Arcee Trinity Large calculadora TPS
Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..
Calculado para este modelo
818 tarjetas que tenemos especificaciones para
Tarjeta más pequeña que cabe
Radeon Instinct MI325X
256 GB · IQ4_XS · 12.2 tok/s
Tarjeta más rápida
B300
19.7 tok/s · 288 GB
¿Qué GPU pueden ejecutar? Arcee Trinity Large?
Establecer las entradas, leer la respuesta
Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..
Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..
4 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
19.7
tok/s
12–31 · baja confianza |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 241.5 GB | Q4_K_M | Ajustado |
|
15.7
tok/s
9–25 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 241.5 GB | Q4_K_M | Ajustado |
|
15.7
tok/s
9–25 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 241.5 GB | Q4_K_M | Ajustado |
|
12.2
tok/s
7–20 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 218.3 GB | IQ4_XS | Ajustado |
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Prime Intellect,Arcee AI
- Tipo de Organización
- Industry,Industry
- País
- United States of America
- Publicado
- 19 February 2026
- Autores
- Varun Singh, Lucas Krauss, Sami Jaghouar, Matej Sirovatka, Charles Goddard, Fares Obied, Jack Min Ong, Jannik Straube, Fern, Aria Harley, Conner Stewart, Colin Kealty, Maziyar Panahi, Simon Kirsten, Anushka Deshpande, Anneketh Vij, Arthur Bresnu, Pranav Veldurthi, Raghav Ravishankar, Hardik Bishnoi, DatologyAI Team, Arcee AI Team, Prime Intellect Team, Mark McQuade, Johannes Hagemann, Lucas Atkins
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 398B
- Datos de entrenamiento
- tokens
"We present the technical report for Arcee Trinity Large, a sparse Mixture-of-Experts model with 400B total parameters and 13B activated per token"
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 1.3 × 10²⁴ FLOP
13e9 active parameters * 17e12 tokens * 6 = 1.326e24 FLOPs estimated
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA B300 (Blackwell Ultra)
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (restricted use)
- Hugging Face
- arcee-ai
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Arcee Trinity Large Technical Report
- Última actualización
- 8 April 2026
Los extremos
Las diez GPUs más rápidas que ejecutan Arcee Trinity Large
Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..
Las GPUs más pequeñas que aún funcionan Arcee Trinity Large
La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..
- 01 Radeon Instinct MI325X 256 GB · Necesita 218.3 GB · IQ4_XS · Ajustado 12.2 tok/s
- 02 B300 288 GB · Necesita 241.5 GB · Q4_K_M · Ajustado 19.7 tok/s
- 03 Radeon Instinct MI350X 288 GB · Necesita 241.5 GB · Q4_K_M · Ajustado 15.7 tok/s
- 04 Radeon Instinct MI355X 288 GB · Necesita 241.5 GB · Q4_K_M · Ajustado 15.7 tok/s
Qué significan los números
El lado de hardware
Mínima tarjeta
Radeon Instinct MI325X
Memoria necesaria
218.3 GB
Más rápido
19.7 tok/s
Arcee Trinity Large llega a un recuento de parámetros de 398B. Eso está más allá de lo que cualquier tarjeta gráfica única puede soportar. Ejecutarlo significa dividirlo entre varias tarjetas o alquilar hardware construido para el trabajo, y cada tarjeta capaz de soportarlo sola es una parte de datacenter. El número que puede: 4.
En el extremo bajo, se maneja por Radeon Instinct MI325X, con una capacidad de memoria de 256 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 12.2 tokens por segundo
El resultado más rápido proviene de B300, generando aproximadamente 19.7 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.
De dónde vino
Arcee Trinity Large fue publicado por Prime Intellect,Arcee AI, en el país registrado como United States of America, durante February 2026. La categoría en la que se encuentra el editor es industry,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
El hecho de que los pesos sean abiertos es lo que coloca esta página en la calculadora en lugar de solo en el catálogo: es un modelo que puedes sostener. En Hugging Face está publicado bajo la organización arcee-ai.
