一句话看懂：Ricursive 于 2026 年 11 月 4 日发布 Ripple-65B Preview，一款 650 亿参数、Apache 2.0 许可的稠密开放权重模型，自报在 Terminal-Bench 2.1 上取得 80.5 分，是当前美国开放权重模型中该测试的最高自报成绩。
事件核心：发生了什么
Ripple-65B Preview 由 Ricursive Intelligence 从零预训练，定位为智能体编程（agentic coding）的通用版本，底层技术与其芯片设计平台所用的专有模型同源。模型采用稠密 Transformer，预训练语料 12T tokens，支持最高 1M 上下文；发布三个 checkpoint：指令微调 BF16、NVFP4 和 BF16 基座，均以 Apache 2.0 开源。Ricursive 称完整研发成本约 3200 万美元，约为上一代开放权重编程模型领先者的十分之一。权重已上线 Hugging Face，首发接入 Together AI、GMI Cloud 和 OpenRouter，Fireworks 稍后跟进。
为什么重要
在 Terminal-Bench 2.1 上，Ripple 的自报 80.5 分略高于 Reflection Beam 的 80.1 分，而其参数总量仅 65B，对手多为 501B 至 975B 的 MoE 模型。这意味着“小体量稠密模型也能打智能体编程”这条路线值得重新评估，也降低了自托管门槛——官方数据称在 2 张 B200 上以 BF16 运行可达 250 tok/s，NVFP4 版本目标适配 DGX Spark 级别硬件。对开源与闭源的竞争格局而言，这是一个以训练效率和推理成本换取性能的样本。
对用户/开发者/创作者的影响
开发者最直接的变化是可选一条参数规模更小、许可宽松、部署成本更低的开源编程模型路线，适合在终端智能体、代码修复等场景做私有化部署或二次微调。但需注意，上述分数均为 Ricursive 自行报告，且借用了竞品未必采用的评测框架；其 SWE-bench Verified 为 76.5，低于 Beam 和 Inkling，SciCode 仅 39.4，在 Ricursive 自己表格的五个模型中垫底，知识类与科学编程任务仍是短板。企业采购时应以自身工作负载复测为准，而非直接采信榜单。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是第三方在统一 harness 下的独立复现结果，尤其是 128K 上下文设置下的稳定性；二是 NVFP4 版本在 DGX Spark 等低功耗设备上的实际可用性；三是 Fireworks 等平台上线后的定价与吞吐表现，以及更大规模 MoE 竞品是否会跟进降价或开源。
