Arcee是一家仅有26名员工的美国初创公司,凭借2000万美元的预算成功构建了拥有4000亿参数的大型开源大语言模型。近日,该公司发布了全新的推理模型Trinity Large Thinking。CEO马克·麦奎德向TechCrunch表示,这是"非中国公司发布的最强开放权重模型"。
Arcee的目标令人钦佩:为美国和西方企业提供一个无需依赖中国模型的选择。尽管中国的AI模型性能出色,但被视为存在风险,可能将权力和数据交给一个价值观与西方世界不完全一致的政府。
通过Arcee,企业可以下载模型、根据自身需求进行训练,并在本地部署使用。企业也可以通过API使用Arcee的云端托管版本。
虽然Arcee的模型性能尚未超越Anthropic或OpenAI等大型实验室的闭源模型,但也不会受制于这些巨头的任意决策。
例如,Claude凭借出色的编程能力,一直是开源AI智能体工具OpenClaw用户的热门选择。但上周Anthropic突然改变规则,告知用户他们的Anthropic订阅将不再涵盖OpenClaw的使用费用,需要额外付费。今年2月,OpenClaw创始人彼得·施泰因贝格表示将加入Anthropic的最大竞争对手OpenAI。
相比之下,麦奎德自豪地指出,根据OpenRouter的数据显示,Trinity已成为OpenClaw使用的顶级模型之一。
那么Trinity Large Thinking的表现如何?根据Arcee分享给TechCrunch的基准测试结果,它与其他顶级开源模型性能相当。
正如我们此前报道,它还无法与美国构建的开源模型领头羊Meta的Llama 4正面抗衡。但它也没有Meta模型那种奇特的"非真正开源"许可证问题。Arcee的所有Trinity模型都采用开源许可证的黄金标准Apache 2.0发布。
需要澄清的是,还有无数其他美国初创公司也在提供开源模型,作为初创企业创新精神的支持者,我同样为他们加油。
Q&A
Q1:Arcee公司是什么背景?他们做了什么?
A:Arcee是一家仅有26名员工的美国AI初创公司,用2000万美元预算开发了4000亿参数的开源大语言模型。最近发布了推理模型Trinity Large Thinking,CEO声称这是非中国公司发布的最强开放权重模型。
Q2:为什么要选择Arcee而不是中国AI模型?
A:虽然中国AI模型性能出色,但被认为存在安全风险,可能将权力和数据交给价值观与西方不完全一致的政府。Arcee为美国和西方企业提供了本土化选择,可以下载、训练并本地部署。
Q3:Trinity Large Thinking模型性能如何?
A:根据基准测试结果,Trinity与其他顶级开源模型性能相当,虽然还无法与Meta的Llama 4或OpenAI、Anthropic的闭源模型正面抗衡,但采用Apache 2.0开源许可证,没有许可证限制问题。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。