Trinity Large Thinking vs Weaver (alpha) comparé — prix par jeton, fenêtre de contexte, multimodalité, ouverture et lequel choisir. Le modèle open-source peut-il remplacer le modèle payant ? Détails complets pour 2026.
Weaver (alpha) — 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 | Weaver (alpha) | Gagnant |
|---|---|---|---|
| Fabricant | Arcee ai | Mancer | – |
| Type | Open-weight | Propriétaire | ARTrinity Large Thinking |
| Fenêtre de contexte | 262K tokens | 8K tokens | ARTrinity Large Thinking |
| Prix d'entrée | $0.22/M · auto-hébergement gratuit | $0.5/M | ARTrinity Large Thinking |
| Prix de sortie | $0.85/M · auto-hébergement gratuit | $0.75/M | MAWeaver (alpha) |
| Vision / multimodal | Non | Non | – |
| Appel d'outil / fonction | Oui | Non | ARTrinity Large Thinking |
| Auto-hébergeable | Oui | Non (API uniquement) | ARTrinity Large Thinking |
| Licence | Open weights | Propriétaire | ARTrinity Large Thinking |
| Capacité | Trinity Large Thinking | Weaver (alpha) |
|---|---|---|
| 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 | Weaver (alpha) |
|---|---|---|
| Efficacité des coûts | 5.0 | 5.0 |
| Fenêtre de contexte | 4.0 | 2.0 |
| Ouverture | 5.0 | 1.5 |
| Auto-hébergement | 5.0 | 1.0 |
| Multimodalité | 3.5 | 2.0 |
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...
Une tentative de recréer la verbosité de style Claude, mais ne vous attendez pas au même niveau de cohérence ou de mémoire. Destiné à être utilisé dans des situations de jeu de rôle/narration.
Trinity Large Thinking est open-weight et compétitif sur de nombreuses tâches, mais Weaver (alpha) peut encore l'emporter sur les travaux de raisonnement les plus difficiles et les travaux agentiques. L'écart se réduit — évaluez les deux sur votre cas d'utilisation réel avant de décider.
Oui. Trinity Large Thinking a des open weights, donc vous pouvez le self-host sur vos propres GPU ou l'exécuter via une API à faible coût. Weaver (alpha) est uniquement API et ne peut pas être self-host.
Choisissez Trinity Large Thinking si vous souhaitez le self-host, garder vos données privées et éviter les frais par jeton — c'est open-weight et fonctionne sur votre propre matériel. Choisissez Weaver (alpha) 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 →