01Ce qu'il sait faire
Points forts
- MoE efficace (3.5B actifs)
- 131k contexte
- Bon en agents
- Apache 2.0
Limites à connaître
- —Peu de benchmarks publics
- —Moins connu que Mistral/Qwen
Architecture
MoE · 26B total / 3.5B actifs · Arcee AI · 131k contexte
Entraînement
Arcee AI — MoE compact pour agents et enterprise.
Idéal pour
MoE compactChat efficient
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
15 Go
Q5_K_M
Bon compromis qualité/taille
18 Go
Q8_0
Quasi-indistinguable de FP16
28 Go
FP16
Pleine précision — usage serveur
52 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 24 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Trinity Mini 26B-A3B ?
Pour exécuter Trinity Mini 26B-A3B en local en quantification Q4, il faut environ 15 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5070 Ti (16 Go de VRAM).
Où acheter le RTX 5070 Ti
DartyVoir RTX 5070 Ti →RakutenVoir RTX 5070 Ti →AmazonVoir RTX 5070 Ti →Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama pull hf.co/arcee-ai/Trinity-Mini-26B-GGUF
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.