/ Модель

Характеристики

Контекст
262 144 токена
Параметры
8,7 млрд
Лицензия
Своя лицензия
Архитектура
afmoe · MoE
Базовая модель
Trinity-Large-TrueBase
Библиотека
transformers
Опубликована
9 сен 2026

Trinity-Large-Base

Генерация текстаТекст → текст3 профессии

Производная модели arcee-ai/Trinity-Large-Base. Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.

85скачиваний за 30 дней0лайковвеса обновлены9 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели CollectionStudio/Trinity-Large-Base на Hugging Face совпадает с карточкой arcee-ai/Trinity-Large-Base, поэтому описание составлено по ней.

Trinity-Large-Base — базовая предобученная языковая модель Arcee AI из серии Trinity Large, предназначенная для исследований и последующего дообучения. Это разреженная модель класса Mixture-of-Experts с архитектурой AfmoeForCausalLM: в README указано около 398 млрд параметров и примерно 13 млрд активных параметров на токен; в метаданных размер указан как 8,7 млрд параметров. Контекст в метаданных — 262 144 токена. Модель обучена на 17 трлн токенов до этапов instruction tuning и обучения с подкреплением.

Модель подходит для изучения поведения при масштабном предобучении, маршрутизации и балансировки экспертов MoE, интерпретируемости и зондирования, а также для дообучения под конкретные задачи. Метаданные указывают поддержку английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Это базовая модель для генерации текста, а не готовый чат-ассистент: она не настроена на безопасность, полезность или разговорный стиль и требует значительных вычислительных ресурсов и опыта для дообучения. Лицензия обозначена в метаданных как other; дополнительных условий использования в предоставленных данных нет.

Сценарии применения

  • исследование поведения языковой модели после масштабного предобучения
  • изучение маршрутизации и балансировки экспертов MoE
  • зондирование и интерпретируемость языковой модели
  • дообучение базовой модели для специализированных текстовых задач

Ограничения

Модель не настроена на безопасный, полезный или разговорный стиль и может выдавать нестабильные ответы. Для дообучения требуются значительные вычислительные ресурсы и опыт; README также отмечает отсутствие расширенного контекстного обучения за пределами окна предобучения в 8K токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Trinity-Large-Base

Introduction

Trinity-Large-Base is a pretrained foundation model from Arcee AI's Trinity Large training run. It is a 398B-parameter sparse Mixture-of-Experts (MoE) model with approximately 13B active parameters per token. The checkpoint was captured after 17 trillion tokens of pretraining, including mid-training learning-rate anneals and context extension, but prior to any instruction tuning or reinforcement learning.

This checkpoint represents the completed pretraining phase and serves as a foundation for research and downstream fine-tuning.

More details on the training of Trinity Large are available in the technical report.

Model Variants

The Trinity Large family consists of three checkpoints from the same training run:

  • Trinity-Large-Base (this release): Full 17T-token pretrained foundation model with mid-training anneals
  • Trinity-Large-Thinking: Reasoning-optimized, agentic post-training with extended chain-of-thought
  • Trinity-Large-TrueBase: 10T-token pre-anneal checkpoint with no instruction data
  • Trinity-Large-Preview: Lightly post-trained, chat-ready model undergoing active RL

Architecture

Trinity-Large-Base uses a sparse MoE configuration designed to maximize efficiency while maintaining large-scale capacity.

HyperparameterValue
Total parameters~398B
Active parameters per token~13B
Experts256
Active experts4
Routing strategy4-of-256 (1.56% sparsity)
Dense layers6
Pretraining context length8,192
Context length after extention512k
ArchitectureSparse MoE (AfmoeForCausalLM)

Benchmark Results

BenchmarkN-shotMetricScoreStderr
mbpp_plus3pass_at_1,none0.8862±0.0164
minerva_math5004math_verify,none0.6520±0.0213
hellaswag_5shot5acc_norm,none0.9011±0.0030
winogrande_5shot5acc,none0.8082±0.0111
mmlu_5shot5acc,none0.8258±0.0031
mmlu_generative_5shot5exact_match,get_response0.8260±0.0031
mmlu_pro5exact_match,custom-extract0.6602±0.0042
triviaqa_5shot5exact_match,remove_whitespace0.8330±0.0028
arc_challenge_0shot0acc_norm,none0.6544±0.0139
bbh_fewshot3exact_match,remove_whitespace0.6570±0.0051
gpqa_diamond_5shot5acc_norm,none0.4394±0.0354
gsm8k_cot8exact_match,flexible-extract0.9136±0.0077

Training Configuration

Pretraining

  • Training tokens: 17 trillion
  • Checkpoint type: Post-anneal (foundation)
  • Instruction data: None
  • RLHF or post-training: None

This checkpoint represents the final pretrained state after completion of the pretraining phase, including mid-training learning-rate anneals, but before instruction tuning or reinforcement learning.

Optimizers

Optimizer learning rates during WSD stable phase:

  • Adam learning rate: 2e-4
  • Muon learning rate: 8e-4

Muon was used to support larger critical batch sizes in a highly sparse MoE regime.

Infrastructure

  • Hardware: 2,048 NVIDIA B300 GPUs
  • Parallelism: HSDP + Expert Parallelism
  • Compute partner: Prime Intellect
  • Data partner: Datology

Intended Use

  • Studying emergent behavior from large-scale pretraining
  • Sparse MoE routing and load-balancing research
  • Interpretability, probing, and ablation studies
  • Domain-specific fine-tuning from a pretrained foundation
  • Academic and industrial foundation model research

Comparison with TrueBase

Trinity-Large-Base includes an additional 7 trillion training tokens compared to Trinity-Large-TrueBase, along with mid-training learning-rate anneals. These anneals stabilize training dynamics and typically improve downstream fine-tuning performance compared to the pre-anneal checkpoint. Researchers studying raw pretraining dynamics may prefer TrueBase, while those seeking a foundation for fine-tuning may prefer this checkpoint.

Known Limitations

  • Not aligned for safety, helpfulness, or conversational tone
  • Requires substantial compute and expertise to fine-tune
  • May exhibit raw or unstable behaviors typical of unaligned models
  • No extended-context tuning beyond the 8K pretraining window

License

Trinity-Large-Base is released under the OpenMDW License, version 1.1 (OpenMDW-1.1).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модель не помещается даже в 8 × 80 ГБ.

Класс архитектуры
AfmoeForCausalLM
Ревизия весов
655c92a

0 моделей