Ripple-65B Preview以650亿参数登上美国开源SOTA

从芯片设计内部走出的650亿通用版

2026年11月4日，Ricursive Intelligence（@RicursiveAI）发布了Ripple-65B Preview。该公司是同时优化硬件、软件与模型的全栈AI研究机构，为驱动自有芯片设计平台，从零训练了语言模型。此次发布的是该自研模型的通用版本。

预训练使用12万亿token，上下文长度最长100万。稠密结构旨在加快推理、降低token生成延迟；由于参数规模较小，即便在算力充足、但内存带宽比数据中心加速器更窄的NVIDIA DGX Spark这类本地机器上，也能高效运行。公司如此说明。

出处[1][2]

以十分之一的费用创下智能体编程的美国纪录

官方帖文将其定位为面向智能体编程的美国开源权重新标杆。TerminalBench 2.1得分为80.52，高于Reflection Beam 501B的80.1、Meta Muse Spark Open 816B的76.4、Thinking Machines Inkling 975B的63.8，以及NVIDIA Nemotron 3 Ultra 550B的56.4。

出处[1][2]

避开蛮力强化学习的3200万美元

公司将开发与训练总费用定为3200万美元，并估计这仅为以往训练面向智能体编程的顶尖开源权重所需费用的十分之一。该金额涵盖阶梯开发、数据配比、评测、调试、合成数据、后训练方案，直至最终的正式训练与后训练，是从零开始的全部研发费用。

作为对照，页面提到：2023年萨姆·奥尔特曼曾说GPT-4的训练费用超过1亿美元；达里奥·阿莫迪则认为前沿模型最高可达10亿美元，并预计2026年至2027年仅预训练就可能达到100亿至1000亿美元规模。他们没有采用蛮力强化学习，而是以计算效率为优先，反复迭代SFT与RL。

出处[2]