أطلقت Arcee AI نموذج Trinity Large Thinking — نموذج استدلال مفتوح المصدر لوكلاء الذكاء الاصطناعي

أطلقت Arcee AI نموذج Trinity Large Thinking في 1 أبريل 2026 — وهو نموذج استدلال مفتوح المصدر مصمم ليس للإجابات القصيرة للدردشة، بل لسيناريوهات وكيل طويلة مع خطوات متعددة واستدعاءات الأدوات والحفاظ على السياق بين الأدوار. بالنسبة للسوق، هذا إشارة مهمة: في القطاع حيث تحدد النماذج المغلقة من المختبرات الكبرى النبرة، ظهرت نسخة مفتوحة بترخيص Apache 2.0 التي لا يمكن فقط استدعاؤها عبر API، بل يمكن أيضاً تشغيلها وتدقيقها ودمجها في أنظمتك الخاصة دون مناطق غامضة في الترخيص.

Trinity Large Thinking هو إصدار الاستدلال من عائلة Trinity Large، التي تطورها Arcee كبديل مفتوح للنماذج الملكية الكبيرة. أطلقت الشركة الأوزان على Hugging Face وأطلقت النموذج بشكل متزامن على API الخاص بها. الرهان الرئيسي هنا ليس على "دردشة عامة لكل شيء"، بل على المهام حيث يحتاج الوكيل إلى الحفاظ على خطة وتذكر الخطوات السابقة واستخدام الأدوات بحذر وعدم الانهيار بعد عدة تكرارات.

هذه هي بالضبط السيناريوهات التي تصبح أساسية لتطوير الذكاء الاصطناعي: وكلاء الأكواد وعاملو الأنظمة الداخلية والمساعدون المؤسسيون والخطوط الأنابيب التي تتضمن عدة استدعاءات لخدمات خارجية. من حيث البنية، ينتمي النموذج إلى فئة MoE المتفرقة: يمتلك Trinity Large Thinking حوالي 398-400 مليار معامل، لكن حوالي 13 مليار يتم تفعيلها لكل رمز. بالداخل 256 خبيراً، يعمل منهم أربعة فقط في نفس الوقت.

هذا التصميم ضروري للحفاظ على سقف جودة عالي دون جعل الاستدلال غير عملي تماماً. تذكر Arcee أيضاً دعم السياق حتى 512 ألف رمز بعد توسيع النافذة، وهو أمر مهم بشكل خاص للدورات الطويلة للوكيل والمستودعات الكبيرة والوثائق الضخمة والمهام المعقدة متعددة الخطوات. تفصيل آخر — يولد النموذج "طبقة استدلال" صريحة قبل الإجابة، ويُنصح المطورون بالحفاظ على سياق الاستدلال هذا بين الأدوار، وإلا فقد تتدهور جودة العمل متعدد الخطوات بشكل ملحوظ.

الجزء الأكثر إثارة للاهتمام في الإصدار ليس فقط الترخيص، بل التركيز المعلن على الوكالة العملية. وفقاً لـ Arcee، يحتل Trinity Large Thinking المرتبة الثانية في PinchBench، متنازلاً فقط لـ Claude Opus 4.6، وهو أقوى بشكل كبير من Trinity Large Preview المبكر وخاصة في العمل متعدد الخطوات مع الأدوات واتباع التعليمات والحفاظ على التماسك على التشغيل الطويل.

في بطاقة النموذج، تسرد الشركة أيضاً نتائج قوية على عدد من المعايير الوكيلة، بما في ذلك τ²-Bench و LiveCodeBench. بالتزامن مع ذلك، تؤكد Arcee على الاقتصاديات: في وقت الإعلان، قيمت الشركة تكلفة الاستدلال بحوالي 0.90 دولار لكل مليون رمز إخراج، وتضع النموذج كبديل أرخص بشكل جوهري للأنظمة المغلقة للاستدلال لوكلاء الإنتاج.

السياق المحيط بالإصدار مهم أيضاً. Trinity Large Preview، المعروض في أواخر يناير 2026، عالج، وفقاً للشركة، 3.37 تريليون رمز عبر OpenRouter في أول شهرين له.

تؤكد Arcee أن نسخة المعاينة أصبحت أكثر النماذج المفتوحة استخداماً في الولايات المتحدة في مجموعة OpenClaw والرابعة عالمياً. بالنسبة لفريق صغير، هذه طريقة لإظهار أن هناك بالفعل طلباً على النماذج المفتوحة في سيناريوهات وكيل حقيقية — ليس على مستوى العرض التوضيحي، بل على مستوى عبء العمل في الإنتاج المستمر. من الناحية التقنية، أثبت المشروع أنه غير تافه: تم تدريب Trinity Large مسبقاً على 17 تريليون رمز واستخدم 2048 GPU من NVIDIA B300، وقدرت الشركة في السابق المسار الكامل إلى عائلة Large بحوالي 20 مليون دولار.

الاستنتاج الرئيسي من الإصدار هو هذا: سوق الذكاء الاصطناعي مفتوح المصدر ينتقل من سباق "من يكتب أفضل نص" إلى سباق "أي نموذج يجري العمل الطويل بموثوقية." Trinity Large Thinking مهم ليس لأنه تفوق بشكل فوري على القادة المغلقين في جميع المقاييس، بل لأنه يمنح المطورين والشركات خياراً مفتوحاً حقيقياً آخر لبناء أنظمة وكيل دون قيود API فقط. الآن السؤال ليس ما إذا كان يمكنك إطلاق نموذج استدلال مفتوح من هذا الفئة، بل ما مدى استقراره في الإنتاج، حيث لا تهم العروض الجميلة — ما يهم هي دورات ساعات متعددة وتكلفة الأخطاء وقابلية التنبؤ بالسلوك.