Arcee Trinity Large calcolatore TPS
Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..
Calcolato per questo modello
818 schede per cui abbiamo specifiche
Scheda più piccola che si adatta
Radeon Instinct MI325X
256 GB · IQ4_XS · 12.2 tok/s
Scheda più veloce
B300
19.7 tok/s · 288 GB
Quali GPU possono eseguire Arcee Trinity Large?
Imposta gli input, leggi la risposta
Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..
Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..
4 schede corrispondono
Calcolo| Ha bisogno | Quantizzazione | Adatto | |||||
|---|---|---|---|---|---|---|---|
|
19.7
tok/s
12–31 · bassa fiducia |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 241.5 GB | Q4_K_M | Stretto |
|
15.7
tok/s
9–25 · bassa fiducia |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 241.5 GB | Q4_K_M | Stretto |
|
15.7
tok/s
9–25 · bassa fiducia |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 241.5 GB | Q4_K_M | Stretto |
|
12.2
tok/s
7–20 · bassa fiducia |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 218.3 GB | IQ4_XS | Stretto |
Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Prime Intellect,Arcee AI
- Tipo di organizzazione
- Industry,Industry
- Paese
- United States of America
- Pubblicato
- 19 February 2026
- Autori
- 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
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 398B
- Dati di addestramento
- 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"
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1.3 × 10²⁴ FLOP
13e9 active parameters * 17e12 tokens * 6 = 1.326e24 FLOPs estimated
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA B300 (Blackwell Ultra)
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (restricted use)
- Hugging Face
- arcee-ai
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Arcee Trinity Large Technical Report
- Ultimo aggiornamento
- 8 April 2026
Gli estremi
Le dieci GPU più veloci che eseguono Arcee Trinity Large
Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..
Le GPU più piccole che ancora funzionano Arcee Trinity Large
Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..
- 01 Radeon Instinct MI325X 256 GB · Ha bisogno 218.3 GB · IQ4_XS · Stretto 12.2 tok/s
- 02 B300 288 GB · Ha bisogno 241.5 GB · Q4_K_M · Stretto 19.7 tok/s
- 03 Radeon Instinct MI350X 288 GB · Ha bisogno 241.5 GB · Q4_K_M · Stretto 15.7 tok/s
- 04 Radeon Instinct MI355X 288 GB · Ha bisogno 241.5 GB · Q4_K_M · Stretto 15.7 tok/s
Cosa significano i numeri
Il lato hardware
Scheda minima
Radeon Instinct MI325X
Memoria necessaria
218.3 GB
Più veloce
19.7 tok/s
Arcee Trinity Large raggiunge un conteggio di parametri di 398B. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 4.
A basso prezzo è gestito da Radeon Instinct MI325X, con una capacità di memoria di 256 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 12.2 token al secondo
Il risultato più rapido proviene da B300, generando approssimativamente 19.7 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.
Da dove è venuto
Arcee Trinity Large è stato pubblicato da Prime Intellect,Arcee AI, nel paese registrato come United States of America, durante February 2026. La categoria sotto cui rientra l'editore è industry,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.
I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere. Su Hugging Face è pubblicato sotto l'organizzazione arcee-ai.
Comprendere le velocità
Meta delle schede che lo supportano gestiscono più di 15.7 token al secondo. Superare la velocità di lettura in modo diretto: 4 di loro
È un modello denso, quindi ogni parametro viene letto per ogni token prodotto. Questo rende la pista di velocità la larghezza di banda della memoria quasi esattamente — una CARD con il doppio della larghezza di banda genera approssimativamente il doppio della velocità.
La memoria qui è stimata dalla dimensione piuttosto che calcolata dall'architettura, che non è registrata per questo modello — i numeri sono indicativi piuttosto che esatti.
Cosa è stato necessario per costruirlo
Il training ha richiesto un budget di calcolo di circa 1.3 × 10²⁴ FLOP, su hardware registrato come NVIDIA B300 (Blackwell Ultra). Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Passo dopo passo
Come scegliere una GPU per Arcee Trinity Large
La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..
-
01
Controlla cosa serve prima di ogni altra cosa
Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di Arcee Trinity Large, avere bisogno di circa 218.3 GB a una compressione di IQ4_XS. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
-
02
Decidi quanto a lungo durano le tue conversazioni
Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per Arcee Trinity Large.
-
03
Scegli quanto lontano lo comprimerai
La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa., raggiungendo una compressione di IQ4_XS sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
-
04
Confronta TOKEN AL SEC, non specifiche.
Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per Arcee Trinity Large. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B300, nella 19.7 tok/s
-
05
Controlla il giudizio di compatibilità prima di acquistare
La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Arcee Trinity Large. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
-
06
Vedi cos'altro che questa card esegue
Ogni nome di scheda è collegato alla propria pagina, che esegue lo stesso calcolo su tutto il catalogo dei modelli. Una scheda è solitamente acquistata per più di un modello, quindi vale la pena dare un'occhiata prima di acquistare. Arcee Trinity Large.
Risposte
Arcee Trinity Large — domande comuni
Arcee Trinity Large— che GPU ho bisogno per eseguirlo?
La scheda più piccola nel nostro catalogo che la contiene è Radeon Instinct MI325X, con una capacità di memoria di 256 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 218.3 GB, e produce approssimativamente 12.2 token al secondo. Il numero di card in grado di eseguirlo in totale: 4.
Arcee Trinity Large— quanto è veloce su una GPU?
Dipende dalla scheda. La più rapida che calcoliamo è B300, circa 19.7 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 4.
Arcee Trinity Large— quanta VRAM serve?
Ha bisogno di 218.3 GB a una compressione di IQ4_XS, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.
Arcee Trinity Large— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
Arcee Trinity Large— quanti parametri ha?
Ha un numero di parametri di 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". Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Arcee Trinity Large— chi l'ha creato?
È stato pubblicato da Prime Intellect,Arcee AI, basato su United States of America, un'organizzazione categorizzata come industry,Industry.
Arcee Trinity Large— quando è stato rilasciato?
È stato pubblicato in February 2026.
Arcee Trinity Large— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Arcee Trinity Large— Dove posso scaricarlo?
I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione arcee-ai. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.
Arcee Trinity Large— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.3 × 10²⁴ FLOP, su hardware registrato come NVIDIA B300 (Blackwell Ultra). Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
Arcee Trinity Large— posso eseguirlo se non si adatta nella mia GPU?
Può essere diviso tra la scheda e la memoria di sistema, ma genera dolorosamente lentamente in quel modo. La più vicina mancata che calcoliamo risulta insufficiente di 68.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.
Arcee Trinity Large— due GPU lo farebbero andare più veloce?
La capacità si somma tra le schede; il throughput no. Il numero di schede che già la possiedono da sole: 4. Quindi una seconda CARD è raramente la risposta qui.
Arcee Trinity Large— perché la quantizzazione differisce tra le schede?
Ogni card è mostrata mentre esegue la copia meno compressa che può contenere. Il numero di livelli di compressione distinti tra le card che si adattano: 2. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.
Arcee Trinity Large— quanto sono accurate queste stime di velocità?
Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 12–31 tok/s su B300. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.