能力 vs 帳單
指數 55.1 對應 Σ $1.2／MTok，Value 44.12。高指數不自動等於該買——看任務失敗成本是否撐得住溢價。
效率前沿CF-1.3
Trinity-Large-Preview
Trinity-Large-Preview 定位為「效率前沿」：Cheese Index 55.1（#50）。在能力與成本之間不可被支配，適合短名單第一輪。場景上最貼近「成本優先」。
2026-08-03 快照。 Arcee AI · 1 路交叉訊號 · Pareto · 最佳 Fit 成本優先 · Arcee AI
CHEESE INDEX
56.7#54
DEPTH
—
OPS
—
VALUE
45.35
BALANCE
—
CONSENSUS
—
Σ COST
$1.3
LATENCY
—
優勢訊號
- 落在成本－能力 Pareto 前沿：同成本難找到明顯更強、同能力難找到明顯更便宜。
- 場景 Fit 首選「成本優先」（41.2）。
風險與缺口
- 交叉訊號偏少，指數對單一來源較敏感。
- 尚無部署體感訊號，上線前請補延遲／吞吐實測。
- 長程軸覆蓋不足，長 horizon 任務勿只看總指數。
- 深度維度覆蓋偏低，專長判斷可信度有限。
深度雷達
實線＝本模型 · 虛線＝群體中位
芝士軸
—
場景 Fit
★ 成本優先
均衡穩健
生成原型
編碼代理
長程任務
關鍵取捨
部署體感
Ops—
Latency—
Throughput—
I / O$0.25 / $1
尚無 Ops 訊號：上線前請補延遲與吞吐實測。
驗證清單
- 用 3–5 個自家真實任務（含失敗案例）跑 A/B，勿只看排行分數。
- 記錄延遲 p50／p95、錯誤率與單位任務成本，對齊 Ops／Value 敘事。
- 若作預設模型：設好降級備援（更便宜或更快的分流模型）。
- 上線後追 7 日指數波動與產品 KPI，決定是否留在短名單。