Arcee AI ha lanzado Trinity Large-Thinking, un modelo de razonamiento de pesos abiertos que se planta muy cerca de Claude Opus 4.6 en tareas agénticas y cuesta unas veintiocho veces menos. Y es de fabricación estadounidense, un detalle que ya no se da por sentado en el mundo de los modelos abiertos.
Puntos clave
- Trinity Large-Thinking se anunció el 1 de abril de 2026 bajo licencia Apache 2.0, con pesos descargables.
- Arquitectura MoE de 398.000 millones de parámetros totales y unos 13.000 millones activos por token, con 262K de contexto.
- En PinchBench (tareas agénticas) marca 91,9 frente a los 93,3 de Opus 4.6. En IFBench, 52,3 frente a 53,1, prácticamente empatados.
- En SWE-Bench Verified se queda atrás: 63,2 frente a 75,6. La fortaleza está en agentes, no en código puro.
- Coste: 0,90$ por millón de tokens de salida, alrededor de un 96% más barato que los 25$ de Opus 4.6.
- Disponible en HuggingFace, la API de Arcee y OpenRouter.
Qué es y para qué sirve
Trinity es un modelo mixture-of-experts: tiene 398.000 millones de parámetros en total pero solo activa unos 13.000 millones por cada token que procesa. Esa es la razón de que sea tan barato de operar pese a su tamaño. Antes de responder ejecuta un bloque de "razonamiento", que es lo que le da el apellido Large-Thinking, y está diseñado específicamente para tareas de largo horizonte: agentes que encadenan muchas llamadas a herramientas sin perder el hilo.
El posicionamiento es honesto. Rivaliza con Opus en benchmarks agénticos (PinchBench, IFBench), donde se queda a un par de puntos. Donde no llega es en código puro: en SWE-Bench Verified hay una brecha clara a favor de Opus. Arcee no vende un sustituto universal, vende un modelo de agentes muy competente y muy barato.
El dato que manda: 0,90$
La cifra que lo cambia todo es el precio. 0,90 dólares por millón de tokens de salida frente a los 25 de Opus 4.6. Eso es un 96% menos, del orden de veintiocho veces más barato. Para una tarea puntual, la diferencia es irrelevante. Para un agente que trabaja en bucle durante horas, generando y consumiendo millones de tokens, es la diferencia entre que la idea sea rentable o que no salga de la demo.
Y como los pesos son abiertos bajo Apache 2.0, no dependes de la API de nadie. Te lo puedes descargar de HuggingFace y correrlo en tu propia infraestructura, con tus datos sin salir de tus servidores. Para una empresa con requisitos de privacidad, esa opción vale tanto como el precio. Si prefieres no montar servidores, también está disponible en la API de Arcee y en OpenRouter, así que puedes probarlo sin comprometerte a nada.
Hay un detalle geopolítico que no conviene pasar por alto. Casi todos los modelos abiertos potentes de los últimos meses vienen de China. Trinity es de fabricación estadounidense, entrenado en miles de GPU de Nvidia. Para empresas o administraciones con reparos sobre el origen de sus modelos, tener una alternativa abierta y occidental es una casilla que hasta ahora costaba marcar.
Por qué importa para un founder español
Trinity es un buen ejemplo de una idea que deberías tener clara: el modelo top no siempre es el que necesitas.
Si tienes un caso de uso agéntico (un asistente que procesa tareas en cadena, un flujo que llama a varias herramientas), la pregunta no es cuál es el mejor modelo del mundo, sino cuál es el más barato que hace bien tu tarea concreta. Para muchos agentes, un modelo que se queda a dos puntos del líder pero cuesta veintiocho veces menos es la respuesta correcta. La calidad extra del líder no te compensa el bocado que le pega a tu margen.
Y la opción de pesos abiertos abre una puerta que conviene no olvidar. Poder correr el modelo en tu propia infraestructura, con tus datos sin salir de casa, resuelve de golpe media conversación sobre privacidad y RGPD. No es para todos, pero si manejas datos sensibles, tenerlo sobre la mesa cambia lo que puedes construir.
Relacionado
