员工不到一百人的美国AI初创Arcee，扔出一颗重磅炸弹：开源推理模型Trinity-Large-Thinking在Agent场景基准中紧咬Anthropic旗舰Opus 4.6，定价却只有后者的4%。
Agent双基准：紧贴Opus，一项夺魁
在衡量模型Agent工作流实战能力的PinchBench上，Trinity-Large-Thinking拿下91.9分，而Opus 4.6为93.3，差距仅1.4%。另一项模拟真实客服的Tau2-Airline基准中，它更以88.0分超越所有对比模型。这意味着多轮对话与工具调用场景下，开源模型已具备顶尖水准。
定价更显激进：API输出费用为$0.90/百万token，官方称比Opus 4.6便宜约96%。对于需长期运行Agent、大量消耗token的应用，成本优势可能比分数差距更具颠覆性。
400B总参数，���理只烧13B算力
实现这一性价比的关键在架构。Trinity-Large-Thinking采用稀疏MoE设计，内置256个专家模块，每次处理token仅激活其中4个。400B参数的庞然大物，实际推理时只需13B算力，执行效率约为同量级密集模型的2-3倍。
相比1月底发布的Preview版，最大升级是加入了推理思考链。Thinking版本会在回答前先“想一下”，显著提升多轮工具调用的稳定性和长上下文连贯性。Arcee直白表示：这个模型专为长期Agent循环不崩溃而设计。
基础模型训练耗时33天、耗资2000万美元；Thinking版本的后训练又打磨了9个月。
Arcee CEO Lucas Atkins在发布文中写道：“Getting here took difficult technical work, hard calls…Nobody did that. They kept pushing.”
通用推理非强项，瞄准中国开源阵营
专精Agent也意味着取舍。通用推理基准上，Trinity-Large-Thinking表现平平：GPQA-D得分76.3，而Kimi K2.5为86.9、Opus 4.6达89.2；MMLU-Pro的83.4在对比中垫底。
但Arcee不打算硬拼这一方向。官方称Trinity-Large-Thinking是“许多维度上中国以外最强的开源模型”，明确对手不是Opus或GPT，而是DeepSeek、Kimi等中国开源阵��。
模型已同步上架OpenRouter，前5天在OpenClaw中免费使用。前代Preview自1月底上线以来，在OpenRouter上累计处理超过3.37万亿token，在OpenClaw统计中为美国使用量第一、全球第四的开源模型。对于小初创，这一采用率验证了“便宜好用”的市场需求。
模型权重以Apache 2.0授权在Hugging Face公开，任何人可下载、修改、商用部署。