一家去年底才成立的芯片设计实验室，交出了自己的第一款大模型，而且一上来就冲着开源榜首去的。Ricursive Intelligence 11 月 4 日发布 Ripple-65B Preview：65B 参数的密集（dense）Transformer，从头预训练，训练数据 12 万亿 token，上下文最长支持 100 万 token，Apache 2.0 协议开源，权重已上架 Hugging Face，同时可在 OpenRouter、Together AI 等平台调用。
最抓眼球的是它自报的成绩单。在智能体编程基准 Terminal-Bench 2.1 上，Ripple-65B Preview 得分 80.52，公司称这是美国开源权重模型里的最高分——排在它身后的是一串参数量大得多的名字：Reflection Beam-501B（80.1）、Meta Muse Spark Open-816B（76.4）、Thinking Machines Inkling-975B（63.8）、英伟达 Nemotron 3 Ultra-550B（56.4）。模型卡还列了 SWE-bench Verified 76.5、SWE-bench Pro v2.0 Hard 79.1、GPQA Diamond 85.2。架构上它反潮流地没用 MoE，而是 80 层瘦高结构（hidden 维度 5120），全部 65B 参数每 token 都参与计算；公司称整个研发投入约 3200 万美元，核心团队在开发期间只有 1 到 5 人。
值得关注的还有两点。一是它确实能本地跑：65B 的体量可塞进英伟达 DGX Spark 这样的消费级硬件，官方还给了 NVFP4 量化检查点和 Colab 上手示例；数据中心 GPU 上 2 张 B200 能跑到每秒 250 token。二是这家公司的来头——联合创始人 Anna Goldie 与 Azalia Mirhoseini 是谷歌 AlphaChip 背后的研究者，Ripple 本就是其芯片设计平台内部模型的通用版本，这次是把“吃饭家伙”拿出来开源。
不过先泼一瓢冷水：以上成绩目前均为厂商自报，模型卡自己也承认，不同评测 harness 下 Terminal-Bench 分数会漂移，暂无独立第三方复现；而且这还是个 Preview 版，后训练做得比较轻、主攻智能体编程，通用能力未必处处占优。把它当作“小参数 dense 路线也能打”的有力证据可以，当作已盖棺定论的榜首还为时过早。站内此前报道的 Kimi K3.1 Pro 权重上线与 Mistral 1 万亿参数 Large 4 开源，都是同一波开源权重模型竞赛里的不同打法，可以对照着看。
来源：Ricursive Intelligence / Hugging Face，原文：https://huggingface.co/ricursiveAI/Ripple-65B-Preview
没有回复内容