Arcee AI: Trinity Large Thinking (free) arcee-ai/trinity-large-thinking:free

Модель Arcee AI: Trinity Large Thinking (free) от Arcee-ai (семейство trinity-large) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Доступны через единый API НейроГейт: 9 моделей Arcee-ai.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

262K

контекст, токенов

0 ₽

бесплатный тариф

возможностей

Что такое Arcee AI: Trinity Large Thinking (free)

Агентные и аналитические задачи, где нужен прозрачный многошаговый логический вывод при работе с большим контекстом.

Trinity Large Thinking — открытая reasoning-модель от Arcee AI, разработанная для задач, требующих многошагового логического вывода. Модель относится к семейству trinity-large и поддерживает внутреннее рассуждение (chain-of-thought), что позволяет ей разбивать сложные задачи на промежуточные шаги перед выдачей итогового ответа.

По данным команды Arcee AI, модель демонстрирует сильные результаты в PinchBench, а также хорошо справляется с агентными сценариями и задачами на рассуждение. Контекстное окно в 262 144 токена делает её пригодной для работы с большими документами, длинными цепочками диалога и сложными многоэтапными инструкциями. Модель доступна бесплатно и распространяется как open-source, что снижает порог входа для экспериментов и прототипирования.

Основная ниша Trinity Large Thinking — задачи, где важна прозрачность рассуждений: отладка логики, анализ требований, автоматизированные агенты с планированием. Для простых генеративных задач, где глубокий reasoning избыточен, модель может быть менее эффективна по скорости.

Когда брать эту модель

✓ Агентные пайплайны с многошаговым планированием и принятием решений
✓ Анализ и отладка сложной бизнес-логики или алгоритмов
✓ Работа с длинными документами: контракты, технические спецификации, кодовые базы
✓ Прототипирование reasoning-систем без затрат на API
✓ Задачи, требующие объяснимого пошагового вывода

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Проанализируй архитектуру микросервисного приложения по приведённой схеме и предложи пошаговый план рефакторинга с учётом потенциальных узких мест производительности.

Использование Arcee AI: Trinity Large Thinking (free) через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "arcee-ai/trinity-large-thinking:free",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="arcee-ai/trinity-large-thinking:free",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "arcee-ai/trinity-large-thinking:free",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);