Belege 488 % SICHERHEITGesamtvertrauen: 88%Wie gut die Quelle und die Belege des Pins seine Termine stützen.Gewichteter Durchschnitt, wie fest 4 Belege einschließlich der Quelle die Start- und Endzeiten des Pins stützen; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so vielAlle Pins mit mindestens 75 % Sicherheit anzeigen

Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.

• [1]90%
  arcee.ai/blog/trinity-large

  arcee.ai· Gepostet am 12. Okt. 2026· Beginn 27. Jan. 2026 ✓· 45 % der Wertung

  Arcees Beitrag „Trinity Large: An Open 400B Sparse MoE Model“ ist auf den 27. Jan. 2026 datiert und sagt „We're putting out three variants“; die Repositories Trinity-Large-TrueBase, Base und Preview auf Hugging Face^[4] wurden alle an diesem Tag angelegt.

• [2]85%
  Trinity-Large-Thinking: Scaling an Open Source Frontier Agent - Arcee AI

  arcee.ai· Veröffentlicht am 1. Apr. 2026· 21 % der Wertung

  Arcee's^[1] April follow-up: Preview was a light instruct post-train, crossed 3.37 trillion tokens served on OpenRouter in two months, and was succeeded by the reasoning Trinity-Large-Thinking.

• [3]85%
  Arcee Trinity Large Technical Report - arXiv

  arxiv.org· Veröffentlicht am 19. Feb. 2026· 18 % der Wertung

  The technical report submitted 19 February 2026: 400B total and 13B active parameters, 17T tokens, SMEBU expert load balancing, Muon optimizer, no loss spikes, plus the Trinity Mini (26B, 3B active) and Nano (6B, 1B active) models.^[1]

• [4]90%
  arcee-ai/Trinity-Large-Preview - Hugging Face

  huggingface.co· Veröffentlicht am 27. Jan. 2026· 16 % der Wertung

  Model card: about 398B total and 13B active, 256 experts with 4 active, 6 dense layers, 17T pretraining tokens on 2,048 B300 GPUs, 20B tokens of instruction tuning, and MMLU 87.2 and AIME 2025 24.0 against Llama 4 Maverick's 85.5 and 19.3.^[1]

Korrektur vorschlagen

Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.