美国创企3200万美元训出编程开源SOTA

美国 AI 实验室 Ricursive Intelligence 发布 Ripple-65B Preview，一款 65B 稠密（dense）通用模型，主打智能体编程。官方称其在 TerminalBench 2.1 上拿到 80.52 分，是美国开源权重模型中的最好成绩。

这个模型原本是该公司芯片设计平台的内部引擎。Ricursive 定位是全栈实验室，同时优化硬件、软件与模型，目标是让系统具备自我改进能力；Ripple 是先为自家平台从零训练，再拿出通用版本对外开放。

规格上，Ripple 预训练用了 12 万亿 token，支持最长 100 万 token 上下文。架构选择的是「薄而深」的稠密 Transformer（d_model 5120、80 层），而非当下主流的 MoE。官方理由是稠密结构推理延迟更低，参数规模也小，可以跑在 NVIDIA DGX Spark 这类本地设备上。

官方对比图显示，Ripple 以 65B 规模取得 80.52 分，与参数大 15 倍的 Beam 1.0（80.1）基本持平，同时高于 Muse Spark Open（76.4）、Nemotron 3.5 Super（66.7）与 Inkling（63.8）。

更受关注的是成本。Ricursive 称 Ripple 从预训练到后训练的全流程研发只花了 3200 万美元，约为上一代智能体编程开源 SOTA 的十分之一。做法上公司没有外购后训练数据，而是自建合成数据管线与质量过滤，用逐步加难的强化学习课程把分数推上去。

模型已在 Hugging Face、Together AI、GMI Cloud、OpenRouter 与 Fireworks 上线。对「美国来源、可私有化部署」有硬性要求的政府、国防与芯片设计客户，是这款模型最现实的目标群体。

不过「美国开源 SOTA」这个限定也意味着，一旦把 Qwen 等中国开源模型纳入比较，80.52 分未必还是第一；对普通本地用户来说，65B 稠密模型依然偏重。这一点开发者社区已有讨论。

编译自 Ricursive Intelligence，原标题："Ripple-65B Preview"