Arcee AI تطلق Trinity Large Thinking: نموذج استدلال مفتوح لوكلاء الذكاء الاصطناعي

أطلقت Arcee AI في 1 أبريل 2026 نموذج Trinity Large Thinking، وهو نموذج استدلال مفتوح لا يستهدف الإجابات القصيرة في المحادثات، بل السيناريوهات الوكيلية الطويلة التي تتضمن عدة خطوات واستدعاءات للأدوات واحتفاظاً بالسياق بين الأدوار. ويحمل الإصدار دلالة مهمة للسوق: ففي قطاع تهيمن عليه النماذج المغلقة التي تطورها كبرى المختبرات، ظهر خيار مفتوح بترخيص Apache 2.0 يمكن استدعاؤه عبر API، وكذلك تشغيله وإجراء تدريب إضافي عليه ودمجه في الأنظمة الخاصة، دون مناطق رمادية في الترخيص.

Trinity Large Thinking هو نسخة الاستدلال من عائلة Trinity Large التي تطورها Arcee بوصفها بديلاً مفتوحاً للنماذج الاحتكارية الكبيرة. وقد نشرت الشركة الأوزان على Hugging Face، وأطلقت النموذج في الوقت نفسه عبر API الخاص بها. ولا يقوم الرهان الأساسي هنا على «محادثة شاملة لكل شيء»، بل على المهام التي يحتاج فيها الوكيل إلى الحفاظ على خطة، وتذكّر الخطوات السابقة، واستخدام الأدوات بدقة، وعدم الانهيار بعد عدة تكرارات. وهذه السيناريوهات تحديداً أصبحت اليوم أساسية في تطوير الذكاء الاصطناعي: وكلاء البرمجة، ومشغّلو الأنظمة الداخلية، والمساعدون المؤسسيون، وخطوط المعالجة التي تستدعي خدمات خارجية متعددة.

من حيث البنية، ينتمي النموذج إلى فئة sparse MoE: يبلغ عدد معاملات Trinity Large Thinking نحو 398-400 مليار معامل، لكن نحو 13 مليار فقط تُفعَّل لكل رمز. ويضم النموذج 256 خبيراً لا يعمل منهم في وقت واحد سوى أربعة. وتهدف هذه البنية إلى الحفاظ على سقف مرتفع للجودة دون جعل الاستدلال (inference) مكلفاً إلى درجة يتعذر معها تشغيله. وتتحدث Arcee كذلك عن دعم سياق يصل إلى 512 ألف رمز بعد توسيع النافذة، وهو أمر بالغ الأهمية لدورات العمل الوكيلية الطويلة والمستودعات البرمجية الكبيرة والوثائق الضخمة والمهام المعقدة متعددة الأدوار. وثمة تفصيل لافت: يولّد النموذج «طبقة تفكير» صريحة قبل الإجابة، ويوصى المطورون بالاحتفاظ بسياق الاستدلال هذا بين الأدوار، وإلا فقد تتراجع جودة العمل متعدد الخطوات بشكل ملحوظ.

أبرز ما في الإصدار ليس الترخيص وحده، بل أيضاً التركيز المعلن على القدرة الوكيلية العملية. ووفق بيانات Arcee، يحتل Trinity Large Thinking المركز الثاني في PinchBench، ولا يتخلف إلا عن Claude Opus 4.6، وهو أقوى بوضوح من الإصدار المبكر Trinity Large Preview تحديداً في العمل متعدد الخطوات مع الأدوات، واتباع التعليمات، والحفاظ على التماسك في التشغيلات الطويلة. وتشير الشركة في بطاقة النموذج أيضاً إلى نتائج قوية في عدد من اختبارات الأداء الوكيلية (agentic)، منها τ²-Bench وLiveCodeBench. وفي الوقت نفسه تركز Arcee على الجانب الاقتصادي: فعند الإعلان قدّرت الشركة تكلفة الاستدلال بنحو 0,90 دولار لكل مليون رمز مُخرَج، وقدّمت النموذج بوصفه بديلاً أرخص بكثير من أنظمة الاستدلال المغلقة للوكلاء في بيئات الإنتاج.

وللسياق المحيط بالإصدار أهميته أيضاً. فبحسب الشركة، خدم Trinity Large Preview، الذي قُدّم في أواخر يناير 2026، خلال أول شهرين 3,37 تريليون رمز عبر OpenRouter. وتؤكد Arcee أن نسخة preview أصبحت النموذج المفتوح الأكثر استخداماً في الولايات المتحدة ضمن مجموعة OpenClaw، والرابع عالمياً. وبالنسبة إلى فريق صغير، فهذه طريقة لإثبات أن الطلب على النماذج المفتوحة في السيناريوهات الوكيلية الحقيقية موجود فعلاً، وليس على مستوى العروض التجريبية، بل على مستوى حمل عمل دائم.

ومن الناحية التقنية، جاء المشروع غير تقليدي كذلك: فقد جرى التدريب المسبق لـ Trinity Large على 17 تريليون رمز، واستُخدمت 2048 وحدة GPU من طراز NVIDIA B300، وكانت الشركة قد قدّرت سابقاً تكلفة المسار الكامل وصولاً إلى عائلة Large بنحو 20 مليون دولار.

والخلاصة الرئيسية من الإصدار أن سوق الذكاء الاصطناعي مفتوح المصدر يتحول من سباق «من يكتب النصوص أفضل» إلى سباق «أي نموذج يدير العمل الطويل بموثوقية أكبر». وأهمية Trinity Large Thinking لا تأتي من أنه تجاوز فوراً الرواد المغلقين في جميع المقاييس، بل من أنه يمنح المطورين والشركات خياراً مفتوحاً حقاً آخر لبناء الأنظمة الوكيلية دون قيود من نوع API-only. والسؤال اليوم لم يعد هل يمكن إطلاق نموذج استدلال مفتوح من هذه الفئة، بل إلى أي مدى سيثبت استقراره في بيئة الإنتاج، حيث لا تهم العروض التجريبية الجميلة، بل الدورات التي تمتد ساعات، وكلفة الخطأ، وإمكانية التنبؤ بسلوك النموذج.