¿Qué es Trinity-Large-Thinking?
Trinity-Large-Thinking es el modelo insignia de Arcee AI, publicado el 1 de abril de 2026 y todavía el más reciente de su familia Trinity Large. Es un modelo mixture-of-experts con unos 398.000 millones de parámetros, unos 13.000 millones activos por token, entrenado desde cero en EE. UU. y ampliado a un contexto de 512K tokens. Escribe una traza de razonamiento antes de cada respuesta, y Arcee lo creó para llamadas a herramientas y ejecuciones largas de agentes; el razonamiento debe quedarse en el historial de la conversación para que el uso multiturno y con agentes funcione.
Arcee lo preentrenó en 2.048 GPU NVIDIA B300 y lo postentrenó en 1.152 H100. Salió bajo Apache 2.0, y la ficha del modelo indica ahora la licencia permisiva OpenMDW-1.1. Arcee también publica los checkpoints Base y TrueBase. En Hugging Face tiene 190 me gusta y 3.171 descargas en los últimos 30 días.
En el lanzamiento estaba en la API de Arcee y en OpenRouter, con un precio de salida de 0,90 $ por millón de tokens en Arcee. A 7 de noviembre de 2026, la página de precios de Arcee ya no lo incluye y OpenRouter no muestra ningún endpoint activo, así que los pesos son la forma de usarlo. Arcee dice que su próxima generación Trinity está en entrenamiento.
¿Cuánto cuesta Trinity-Large-Thinking?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | OpenMDW-1.1 |
| Arcee API (at launch) | $0.90 per 1M output tokens | Ya no figura en la lista de precios de Arcee |
Pesos gratuitos bajo OpenMDW-1.1. Precio de API en el lanzamiento: 0,90 $ por 1M de tokens de salida en Arcee; ningún endpoint alojado a 7 de noviembre de 2026.
¿Merece la pena Trinity-Large-Thinking?
Trinity-Large-Thinking usa bien las herramientas y razona de forma corriente. La ficha de Arcee le da 94,7 en Tau2-Telecom, 88,0 en Tau2-Airline y 91,9 en PinchBench, cerca del 93,3 de Claude Opus 4.6 en PinchBench y por delante de GLM-5 y Kimi K2.5 en Airline. En pruebas generales queda por detrás de esos mismos rivales: 76,3 en GPQA-Diamond frente a 89,2 de Opus 4.6, 52,3 en IFBench frente a 72,3 de GLM-5 y 63,2 en SWE-bench Verified frente a 72,8.
Esas comparaciones tienen siete meses. Los modelos con los que se midió ya han sido sustituidos por GLM-5.3, Kimi K3 y DeepSeek-V4-Pro, y Nemotron 3 Ultra, un modelo abierto estadounidense más reciente, tiene mucho más soporte de alojamiento. Su verdadera distinción es la procedencia: un modelo grande preentrenado desde cero por una empresa estadounidense, con los checkpoints base también publicados.
La pega: en la práctica ya solo existe como pesos. La página de precios de Arcee incluye modelos GLM, DeepSeek y Kimi pero no Trinity, y OpenRouter no muestra ningún proveedor activo. Alojar unos 398.000 millones de parámetros en BF16 requiere un servidor con varias GPU, y quitar las trazas de razonamiento del historial rompe el uso multiturno.
Nuestra opinión: Trinity es una base de investigación y ajuste fino para equipos que quieren un modelo entrenado en EE. UU. que sea totalmente suyo. Como modelo de agentes alojado hoy, Nemotron 3 Ultra hace el mismo trabajo con proveedores detrás.
Dónde se gana su sitio
Un contratista del gobierno de EE. UU. con normas sobre la procedencia de los modelos
Ajustar un gran modelo abierto entrenado por una empresa estadounidense
Parte de Trinity-Large-Base o del checkpoint TrueBase de 10T tokens, ambos publicados, y postentrena con datos internos. La licencia OpenMDW-1.1 permite el uso comercial y la modificación.
