65B 稠密模型登顶美国开源榜：Ripple-65B Preview 发布

11 月 4 日，人工智能芯片设计创业公司 Ricursive Intelligence 发布了其首款公开语言模型 Ripple-65B Preview。这是一款基于 Apache 2.0 协议开放权重的稠密（Dense）Transformer 模型，总参数 650 亿，从零开始在 12 万亿 token 的文本与代码语料上完成预训练，上下文长度最高支持 100 万 token，主要面向智能体编程（agentic coding）场景。

小模型跑赢千亿 MoE

Ripple-65B 的核心看点在于”以少胜多”。Ricursive 公布的官方数据显示，该模型在 Terminal-Bench 2.1 上取得 80.52 分，是该公司所称的美国开源权重模型中自报的最高分。更关键的是，它在这一测试上超过了多家参数量大得多的混合专家（MoE）模型：Reflection 的 Beam 501B 得 80.1 分，Meta 的 Muse Spark Open 816B 得 76.4 分，Thinking Machines 的 Inkling 975B 得 63.8 分，英伟达 Nemotron 3 Ultra 550B 得 56.4 分。

在 SWE-bench Pro v2.0 Hard 上，Ripple-65B 报告得分 79.1，略高于 Beam 的 76.5。不过模型在其他基准上并不均衡：在 SWE-bench Verified、DeepSWE 1.1、SciCode 与 MCP Atlas 等项目上，它仍落后于体量更大的 MoE 对手，属于一款在编程智能体方向特化的模型。

三种权重与可用渠道

本次发布包含三个检查点（checkpoint）：指令微调的 BF16 版本、面向本地硬件（如英伟达 DGX Spark）的实验性 NVFP4 版本，以及仅做预训练的 BF16 基础版本，全部采用 Apache 2.0 许可，允许商用与修改。

模型权重已在 Hugging Face 上线，并通过 Together AI 提供托管 API，定价为每百万输入 token 0.20 美元、输出 token 0.60 美元；此外还在 GMI Cloud、OpenRouter 等平台提供服务，Fireworks 随后接入。Ricursive 表示，在两张英伟达 B200 显卡上，BF16 版本可达约每秒 250 token 的推理速度，NVFP4 版本可运行在单台 DGX Spark 上。

3200 万美元的研发账本

成本是该模型另一大卖点。Ricursive 称，从早期 Scaling 实验到最终训练运行的全部研发开支为 3200 万美元，约为此前开源编程模型领跑者的十分之一。达到 Terminal-Bench 80.5 分仅用了 140 万次强化学习 rollout，公司称这比 Beam 少了约 70 倍。据 VentureBeat 报道，Ricursive 的创始团队来自前 Google 研究员，开发期间团队从 1 人增长到 5 人。

局限与定位

需要指出的是，所有基准与成本数据均来自 Ricursive 自身，发布时暂无独立评测。模型标注为”Preview”，且公司自述后训练相对轻量、聚焦于编程智能体，说明产品仍会迭代。其通用知识、科学编程等方向相对弱于更大规模的对手，更适合作为自主编程智能体的底层模型使用。Ripple 也是 Ricursive 为其 AI 芯片设计平台所打造专有模型的通用版本，某种程度上验证了一条”小预算也能做出前沿推理模型”的路线。