证据: 基准测试结果由厂商自行报告
Trinity Mini — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
Arcee AI 的混合专家模型：总参数 26B，约 3B 激活，128 个路由专家（激活 8 个）加 1 个共享专家。针对推理调优，支持 128K 上下文，Arcee 提供可用于 llama.cpp（b7061 或更新版本）的官方 GGUF，以及 vLLM、Transformers 和 LM Studio 的使用方法。许可证为 OpenMDW-1.1。模型卡上的基准图表由厂商提供。
Trinity Mini 在 Q4_K_M 下约需 17 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 | 9.5 GB | ~275 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 13 GB | ~248 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 16.9 GB | ~211 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 19.6 GB | ~194 tok/s | 可运行 | |
| Q6_K 6.56 bpw | 22.5 GB | ~179 tok/s | 勉强 | |
| Q8_0 8.50 bpw | 28.7 GB | ~23 tok/s | 需卸载 | |
| F16 16.00 bpw | 53.2 GB | ~15 tok/s | 需卸载 |
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 Mini 显存计算器 →
运行 Trinity Mini
目录中能运行 Trinity Mini 的最便宜 GPU 是 AMD Radeon RX 7900 XT (20 GB).
或在 Vast.ai 比较，低至 $0.35/小时 (typical low · varies)
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 Mini
没有经过验证的 Ollama 库标签。Arcee 提供可用于 llama.cpp（b7061 或更新版本）和 LM Studio 的官方 GGUF 文件。
规格
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- 参数量
- 26.1 Billion (3B active)
- 上下文窗口
- 131,072
- 架构
- Mixture-of-Experts (128 routed + 1 shared, interleaved local and global attention)
- 提供商
- Arcee AI
- 许可证
- OpenMDW-1.1
- Practical deployment
- Single consumer GPU
- 规格量化
- Q4_K_M
- 系统内存
- 32 GB
- 记录更新于
- 2026-10-06
Commercial use permitted. No usage restrictions beyond attribution.
限制与注意事项
- 基准测试结果由厂商提供，且仅以图表图片形式给出。
- 没有经过验证的 Ollama 库标签。
- 模型卡建议使用异常低的采样温度（0.15）；其他运行环境可能需要显式设置这些参数。
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 Mini — 常见问题
How much VRAM does Trinity Mini need?
About 17 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 Mini run on an RTX 4090 (24 GB)?
Yes. Trinity Mini needs about 17 GB at Q4_K_M, inside a 24 GB card, at an estimated 211 tokens/sec.
How do I run Trinity Mini locally?
没有经过验证的 Ollama 库标签。Arcee 提供可用于 llama.cpp（b7061 或更新版本）和 LM Studio 的官方 GGUF 文件。 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.