Trinity Large Thinking vs Relace Search verglichen — Preis pro Token, Kontextfenster, Multimodalität, Offenheit und welches zu wählen. Kann das Open-Source-Modell das bezahlte ersetzen? Vollständige Übersicht 2026.
Relace Search — vollständiges Profil ›
Preise & Spezifikationen aus Live-Daten aktualisiert · olud.ai
Offene Modellpreise = günstigster Anbieter über OpenRouter; offizielle Herstellerpreise können höher sein.
| Spezifikation | Trinity Large Thinking | Relace Suche | Gewinner |
|---|---|---|---|
| Hersteller | Arcee ai | Relace | – |
| Typ | Open-Weight | Proprietär | ARTrinity Large Thinking |
| Kontextfenster | 262K Tokens | 256K Tokens | ARTrinity Large Thinking |
| Eingabepreis | $0.22/M · kostenloses Selbst-Hosting | $1/M | ARTrinity Large Thinking |
| Ausgabepreis | $0.85/M · kostenloses Selbst-Hosting | $3/M | ARTrinity Large Thinking |
| Vision / multimodal | Nein | Nein | – |
| Tool / Funktionsaufruf | Ja | Ja | = Unentschieden |
| Selbst gehostet | Ja | Nein (nur API) | ARTrinity Large Thinking |
| Lizenz | Open weights | Proprietär | ARTrinity Large Thinking |
Trinity Large Thinking ist ~3.5× günstiger als Relace Search bei Ausgabetoken ($0.85 vs $3 pro M Tokens).
| Fähigkeit | Trinity Large Thinking | Relace Suche |
|---|---|---|
| Offene Gewichte (herunterladbar) | ✓ | ✗ |
| Selbst gehostet | ✓ | ✗ |
| Läuft vollständig offline | ✓ | ✗ |
| Vision / multimodal | ✗ | ✗ |
| Tool / Funktionsaufruf | ✓ | ✓ |
| 1M+ Kontextfenster | ✗ | ✗ |
Unabhängige Benchmark-Ergebnisse gemessen von Artificial Analysis. Höher ist besser (außer Latenz).
Benchmark-Daten von Artificial Analysis.
| Kriterium | Trinity Large Thinking | Relace Suche |
|---|---|---|
| Kosten-Effizienz | 5.0 | 4.0 |
| Kontextfenster | 4.0 | 4.0 |
| Offenheit | 5.0 | 1.5 |
| Selbst-Hosting | 5.0 | 1.0 |
| Multimodalität | 3.5 | 3.5 |
Die Bewertungen stammen aus Live-Daten — Ausgabepreis (Kosten), Kontextlänge, offene vs. geschlossene Gewichte (Offenheit & Selbst-Hosting) und Unterstützung für Vision/Tools (Multimodalität). Die Rohqualität der Aufgaben wird hier nicht bewertet; sie hängt von Ihrem Benchmark ab — siehe das Urteil.
Trinity Large Thinking ist ein leistungsstarkes open source Denkmodell vom Team bei Arcee AI. Es zeigt starke Leistungen in PinchBench, agentischen Arbeitslasten und Denkaufgaben. Startvideo: https://youtu.be/Gc82AXLa0Rg?si=4RLn6WBz33qT--B7...
Das Relace-Search-Modell verwendet 4-12 `view_file` und `grep`-Tools parallel, um einen Codebestand zu durchsuchen und relevante Dateien auf die Benutzeranfrage zurückzugeben. Im Gegensatz zu RAG führt Relace-Search agentische...
Trinity Large Thinking ist open-weight und wettbewerbsfähig in vielen Aufgaben, aber Relace Search könnte bei den schwierigsten Denk- und Agentenarbeiten immer noch überlegen sein. Die Lücke wird immer kleiner — benchmarken Sie beide in Ihrem tatsächlichen Anwendungsfall, bevor Sie entscheiden.
Ja. Trinity Large Thinking hat open weights, sodass Sie es auf Ihren eigenen GPUs selbst hosten oder über eine kostengünstige API ausführen können. Relace Search ist nur API und kann nicht selbst gehostet werden.
Trinity Large Thinking kostet $0.85/M pro Ausgabe im Vergleich zu $3/M für Relace Search — ungefähr 4x günstiger über API und kostenlos, wenn Sie es selbst hosten.
Wählen Sie Trinity Large Thinking, wenn Sie selbst hosten, Ihre Daten privat halten und pro-Token-Gebühren vermeiden möchten — es ist open-weight und läuft auf Ihrer eigenen Hardware. Wählen Sie Relace Search, wenn Sie an vorderster Front durch eine verwaltete API ohne Infrastruktur arbeiten möchten.
Durchsuchen Sie die vollständige Open-Source-Modell-Rangliste, tausende von Tools und Live-Benchmarks — alles an einem Ort.
Öffnen Sie die Rangliste →