Trinity Large Thinking vs Relace Search comparé — prix par token, fenêtre de contexte, multimodalité, ouverture et lequel choisir. Le modèle open-source peut-il remplacer le modèle payant ? Détails complets pour 2026.
Relace Search — profil complet ›
Prix & spécifications actualisés à partir de données en direct · olud.ai
Prix des modèles ouverts = fournisseur le moins cher via OpenRouter; les tarifs des fabricants officiels peuvent être plus élevés.
| Spécification | Trinity Large Thinking | Relace Search | Gagnant |
|---|---|---|---|
| Fabricant | Arcee ai | Relace | – |
| Type | Open-weight | Propriétaire | ARTrinity Large Thinking |
| Fenêtre de contexte | 262K tokens | 256K tokens | ARTrinity Large Thinking |
| Prix d'entrée | $0.22/M · auto-hébergement gratuit | $1/M | ARTrinity Large Thinking |
| Prix de sortie | $0.85/M · auto-hébergement gratuit | $3/M | ARTrinity Large Thinking |
| Vision / multimodal | Non | Non | – |
| Appel d'outil / fonction | Oui | Oui | = Égalité |
| Auto-hébergeable | Oui | Non (API uniquement) | ARTrinity Large Thinking |
| Licence | Open weights | Propriétaire | ARTrinity Large Thinking |
Trinity Large Thinking est ~3.5× moins cher que Relace Search sur les tokens de sortie ($0.85 contre $3 par M tokens).
| Capacité | Trinity Large Thinking | Relace Search |
|---|---|---|
| Open weights (téléchargeables) | ✓ | ✗ |
| Auto-hébergeable | ✓ | ✗ |
| Fonctionne entièrement hors ligne | ✓ | ✗ |
| Vision / multimodal | ✗ | ✗ |
| Appel d'outil / fonction | ✓ | ✓ |
| Fenêtre de contexte de 1M+ | ✗ | ✗ |
Scores de benchmark indépendants mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est (sauf pour la latence).
Données de benchmark par Artificial Analysis.
| Critère | Trinity Large Thinking | Relace Search |
|---|---|---|
| Efficacité des coûts | 5.0 | 4.0 |
| Fenêtre de contexte | 4.0 | 4.0 |
| Ouverture | 5.0 | 1.5 |
| Auto-hébergement | 5.0 | 1.0 |
| Multimodalité | 3.5 | 3.5 |
Les scores proviennent de données en direct — prix de sortie (coût), longueur de contexte, poids ouverts vs fermés (ouverture & auto-hébergement) et support de vision/outils (multimodalité). La qualité brute de la tâche n'est pas notée ici ; elle dépend de votre référence — voir le verdict.
Trinity Large Thinking est un puissant modèle de raisonnement open source de l'équipe d'Arcee AI. Il montre de fortes performances dans PinchBench, les charges de travail agentiques et les tâches de raisonnement. Vidéo de lancement : https://youtu.be/Gc82AXLa0Rg?si=4RLn6WBz33qT--B7...
Le modèle relace-search utilise 4-12 outils `view_file` et `grep` en parallèle pour explorer une base de code et retourner des fichiers pertinents à la demande de l'utilisateur. Contrairement à RAG, relace-search effectue un travail agentique...
Trinity Large Thinking est open-weight et compétitif sur de nombreuses tâches, mais Relace Search peut encore dominer sur les travaux de raisonnement les plus difficiles et les travaux agentiques. L'écart continue de se réduire — évaluez les deux sur votre cas d'utilisation réel avant de décider.
Oui. Trinity Large Thinking a des open weights, donc vous pouvez l'auto-héberger sur vos propres GPU ou l'exécuter via une API à faible coût. Relace Search est uniquement API et ne peut pas être auto-hébergé.
Trinity Large Thinking coûte $0.85/M en sortie contre $3/M pour Relace Search — environ 4x moins cher via API, et gratuit si vous l'auto-hébergez.
Choisissez Trinity Large Thinking si vous souhaitez l'auto-héberger, garder vos données privées et éviter les frais par token — c'est open-weight et fonctionne sur votre propre matériel. Choisissez Relace Search si vous souhaitez une capacité de pointe via une API gérée sans infrastructure à exécuter.
Parcourez le classement complet des modèles open-source, des milliers d'outils et des benchmarks en direct — le tout au même endroit.
Ouvrir le classement →