il a donc 6 mois au 22 octobre 2026.

Nous le rangeons parmi les modèles à poids ouverts (68 modèles dans cette catégorie sur le site).

Performances mesurées

Au 22 octobre 2026, Epoch AI ne publie pas de score pour Trinity Large Thinking sur les tests de notre panier. Pour le situer, il faut donc s'appuyer sur ses caractéristiques et son prix, puis le tester sur vos propres cas.

Prix et budget

Trinity Large Thinking est facturé 0,25 $US par million de tokens en entrée et 0,80 $US en sortie (médiane de 6 hébergeurs, relevé du 22 octobre 2026).

Concrètement, une tâche d'agent qui lit 20 000 tokens et en écrit 2 000 revient à environ 0,007 $US, soit 6,6 $US pour 1 000 tâches de ce type.

C'est 1,3 fois moins cher que le prix de sortie médian des modèles à poids ouverts (1 $US).

Pour estimer votre propre budget, utilisez le calculateur de coût d'un agent.

Contexte et capacités

Sa fenêtre de contexte atteint 262 144 tokens, soit environ 393 pages de texte à 500 mots par page : assez pour un long rapport ou plusieurs contrats d'un coup. Une réponse peut compter jusqu'à 80 000 tokens.

Il accepte en entrée : texte.

Il sait appeler des outils (fonctions, API), ce qui en fait une base possible pour un agent IA.

Les poids sont publiés sur Hugging Face (arcee-ai/Trinity-Large-Thinking). Voir aussi notre sélection de modèles open source.

Pour quels usages ?

Par sa catégorie, Trinity Large Thinking vise d'abord les projets où vous voulez garder la main sur vos données ou sur l'hébergement, ou adapter le modèle à votre domaine.

Avant de l'adopter, testez-le sur vos propres exemples : les benchmarks mesurent des tâches standard, pas votre métier.

Par quoi le remplacer ?

Dans la même catégorie, les modèles les plus proches de Trinity Large Thinking sont :

• Llama-3.3-70B-Instruct (Meta, 0,76 $US par million de tokens en sortie)
• MiMo-V2.6-Pro (Xiaomi (MiMo), 0,87 $US par million de tokens en sortie)
• MiMo-V2.5-Pro (Xiaomi (MiMo), 0,87 $US par million de tokens en sortie)
• DeepSeek V4 Flash Vision Exp (DeepSeek, 0,65 $US par million de tokens en sortie)