Arcee AI: Virtuoso Large
Sorti le 5 mai 2025, Arcee AI: Virtuoso Large est un LLM d’Arcee AI au positionnement très économique. Sa fenêtre de contexte de 131 072 tokens autorise le traitement de volumes de texte importants, tandis que ses connaissances s’arrêtent au 31 mars 2025.
Sorti le 5 mai 2025, Arcee AI: Virtuoso Large est un LLM d’Arcee AI au positionnement très économique. Sa fenêtre de contexte de 131 072 tokens autorise le traitement de volumes de texte importants, tandis que ses connaissances s’arrêtent au 31 mars 2025.
Son ancienneté d’environ un an est déjà très élevée à l’échelle de l’IA. Virtuoso Large appartient désormais à une génération à comparer aux modèles de sa période, plutôt qu’aux systèmes actuels. Il est probablement dépassé, et les modèles de cet âge sont souvent retirés du catalogue de leur éditeur.
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 | 131 072 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 99,5 % | 47ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 11ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 84,0 % | 96ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 79,0 % | 103ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 74,0 % | 84ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 63,0 % | 74ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Together | 0,75 $ | 1,2 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 64 % en dessous de la moyenne des LLM similaires, et 7,3 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,02 $ |
| Latence moyenne par benchmark — Benchable | 1 min 50 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Les meilleurs résultats de Virtuoso Large concernent les tests Baseline de Benchable. Il partage le score maximal en Hallucinations avec 45 autres modèles et en Ethics avec 71 autres. Son résultat en Email Classification le place également près du haut du classement, à égalité avec 40 modèles. Ces benchmarks sont toutefois plafonnés et peu discriminants. Sa fenêtre de 131 072 tokens constitue un autre point notable. Le prix reste son avantage le plus concret : il se situe 64% sous la moyenne des LLM similaires et environ 7,3 fois sous celui des modèles frontière.
Limites et points d'attention. Les résultats techniques sont nettement plus faibles. Virtuoso Large se classe 96e sur 162 en Coding et 103e sur 140 en Mathematics, ce qui le place en retrait sur ces deux domaines. Même son score maximal en General Knowledge correspond seulement à une 47e place partagée, autre signe d’un benchmark saturé. Ses connaissances s’arrêtent au 31 mars 2025. Avec environ un an d’ancienneté, ses performances sont probablement largement dépassées par les générations récentes, et les modèles de cette période disparaissent souvent des catalogues des éditeurs.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).