Arcee AI: Coder Large
Sorti le 5 mai 2025, Arcee AI: Coder Large est un LLM d’Arcee AI orienté vers le code. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par les modèles plus récents et susceptible de ne plus figurer au catalogue de l’éditeur.
Sorti le 5 mai 2025, Arcee AI: Coder Large est un LLM d’Arcee AI orienté vers le code. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par les modèles plus récents et susceptible de ne plus figurer au catalogue de l’éditeur.
Le modèle combine une fenêtre de contexte de 32 768 tokens et des connaissances arrêtées au 31 mars 2025. Son principal avantage reste son prix très économique, inférieur de 75% à la moyenne des LLM similaires et environ 11 fois plus bas que celui des modèles frontière.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Arcee AI |
| Poids | ▫ n.d. |
| Date de sortie | 5 mai 2025 |
| Connaissances jusqu'à | 2025-03-31 |
| Multimodal | non |
| Fenêtre de contexte | 32 768 tokens |
| Modalités (entrée → sortie) | text → text |
Notre analyse
Forces. Arcee AI: Coder Large se distingue surtout sur Hallucinations (Baseline), où il obtient le meilleur résultat parmi 234 modèles évalués. Ce classement constitue son signal comparatif le plus solide, sans garantir l’absence d’erreurs dans tous les usages. Ethics, General Knowledge et Email Classification affichent des scores bruts élevés, même si leurs classements relatifs les placent plutôt du milieu vers le bas des tableaux concernés. La fenêtre de 32 768 tokens autorise le traitement de volumes de texte conséquents. Le tarif d’entrée de 0,5 $ par million de tokens et de sortie de 0,8 $ par million en fait surtout une option historiquement très économique.
Limites et points d’attention. Malgré son positionnement de modèle de code, Coding se situe dans la partie basse du classement, tandis que Reasoning reste en retrait. Les bons pourcentages obtenus sur plusieurs tests doivent donc être lus avec leurs rangs, nettement moins favorables face aux autres modèles évalués. Environ un an après sa sortie, ses performances sont probablement largement dépassées par celles des générations récentes. À cette ancienneté, un modèle est aussi souvent retiré du catalogue de son éditeur. Ses connaissances s’arrêtent au 31 mars 2025, ce qui limite sa pertinence sur les évolutions ultérieures.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com).