Un equipo de ingeniería de atención al cliente
Ejecutar un agente autoalojado que llame de forma fiable a herramientas de cuentas y facturación
Sírvelo con vLLM usando el parser de razonamiento deepseek_r1 y el de herramientas qwen3_coder, manteniendo el razonamiento en el historial de mensajes. Su 88,0 en Tau2-Airline encaja con flujos de soporte de varios pasos.
Antes de decidirte
- Puesta en marcha
- Descárgalo de Hugging Face y sírvelo con vLLM en BF16, o usa las versiones FP8, W4A16, NVFP4 o GGUF que publica Arcee; chat.arcee.ai ofrece un chat web.
- Integraciones
- Endpoint compatible con OpenAI mediante vLLM; funciona con OpenClaw y Hermes Agent, según Arcee.
- Datos y privacidad
- Alojarlo tú mismo mantiene los datos en casa. La API de inferencia de Arcee no retiene datos por defecto, pero ya no incluye Trinity; su aplicación web guarda el historial de conversaciones.
- Coste a escala
- Sin precio por token actual. Alojarlo implica servir unos 398.000 millones de parámetros, un nodo con varias GPU incluso con versiones de 4 bits.
- Límites
- Contexto de 512K tokens tras la ampliación, desde un contexto de preentrenamiento de 8.192 tokens; las trazas de razonamiento deben quedarse en el historial para que los bucles de agente funcionen.
Lo bueno
- 94,7 en Tau2-Telecom y 91,9 en PinchBench, según Arcee
- Licencia permisiva OpenMDW-1.1; también se publican los checkpoints Base y TrueBase
- Preentrenado desde cero por una empresa estadounidense
- Solo unos 13B parámetros activos
Lo malo
- Ningún endpoint alojado en Arcee ni en OpenRouter a 7 de noviembre de 2026
- Por detrás de GLM-5 y Opus 4.6 en GPQA, IFBench y SWE-bench en la propia tabla de Arcee
- Las trazas de razonamiento deben mantenerse en el contexto
- Sin actualizaciones desde abril mientras los rivales avanzaban
Ideal para
Equipos que quieren un modelo de razonamiento abierto entrenado en EE. UU. para alojarlo o ajustarlo para agentes que llaman herramientas.
Alternativas a Trinity-Large-Thinking
Trinity-Large-Thinking: preguntas frecuentes
- ¿Merece la pena Trinity-Large-Thinking?
- Un modelo de razonamiento abierto estadounidense creíble para agentes que llaman herramientas, superado en la mayoría de las pruebas y ahora difícil de alquilar. Le damos un 3.4 sobre 5.
- ¿Cuánto cuesta Trinity-Large-Thinking?
- Pesos gratuitos bajo OpenMDW-1.1. Precio de API en el lanzamiento: 0,90 $ por 1M de tokens de salida en Arcee; ningún endpoint alojado a 7 de noviembre de 2026.
- ¿Qué inconvenientes tiene Trinity-Large-Thinking?
- Ningún endpoint alojado en Arcee ni en OpenRouter a 7 de noviembre de 2026; por detrás de GLM-5 y Opus 4.6 en GPQA, IFBench y SWE-bench en la propia tabla de Arcee; las trazas de razonamiento deben mantenerse en el contexto; sin actualizaciones desde abril mientras los rivales avanzaban.
- ¿Para quién es Trinity-Large-Thinking?
- Equipos que quieren un modelo de razonamiento abierto entrenado en EE. UU. para alojarlo o ajustarlo para agentes que llaman herramientas.
- ¿Cuánto cuesta Trinity-Large-Thinking para un equipo o en producción?
- Sin precio por token actual. Alojarlo implica servir unos 398.000 millones de parámetros, un nodo con varias GPU incluso con versiones de 4 bits.
- ¿Es Trinity-Large-Thinking seguro para los datos de la empresa?
- Alojarlo tú mismo mantiene los datos en casa. La API de inferencia de Arcee no retiene datos por defecto, pero ya no incluye Trinity; su aplicación web guarda el historial de conversaciones.
- ¿Cuáles son las mejores alternativas a Trinity-Large-Thinking?
- Las alternativas más cercanas que hemos analizado son Nemotron 3 Ultra, gpt-oss-120b, GLM-5.3 y DeepSeek-V4-Pro.
Respuestas comprobadas el 7 nov 2026.