Ripple-65B 开源权重模型：领先 0.42 分，3200 万美元训出美国 SOTA
11 月 4 日，一家叫 Ricursive Intelligence 的芯片设计公司放出了一个语言模型：Ripple-65B Preview。650 亿参数的稠密 Transformer，Apache 2.0 许可，支持 100 万 token 上下文，一上线就挂在 Hugging Face、Together AI、GMI Cloud 和 OpenRouter 上。
它的宣传语是「U.S. Open-Weight SOTA on Agentic Coding」——美国开源权重模型里，agentic 编程能力最强的那一个。这句话当天在 Hacker News 上冲到 199 分、67 条评论，但讨论的重点不是模型好不好用，而是那张对比图。
那张图里只放了美国模型，一个中国开源模型都没有。而 Ripple-65B 领先亚军的幅度，是 0.42 个百分点。这篇 Ripple-65B 开源权重模型的解读，就从这张图说起——因为它恰好暴露了 2026 年开源模型竞争里最真实的一条裂缝。
一句话结论：便宜是真的，领先是窄的，对比是选的
- 它是什么：65B 稠密模型，不是 MoE。总参数 65B，每个 token 激活也是 65B，用 12 万亿 token 预训练，上下文最长 100 万。
- 成绩：TerminalBench 2.1 拿到 80.52，宣称是美国开源权重的第一名。第二名是 501B 的 Reflection Beam，80.1。
- 成本：官方说从零开始的全部研发加训练只花了 3200 万美元，是「上一个开源 agentic 编程 SOTA 的十分之一」。
- 争议：对比图里只有 500B 以上的美国模型，没有任何中国开源模型。而它在 SWE-bench Verified、GPQA、MCP Atlas 等项目上其实都输给了对手。
- 价格：OpenRouter 上走 GMI Cloud，输入 $0.20 / 百万 token，输出 $0.60。比多数同代 API 便宜。
先看清楚它是什么：一个刻意做窄做深的稠密模型
Ripple-65B 的架构描述很有意思。它的模型维度只有 5120，层数却堆到 80 层，官方自己称之为「thin-and-deep」。同类参数的模型通常会把宽度拉得更大、层数压得更浅，它反着来。
训练流程分五段，从 Hugging Face 的模型卡可以完整读到：
| 阶段 | 数据量 | 序列长度 |
|---|---|---|
| 预训练 | 12 万亿 token（以英文与代码为主） | 8K |
| 中训练 | 2000 亿 token | 64K |
| 长上下文阶段 | 65 亿 token | 2M |
| 监督微调（SFT） | 1830 亿 token | 128K |
| 长上下文 SFT | 135 亿 token | 2M |
| 强化学习 | 700 步 | 128K |
值得单独说一句的是它的工程取舍：官方称预训练和后训练全程维持 40% MFU，做法是「简单的分片、不写自定义 kernel、不做量化」。这在 2026 年的规模竞赛里算是相当朴素的一套——大多数团队会在这三项上各写一篇博客。它反过来说明，这 3200 万美元省下来很大一部分是从工程复杂度里省的。
Ripple-65B 的对比图：只跟愿意比的人比
官方公布的 TerminalBench 2.1 对比是这样的：
| 模型 | 参数 | TerminalBench 2.1 |
|---|---|---|
| Ripple-65B Preview | 65B（稠密） | 80.52 |
| Reflection Beam | 501B | 80.1 |
| Meta Muse Spark Open | 816B | 76.4 |
| Thinking Machines Inkling | 975B | 63.8 |
| NVIDIA Nemotron 3 Ultra | 550B | 56.4 |
问题有两个层次。
第一层是领先幅度。第一名和第二名差 0.42 个百分点。这个量级落在大多数 benchmark 的噪声范围里——换一套评测 harness、换一个 agent 框架，名次就可能翻过来。HN 上有评论者直接指出，官方在「按体量对比」的图里选了 975B 的 Inkling，却没选更小、更强的 Reflection Beam 1.0。
第二层是缺了谁。整张图里没有 Qwen、没有 DeepSeek、没有 Kimi。评论区的反应基本可以概括成一句话：「不提 Qwen 的对比图，通常意味着成绩不太行」。有评论者给出 Qwen 3.8 Flash Next 在 TerminalBench 2.1 上是 84.3、Qwen 3.8 27B 是 73.0——这组数字来自 HN 读者而非官方榜，我不能当作定论；但如果大方向成立，那 Ripple-65B 的 80.52 在全球开源模型里排不进第一，甚至排不进前二。
同样值得注意的是，即便在官方自己公布的完整评测表里，Ripple-65B 也只是赢了两项：TerminalBench 2.1（80.5 对 80.1）和 SWE-bench Pro v2.0 Hard（79.1 对 76.5）。其余项目普遍落后：
| 项目 | Ripple-65B | 表中最强对手 |
|---|---|---|
| MMLU | 89.6 | 92.6（Muse Spark Open） |
| MMLU-Pro | 84.2 | 87.9（Muse Spark Open） |
| GPQA Diamond | 85.2 | 90.6（Reflection Beam） |
| AIME 2025 | 98.3 | 100.0（Muse Spark Open） |
| SWE-bench Verified | 76.5 | 81.6（Reflection Beam） |
| DeepSWE 1.1 | 44.3 | 60.0（Muse Spark Open） |
