AlphaChip原班人马开源65B编码模型

一家做AI芯片设计的初创公司，顺手交出了一个能干活的通用开源大模型。11月4日，帕洛阿尔托创企Ricursive Intelligence在Hugging Face上发布Ripple-65B Preview：650亿参数、Apache 2.0协议、可免费商用，同时接入Together AI、GMI Cloud、OpenRouter等API平台。

按公司自报数据，该模型从零开始在12万亿token上预训练，在终端编码基准Terminal-Bench 2.1上取得80.52分，略高于Reflection的Beam（80.1），并领先参数量为其15倍以上的Meta Muse Spark Open（76.4）和Thinking Machines的Inkling（63.8）；在SWE-bench Pro v2.0 Hard上也排名第一。不过这些成绩目前均为官方自报，尚无第三方复测；在DeepSWE等其他基准上，它反而落后于Meta的模型。

架构上，Ripple-65B反潮流地采用了稠密（dense）设计而非主流的混合专家（MoE）：650亿参数在生成每个token时全部参与计算，好处是部署更简单、对本地硬件友好。有意思的是，公司CTO阿扎利娅·米尔霍塞尼（Azalia Mirhoseini）正是2017年提出MoE层的那篇论文的共同作者。

公司背景同样不寻常：CEO安娜·戈尔迪（Anna Goldie）与米尔霍塞尼曾共同参与谷歌用强化学习做芯片布局的AlphaChip项目，相关成果被用于谷歌TPU。Ricursive今年1月完成3亿美元A轮融资，估值40亿美元，投资方包括Lightspeed、英伟达NVentures、红杉与DST Global等。

公司称模型的全部研发与训练成本约3200万美元，只有同类头部开源模型的零头，强化学习阶段仅用140万次rollout。这家公司的主业是AI芯片设计平台，此次开源的只是其内部模型的通用版本——用戈尔迪的话说，算力需求五年内将增长上万倍，答案不能是再多建一万倍的数据中心，而要让芯片设计本身变得更快。