Ripple-65B Preview
来自芯片设计实验室的 65B 稠密纯文本模型。Apache 2.0,擅长智能体编程,另有可放进 DGX Spark 的 NVFP4 版本。
一句话概括. Ripple 是 Ricursive Intelligence 推出的 650 亿参数文本模型,这家美国初创公司用 AI 来设计芯片。它面向编程智能体,Apache 2.0 许可证允许商用。全精度需要约 130 GB 内存,57 GB 的 NVFP4 版本则是为 NVIDIA DGX Spark 这类桌面机器准备的。
概述
Ricursive Intelligence 是一家用 AI 做芯片设计的美国实验室,于 2026 年 11 月 4 日以 Apache 2.0 许可证发布了 Ripple-65B Preview。Ricursive 称它是驱动其芯片设计平台的专有模型的通用版本。这是一个纯文本模型,参数量 648 亿,从零开始在 12 万亿 token 上预训练,语料以英文文本和代码为主。
Ripple 是稠密模型,不是混合专家,每个 token 都会用到全部参数。Ricursive 说,这个选择让预训练和后训练足够简单,一个 1 到 5 人的团队就能完成,硬件利用率约 40%,也不需要自定义内核。网络采用“窄而深”的形状:隐藏维度 5120,80 层,80 个注意力头和 8 个键值头。其中 64 层在 1024 token 的滑动窗口内做注意力,16 层使用不带位置编码的全局注意力,从而控制长上下文的内存占用。训练方案以 AI2 的 Olmo 3 基线为起点,加入了 FFN 激活截断、门控注意力和 value residual。预训练使用 8K token 的序列,随后是 2000 亿 token 的中期训练、序列最长 200 万 token 的长上下文阶段、监督微调和混合领域强化学习。Ricursive 称后训练相对较轻,重点放在智能体编程上。模型卡承诺的上下文是 1,048,576 token,而配置文件允许 2,097,152 个位置。Ricursive 还把完整的研发成本估为 3200 万美元,这是它自己的估算。
Ricursive 报告 Terminal-Bench 2.1 得分 80.5,高于它列出的 Reflection Beam 的 80.1、Muse Spark Open 的 76.4、Inkling 的 63.8 和 Nemotron 3 Ultra 的 56.4。它自己的表格也显示了别人领先的地方:Beam 在 SWE-bench Verified 上更高(81.6 对 76.5),Muse Spark Open 在 MCP Atlas 上更高(89.2 对 71.7)。Ricursive 提醒,智能体得分会随测试框架变化,表中好几个对手的数字是它自己的内部复测。官方共发布四个仓库:BF16 指令微调模型(129.6 GB)、仅预训练的 BF16 基础模型、实验性的 NVFP4 版本(57.2 GB,只量化 MLP 层,注意力保持 BF16),以及名为 DFlash2 的推测解码草稿模型。模型卡说 NVFP4 版本可以放进 NVIDIA DGX Spark,并附有 Colab 笔记本。服务器方面,仓库提供了在两块 B200 GPU 上运行的 SGLang 方案,Ricursive 报告在批大小 8、未量化也没有自定义内核时每秒 250 个 token。
适合做什么
- 在一台多卡服务器或大内存工作站上做智能体编程和终端任务,而不必用八卡机架
- 想要美国研发、Apache 2.0 条款、且没有营收条件的团队
- 用 57 GB 的 NVFP4 版本在 128 GB 的桌面机器上做本地实验
- 研究稠密与混合专家设计的取舍,因为官方还发布了基础模型和推测解码草稿模型
需要注意
- 这是预览版,Ricursive 称后训练相对较轻,重点在智能体编程
- 只处理文字,以英文和代码为主,不支持图像输入
- 基准数字均为自报,若干对手的得分是 Ricursive 自己跑的,Terminal-Bench 得分还会随评测框架变化
- 每个 token 都要运行全部 648 亿参数,所以每个 token 的计算量高于约 230 亿激活参数的混合专家模型
- NVFP4 版本标为实验性,100 万 token 的上下文是开发者的说法,我们没有验证
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 Ripple-65B Preview 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| Ripple-65B Preview BF16 | 64.8B | 149 GB | 75 GB | 45 GB | 工作站 |
| Ripple-65B Preview NVFP4 (experimental) NVFP4 | 64.8B | 149 GB | 75 GB | 63 GB | 工作站 |
| Ripple-65B Base Preview BF16 | 64.8B | 149 GB | 75 GB | 45 GB | 工作站 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
- Ripple-65B 与 Nanbeige4.3-33B 对比:该选哪个新的智能体模型?
- 2026 年最佳开源大模型
- 最适合编程和 AI 智能体的开源模型
- Nanbeige4.3-33B:33B 智能体模型,INT4 版本约 23 GB
- Ripple-65B Preview:Apache 2.0 的 65B 稠密智能体模型
- 超大开源模型开始直接以 4 位发布:对内存规划意味着什么
常见问题
- Ripple-65B Preview 是什么?
- Ripple 是 Ricursive Intelligence 推出的 650 亿参数文本模型,这家美国初创公司用 AI 来设计芯片。它面向编程智能体,Apache 2.0 许可证允许商用。全精度需要约 130 GB 内存,57 GB 的 NVFP4 版本则是为 NVIDIA DGX Spark 这类桌面机器准备的。
- Ripple-65B Preview 可以商用吗?
- 可以。Ripple-65B Preview 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Ripple-65B Preview 是开源的吗?
- Ripple-65B Preview 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Ripple-65B Preview 吗?
- 只有工作站才行。最小版本 Ripple-65B Preview 在 4 位精度下约需 45 GB 内存,建议准备 48 至 96 GB 的显卡、多张显卡,或大内存的 Mac。
- Ripple-65B Preview 是什么时候发布的?
- Ripple-65B Preview 由 Ricursive Intelligence 于 2026年11月4日 发布。
- Ripple-65B Preview 的上下文窗口有多长?
- Ripple-65B Preview 支持最长 1M token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Introducing Ripple-65B Preview (Ricursive Intelligence) ricursive.com
- Ripple-65B-Preview model card (Hugging Face) huggingface.co
- Ripple-65B-Preview-NVFP4 model card (Hugging Face) huggingface.co
- Ripple-65B-Base-Preview model card (Hugging Face) huggingface.co
- Ripple-65B Preview LICENSE (Apache 2.0) huggingface.co
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Reflection Beam Reflection AI | 501B 激活 23.4B | 1M | Apache 2.0 (宽松) | 323 GB 大内存台式机 | |
| Nanbeige4.3-33B Nanbeige LLM Lab | 33.1B | 512K | Apache 2.0 (宽松) | 23 GB 游戏显卡 | |
| Qwen3.8-27B Alibaba Qwen | 27.8B | 256K | Apache 2.0 (宽松) | 19 GB 游戏显卡 | |
| Muse Spark Open Meta | 816B 激活 42B | 1M | Muse Model License (附条件) | 563 GB GPU 服务器 |