Arcee AI 是一家只有 26 人的小公司，但他們剛做了一件讓業界許多人吃驚的事：花了公司大約一半的風險投資，2000 萬美元，用 2048 塊 Nvidia B300 GPU 跑了 33 天，訓練出一個 400 億參數的開源推理模型——Trinity-Large-Thinking。
模型的 Agent 任務表現相當不錯：在 Tau2-Airline 基準上拿下第一（88 分），在 PinchBench 上拿下第二（91.9 分，Anthropic 的 Claude Opus 4.6 是 93.3 分），AIME25 數學推理跑出 96.3 分。全程採用 Apache 2.0 開源協議，可商用、可下載、可修改。
不是大力出奇蹟，而是 MoE 架構用到極致
Trinity-Large-Thinking 是一個混合專家模型（MoE），總參數 400 億，但每次推理只激活約 13 億——用了 256 個專家，每次只選 4 個激活。這意味著它擁有大模型的「知識儲量」，但推理速度和資源佔用接近小模型。
訓練數據是 17 兆 tokens，其中超過 8 兆是合成生成的。這個比例在現在的高品質開源模型裡已經很常見了。
更技術層面的亮點是他們自行研發的 SMEBU（Soft-clamped Momentum Expert Bias Updates）演算法，專門解決大規模 MoE 訓練中的「專家崩潰」問題。整個 17 兆 token 的訓練過程「零損失尖峰」——對大模型訓練來說這很難得，很多 MoE 訓練到中途會出現突然的 loss 爆炸。
哪裡強，哪裡有差距
老實說，Trinity-Large-Thinking 不是全面超越 Claude Opus，而是在特定場景打出了成績。
| 基準 | Trinity-Large-Thinking | Claude Opus 4.6 |
|---|---|---|
| Tau2-Airline | 88（第一） | 未公開 |
| PinchBench | 91.9（第二） | 93.3 |
| AIME25 | 96.3 | — |
| GPQA-Diamond | 76.3 | 89.2 |
| MMLU-Pro | 83.4 | 89.1 |
Agent 任務能接近頂尖水準，通用推理還有約 13 個百分點的差距。但考慮到這是開源且可本地部署的模型，這個差距已經很小了。
另外他們還同步發布了 Trinity-Large-TrueBase——保留了指令微調之前的純預訓練狀態的「原始檢查點」版本。這種版本對做 AI 基礎研究的人很有價值，可以研究 RLHF 和指令微調對模型行為的具體影響。
更大的背景：美國開源 AI 缺席太久了
過去一年，開源大模型榜單基本上是中國公司的主場：DeepSeek、Qwen、Kimi、GLM，每隔幾個月都有新東西衝上來。美國這邊一直是 Llama 一家獨撐，但 Meta 最近把部分新模型閉源，開源社群對此頗有微詞。Arcee 這次填的就是這個空缺。
CEO Mark McQuade 說這個模型的目標用戶是企業：可以本地部署、可以客製化、不用把資料發送給雲端服務商。對有資料合規要求的金融、醫療、政府機構來說，「可以跑在自己伺服器上」這個特性，有時候比 benchmark 分數更實用。
26 個人，2000 萬美元，33 天，400 億參數。
小公司做大事這件事，在 AI 圈還沒死。
參考來源：Arcee AI spent half its venture capital to build an open reasoning model that rivals Claude Opus in agent tasks（The Decoder）；Tiny startup Arcee AI built a 400B-parameter open source LLM from scratch to best Meta's Llama（TechCrunch）；CocoLoop、Arcee aims to reboot U.S. open source AI with new Trinity models released under Apache 2.0（VentureBeat）