旧金山AI实验室Arcee本周发布了Trinity-Large-Thinking——一个3990亿参数的纯文本推理模型，采用完全开放的Apache 2.0许可。这是罕见的美国制造的大规模开源模型，允许从独立开发者到大型企业的任何人进行完全定制和商业使用。

30人团队的豪赌

Arcee是一家只有30人的精简团队，与OpenAI和谷歌数千名工程师和数十亿美元计算预算形成鲜明对比。CTO Lucas Atkins称之为”通过约束进行工程”。

公司在2024年获得Emergence Capital领投的2400万美元A轮后，总融资接近5000万美元。2026年初，团队做了一个大胆的决定：投入2000万美元——近一半总融资——进行一次为期33天的训练运行。

他们使用了2048块英伟达B300 Blackwell GPU集群，赌上公司未来，坚信开发者需要一个真正能拥有的前沿模型。

稀疏架构：400B参数，仅激活13B

Trinity-Large-Thinking采用了极端稀疏的注意力机制。虽然模型拥有4000亿总参数，但其混合专家架构意味着任何给定token只激活1.56%，即130亿参数。

这使模型既拥有大规模系统的深度知识，又保持小得多的推理速度和运营效率——在相同硬件上比同类快约2到3倍。

为防止少数专家成为”赢家”而其他成为未训练的”死重”，Arcee开发了SMEBU（软钳位动量专家偏置更新）机制，确保专家在通用网络语料库上均匀分布和专业路由。

从喋喋不休到深度推理

此次正式发布的关键转变是从标准”指令”模型转向”推理”模型。通过在生成响应前实现”思考”阶段，ArCEE解决了1月预览版的主要批评——早期用户指出它在复杂环境中处理多步指令时有时会吃力。

“Thinking”更新有效弥合了这一差距，实现了Arcee所称的”长视野代理”——能够在多轮工具调用中保持连贯性而不变得”邋遢”。

基准测试：与Claude Opus 4.6匹敌

在PinchBench（评估模型自主代理任务能力的关键指标）上，Trinity得分91.9，仅次于专有市场领导者Claude Opus 4.6（93.3）。

在IFBench上，Trinity的52.3分与Opus 4.6的53.1几乎持平，表明推理优先的”Thinking”更新成功解决了早期预览版的指令跟随障碍。

最引人注目的是成本对比：Trinity每百万输出token收费0.90美元，比Opus 4.6（每百万输出token 25美元）便宜约96%。

地缘政治：美国开放权重的机遇

Arcee的Apache 2.0承诺意义深远。2025年，阿里巴巴的Qwen和z.ai等中国研究实验室主导了高效MoE架构的开放权重市场。但进入2026年，这些实验室开始转向专有企业平台和专业订阅。

在美国，Meta的Llama部门在Llama 4于2025年4月遭遇混合反应后明显从前沿领域撤退。对于依赖Llama 3时代优势的开发者来说，当前缺乏400B+开放模型创造了紧迫的替代需求。

TrueBase：为监管行业提供透明审计

Arcee还发布了Trinity-Large-TrueBase，一个原始的10万亿token检查点。TrueBase提供了在应用指令调优和强化学习之前对基础智能的罕见”未触及”视角。

对于金融和国防等高度监管行业的研究人员，TrueBase允许从干净的基础开始进行真实审计和定制对齐。

开发者反响

开发者社区的反应总体积极。在OpenRouter上，Trinity-Large-Preview已确立为美国第一大使用开放模型，在2026年3月1日等高峰日服务超过806亿token。

Arcee的策略现在专注于将这些预训练和后训练经验回馈到较小模型。Trinity Large的大量工作将流入Mini和Nano模型，用前沿级推理的蒸馏刷新公司的紧凑产品线。

写在最后

当全球实验室转向专有锁定时，Arcee将Trinity定位为主权基础设施层——开发者终于可以控制和适应长视野代理工作流。

Hugging Face联合创始人兼CEO Clément Delangue在X上告诉VentureBeat：”美国的力量一直是其初创公司，所以也许我们应该指望它们领导开源AI。Arcee证明这是可能的！”