Entendiendo las velocidades
La mitad de las tarjetas que lo sostienen gestionan más de 15.7 tokens por segundo. Excediendo velocidad de lectura directamente: 4 de ellos.
Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.
La memoria aquí se estima a partir del tamaño en lugar de calcularse a partir de la arquitectura, que no se registra para este modelo — los números son indicativos en lugar de exactos.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.3 × 10²⁴ FLOP, en hardware registrado como NVIDIA B300 (Blackwell Ultra). Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Paso a paso
Cómo elegir una GPU para Arcee Trinity Large
La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..
-
01
Verifica lo que necesita antes de cualquier otra cosa.
Empieza desde lo que realmente necesita, que es el requerimiento de Arcee Trinity Large, necesitando alrededor 218.3 GB a una compresión de IQ4_XS. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
-
02
Decide cuánto duran tus conversaciones.
Las conversaciones más largas consumen memoria además de lo que los pesos necesitan. Mueve el control deslizante a tu longitud de trabajo real antes de confiar en cualquier fila para Arcee Trinity Large.
-
03
Elige cuán lejos lo comprimirás.
La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., alcanzando una compresión de IQ4_XS en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
-
04
Compara tokens por segundo, no especificaciones
El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Arcee Trinity Large. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B300, en 19.7 tok/s
-
05
Verifica el veredicto de ajuste antes de comprar
La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Arcee Trinity Large. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
-
06
Mira qué más ejecuta esa tarjeta
Cada nombre de tarjeta enlaza a su propia página, que ejecuta el mismo cálculo en todo el catálogo del modelo. Una tarjeta generalmente se compra para más de un modelo, por lo que vale la pena echar un vistazo antes de comprar para Arcee Trinity Large.
Respuestas
Arcee Trinity Large — preguntas comunes
Arcee Trinity Large— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI325X, con una capacidad de memoria de 256 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 218.3 GB, y produce aproximadamente 12.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 4.
Arcee Trinity Large— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es B300, a aproximadamente 19.7 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 4.
Arcee Trinity Large— ¿Cuánta VRAM necesita?
Necesita aproximadamente 218.3 GB a una compresión de IQ4_XS, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.
Arcee Trinity Large— ¿Es de código abierto?
Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.
Arcee Trinity Large— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 398B. "We present the technical report for Arcee Trinity Large, a sparse Mixture-of-Experts model with 400B total parameters and 13B activated per token". Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Arcee Trinity Large— ¿Quién lo creó?
Fue publicado por Prime Intellect,Arcee AI, basado en United States of America, una organización categorizada como industry,Industry.
Arcee Trinity Large— ¿cuándo fue lanzado?
Se publicó en February 2026.
Arcee Trinity Large— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Arcee Trinity Large— ¿Dónde puedo descargarlo?
Sus pesos están publicados en Hugging Face, bajo la organización arcee-ai. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.
Arcee Trinity Large— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.3 × 10²⁴ FLOP, en hardware registrado como NVIDIA B300 (Blackwell Ultra). Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
Arcee Trinity Large— ¿Puedo ejecutarlo si no cabe en mi GPU?
Se puede dividir entre la tarjeta y la memoria del sistema, pero se genera muy lentamente de esa manera. El fallo más cercano que calculamos se queda corto por 68.7 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
Arcee Trinity Large— ¿Correrían dos GPUS más rápido?
La capacidad se suma entre las tarjetas; el rendimiento no. El número de tarjetas que ya lo tienen por sí solas: 4. Así que una segunda tarjeta rara vez es la respuesta aquí.
Arcee Trinity Large— ¿Por qué difiere la cuantificación entre tarjetas?
Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 2. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.
Arcee Trinity Large— ¿Qué tan precisas son estas estimaciones de velocidad?
Cada cifra se deriva del ancho de banda de VRAM y del tamaño del modelo, no está basado en benchmarks, por lo que cada una se publica como un rango en lugar de un solo número. Un ejemplo: 12–31 tok/s en B300. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.