Arcee AI: Trinity Large Preview

Arcee AI: Virtuoso Large

arcee-ai

Virtuoso-Large — это флагманская универсальная языковая модель от Arcee с 72 миллиардами параметров, оптимизированная для решения задач междисциплинарного логического вывода, креативного письма и корпоративных ответов на вопросы. В отличие от многих аналогов в категории 70B, она сохраняет контекстное окно в 128 000 токенов, унаследованное от архитектуры Qwen 2.5, что позволяет ей целиком обрабатывать книги, кодовые базы или финансовую отчетность. Процесс обучения включал дистилляцию знаний из DeepSeek R1, многоэтапную контролируемую тонкую настройку и финальную стадию выравнивания через DPO/RLHF, что обеспечило высокие результаты в тестах BIG-Bench-Hard, GSM-8K и испытаниях на поиск информации в длинном контексте. Компании используют Virtuoso-Large на платформе alltokens в качестве основного вычислительного узла в конвейерах Conductor, когда малые языковые модели показывают низкую уверенность в ответе. Несмотря на внушительный размер, агрессивная оптимизация KV-кэша позволяет сохранять задержку до генерации первого токена в пределах нескольких секунд на узлах с 8 картами H100, что делает модель практичным и мощным инструментом для промышленной эксплуатации.

Arcee AI: Coder Large

arcee-ai

Coder-Large — это модель с 32 миллиардами параметров, созданная на базе Qwen 2.5-Instruct и прошедшая дополнительное обучение на репозиториях GitHub с разрешительными лицензиями, наборе данных CodeSearchNet и синтетических корпусах для исправления ошибок. Модель поддерживает контекстное окно размером 32k токенов, что позволяет выполнять рефакторинг нескольких файлов или проверку длинных диффов за один запрос. Она понимает более 30 языков программирования, уделяя особое внимание TypeScript, Go и Terraform. Внутренние тесты показывают преимущество в 5–8 пунктов над CodeLlama-34B-Python в бенчмарке HumanEval, а также высокие результаты в задачах BugFix благодаря этапу обучения с подкреплением, который поощряет компилируемый код. По умолчанию модель генерирует структурированные объяснения вместе с блоками кода, что делает её подходящей как для образовательных инструментов, так и для интеграции в рабочие процессы автодополнения кода. С точки зрения стоимости alltokens предлагает решение значительно дешевле проприетарных аналогов, позволяя командам масштабировать интерактивную разработку без чрезмерных затрат.