证据: 基准测试结果由厂商自行报告
Trinity-Large-Thinking — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
Arcee Trinity-Large 的推理与智能体后训练版本：总参数约 398B，每个 token 约激活 13B，256 个专家，激活 4 个。<think> 块内的思考 token 必须保留在对话历史中，智能体循环才能正常工作。BF16 仓库约 797 GB，因此这是多 GPU 数据中心模型。较早的 Trinity-Large-Preview 是另一个检查点，刻意未列出。
Trinity-Large-Thinking 在 Q4_K_M 下约需 241 GB 显存——量化权重加框架开销，不含 KV 缓存。在 Apple Silicon 上，这部分来自统一内存。
按量化级别的显存与速度
计算基准：NVIDIA RTX 4090 (24 GB)。包含 8K 上下文的 KV 缓存，因此数值高于上方的主数字。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 132.4 GB | — | 放不下 | |
| Q3_K_M 3.41 bpw | 171.2 GB | — | 放不下 | |
| Q4_K_M 4.83 bpw | 242 GB | — | 放不下 | |
| Q5_K_M 5.67 bpw | 283.8 GB | — | 放不下 | |
| Q6_K 6.56 bpw | 328.2 GB | — | 放不下 | |
| Q8_0 8.50 bpw | 424.9 GB | — | 放不下 | |
| F16 16.00 bpw | 798.6 GB | — | 放不下 |
黑色标记 = NVIDIA RTX 4090 (24 GB) 上的可用显存。 估算来自内存带宽屋顶线模型，详见 方法说明页. Trinity-Large-Thinking 显存计算器 →
运行 Trinity-Large-Thinking
目录中能运行 Trinity-Large-Thinking 的最便宜 GPU 是 Apple M3 Ultra (512 GB).
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
如何运行 Trinity-Large-Thinking
未找到 GGUF 或 Ollama 路线。官方部署方式是在多 GPU 节点上使用 vLLM 0.11.1 或更新版本。
规格
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source. 尚未确认： languages.
- 参数量
- 398.6 Billion (13B active)
- 上下文窗口
- 262,144
- 架构
- Mixture-of-Experts (256 routed + 1 shared, interleaved local and global attention)
- 提供商
- Arcee AI
- 许可证
- OpenMDW-1.1
- Practical deployment
- Workstation (large unified memory or pro GPU)
- 规格量化
- Q4_K_M
- 系统内存
- 256 GB
- 记录更新于
- 2026-10-06
Commercial use permitted. No usage restrictions beyond attribution.
限制与注意事项
- 仅限数据中心级硬件。
- 智能体循环中必须保留思考 token，否则工具调用可能格式错误。
- 模型卡同时宣称 512K 上下文；配置文件和技术报告给出的是 262,144，本页采用该数值。
- “Trinity-Large-Preview”检查点刻意不作为当前版本列出。
质量与使用场景
评分由模型作者或独立评测方发布——衡量质量而非吞吐量，并非我们实测。
Trinity 的其他尺寸
Trinity-Large-Thinking — 常见问题
How much VRAM does Trinity-Large-Thinking need?
About 241 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Trinity-Large-Thinking run on an RTX 4090 (24 GB)?
No. Trinity-Large-Thinking needs about 241 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Trinity-Large-Thinking locally?
未找到 GGUF 或 Ollama 路线。官方部署方式是在多 GPU 节点上使用 vLLM 0.11.1 或更新版本。 Running the published tag would send your prompts to a hosted GPU rather than your own machine.
What other sizes does Trinity come in?
Trinity Mini (17 GB), Trinity-Large-Thinking (241 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.