Ripple-65B Preview:Apache 2.0 的 65B 稠密智能体模型

芯片设计实验室 Ricursive Intelligence 在 11 月 4 日发布了 Ripple-65B Preview:面向智能体编程的 65B 稠密文本模型,上下文 100 万 token,采用 Apache 2.0,另有 57 GB 的 NVFP4 版本。

  • 新发布
  • 阅读约 4 分钟
  • 发布于

用 AI 设计芯片的美国初创公司 Ricursive Intelligence 在 2026 年 11 月 4 日以 Apache 2.0 许可证发布了 Ripple-65B Preview。这是一个纯文本模型,参数量 648 亿,面向智能体编程。

有什么新内容

Ricursive 称 Ripple 是驱动其芯片设计平台的专有模型的通用版本。它从零开始在 12 万亿 token 上训练,语料以英文文本和代码为主。它是稠密模型,不是混合专家,每个 token 都会用到全部参数;Ricursive 说,这个选择让训练足够简单,一个 1 到 5 人的团队就能完成。80 层中有 64 层在 1024 token 的滑动窗口内做注意力,16 层使用全局注意力,从而控制长上下文的内存占用。模型卡承诺的上下文是 1,048,576 token。

在 Ricursive 自己的表格里,它的 Terminal-Bench 2.1 得分为 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。同一张表也显示,SWE-bench Verified 上 Beam 领先(81.6 对 76.5),MCP Atlas 上 Muse Spark Open 领先(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。

运行它

官方发布了四个仓库:BF16 指令微调模型(129.6 GB)、仅预训练的基础模型、实验性的 NVFP4 版本(57.2 GB,只量化 MLP 层),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。按我们的估算,4 位版本约需 45 GB,所以本地运行的现实下限是 48 GB 的 GPU,或 64 GB 的统一内存机器。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。

许可证

权重采用 Apache 2.0:允许商用,没有营收上限,没有地域排除,也不禁止用输出去训练其他模型。仓库里带有 LICENSE 文件,条款容易核实。

为什么重要

Ripple-65B Preview 说明,稠密模型报告的智能体编程得分可以和大得多的混合专家模型处在同一档,而且体量一台多卡服务器或一台 128 GB 的桌面机器就能承载。比如 Reflection Beam 有 5010 亿参数,最小的版本也有 294 GB。代价是计算量:每个 token 都要运行全部 648 亿参数,而 Beam 只激活 234 亿。

它同时也是预览版。Ricursive 称后训练相对较轻,所有基准数字都是自报,100 万 token 的上下文是它的说法,我们没有验证。想看参数更少、自报得分相近的模型,见 Ripple-65B 与 Nanbeige4.3-33B 对比;想了解如何按硬件选模型,见如何为编程智能体挑选开放模型。

来源

本文涉及的模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Ripple-65B Preview Ricursive Intelligence 64.8B 1M Apache 2.0 (宽松) 45 GB 工作站
Reflection Beam Reflection AI 501B 激活 23.4B 1M Apache 2.0 (宽松) 323 GB 大内存台式机
Muse Spark Open Meta 816B 激活 42B 1M Muse Model License (附条件) 563 GB GPU 服务器
Nanbeige4.3-33B Nanbeige LLM Lab 33.1B 512K Apache 2.0 (宽松) 23 GB 游戏显卡