| MCP Atlas | 71.67 | 89.2（Muse Spark Open） |
所以准确的说法是：它是一个在「终端操作」这一个维度上很能打的 65B 模型，不是一个全面领先的模型。MCP Atlas 差 17.5 分这件事尤其值得留意——如果它真的擅长 agentic 编程，工具调用与 MCP 生态上的短板会成为实际使用中的硬伤。
3200 万美元这个数字，比 SOTA 更有信息量
抛开排名争议，这件事里最有价值的其实是一个成本数字。
官方说：Ripple-65B Preview 从零开始的研发加训练，总共花了 3200 万美元，包含模型阶梯（model ladder）实验、数据配比、评测、调试、合成数据、后训练配方和最终训练跑次。并称这是「上一个开源 agentic 编程 SOTA」的十分之一——同时标注了「据我们所知估计」。
强化学习部分只用了 140 万次 rollout，官方称比 Reflection Beam 少约 70 倍。配方里用到了截断重要性采样、分数中心化和线性长度惩罚。
HN 上有一条评论我觉得抓住了重点：这个模型本身「也就那样」，但训练成本很值得外推——照这个曲线，三年后做一个同等水平的模型大概只要 500 万美元以内，一个像样的机构甚至众筹团队都能玩得起。
这个判断和另一条事实能对上：Ricursive Intelligence 是一家 2026 年初拿到 3 亿美元 A 轮、估值 40 亿美元的公司（TechCrunch 另有「四个月内累计 3.35 亿美元」的表述，两个口径略有出入，以公开报道为准）。它有资本做这种实验，而它把钱花在「用更少的算力做出可用的模型」上——因为它的主业是芯片设计，模型只是它闭环里的一环，不是终点。
65B 稠密模型在 2026 年意味着什么
这一条和想本地部署的人关系最大：65B 稠密，意味着每个 token 都要过全部 65B 参数。
对比 Qwen 3.8 Flash Next：180B 总参数，但每 token 只激活 6B。内存带宽和算力开销完全是两个量级。稠密模型的代价是——即使在 200GB 级别的 Mac Studio 集群上能装下，速度也会让人难受；而 MoE 模型可以把大部分权重放在内存里、按需换进显存，实际体验完全不同。
HN 上有 Mac Studio 用户表示「终于有一个能跑得动的开源好模型」，立刻就有人纠正：稠密模型在 Mac 上会很慢。这个分歧本身就说明了问题——「能不能装下」和「跑得快不快」在稠密模型上是两件事。
所以对绝大多数人，正确的用法不是本地跑，而是走 API：OpenRouter 上 $0.20 / $0.60 每百万 token 的价格，在 agentic 编程这个场景里相当有竞争力。装不下没关系，买得起就行。
为什么「美国开源权重」这个标签有人买单
很多人第一反应是：开源权重还分国籍？权重都放出来了，谁跑不是跑？
但评论里有一类回答非常实在：不少机构被明文禁止使用不在美国司法管辖下的公司的模型，连本地部署都不行。政府机构、国防相关承包商、部分受监管行业，采购清单上直接排除中国模型。对这些用户来说，「美国开源权重」不是营销话术，而是能不能用的前提条件。
这条路 Mistral 已经走过——欧洲主权模型的定位逻辑完全一样。所以 Ripple-65B 的真实市场，大概率不是「和 Qwen 抢开源榜首」，而是「在一个没有竞争者的细分市场里当第一名」。
理解这一点，那张对比图就不荒唐了：它画给的是那些根本不会把 Qwen 放进候选名单的采购方。对这批人来说，图上的每一个模型都是真实的可选项。
适合谁，怎么用
- 值得试：需要在美国管辖范围内选一个开源权重模型、又要跑终端类 agent 任务的团队。Apache 2.0 可商用，65B 也不算贵。
- 值得看：关注训练成本曲线的人。3200 万美元加 140 万次 rollout 加 40% MFU 的组合，是「小团队做出可用模型」的一个具体样本。
- 先别急：如果你的任务涉及大量 MCP 工具调用，或者需要稳定的通用推理，71.67 分与 89.2 分的差距摆在台面上，现在换过去大概率是降级。
- 别指望本地跑：65B 稠密在消费级硬件上体验会很差，除非你有 200GB 以上的统一内存并接受慢速。
小结
Ripple-65B 是一个有真实技术进步、但被包装过度了的模型。65B 稠密、12 万亿 token 预训练、100 万上下文、3200 万美元成本，这些是扎实的事实；「美国开源权重 SOTA」这句话，则依赖一个精心挑选的对比范围和一个 0.42 分的领先。
我的看法是：不必因为它不比 Qwen 就否定它。开源模型的竞争早已不是一张榜单能概括的了——按市场规模、按司法辖区、按部署形态，各自都有各自的冠军。真正该记住的是那个成本数字：当 65B 级别的 agentic 模型能用 3200 万美元做出来，下一轮竞争的门槛就不再是「谁有钱」，而是「谁的方法更省」。
如果你在挑一个能跑 agent 任务的开源模型，建议把 Ripple-65B 放进候选，但一定自己跑一遍你的真实任务再决定，尤其是工具调用密集的那部分。榜单上的 0.42 分，和你手上的 20 个任务，是两回事。
参考来源
- Ricursive：Ripple-65B Preview 发布页（2026-11-04，benchmark 与成本口径的原始出处）
- Hugging Face：ricursiveAI/Ripple-65B-Preview（模型卡、训练阶段与完整评测表，Apache 2.0）
- Hacker News 讨论（199 分、67 条评论，含对对比图与 Qwen 缺失的主要质疑）
- OpenRouter：Ripple-65B Preview（GMI Cloud 报价 $0.20 / $0.60 每百万 token）
- TechCrunch：Ricursive Intelligence bets on AI-designed chips（公司背景、创始人与融资，2026-10-14）
