Ripple 65B 开放权重：AI 编程成绩之外，还要算哪些成本

11 月 4 日，Ricursive Intelligence 发布 Ripple-65B Preview，开放面向编程与推理的模型权重。对正在挑选 AI 编程后端、考虑本地部署的开发者，新模型带来的问题很具体：终端任务成绩不错，换进自己的项目是否也划算？本文从评测证据、运行资源和完整任务账单三方面，解释这次发布值得试在哪里，以及接入前应该确认什么。来源：官方发布说明

原创 AI 概念插画，天平、终端和账单均为示意，不代表产品界面、实测数据或实际账单。

[配图建议：抽象代码块与沙漏、硬币放在天平两端，一张空白任务清单从终端延伸出来 + 深绿、钴蓝与暖金色的水粉拼贴风格。]

一、80.52 分说明了什么，没说明什么

Ricursive 公布的 Terminal-Bench 2.1 成绩为 80.52，并将它描述为美国开放权重模型在该项智能体编程测试中的领先结果。这里的范围是特定测试与模型集合，不是所有模型、所有编程任务的总排名。来源：发布说明

模型卡进一步交代：指令模型比较采用 BF16 精度与最高推理强度，表格混用了其他厂商已公布成绩和 Ricursive 补做的评测；换用执行框架、上下文和摘要设置，成绩可能变化。来源：评测方法说明

这对使用者有一个直接影响：模型表现与它能看见什么、能调用什么、能重试多久，要一起比较。

举个自拟场景：你让 AI 修复一个命令行工具的参数解析错误。它需要找到入口、复现问题、修改代码、运行测试，再检查有没有破坏原来的参数行为。一个只允许读取片段的聊天窗口，与能执行命令的编程 Agent，即使用同一个模型，也不是同一种评测条件。

因此，第一次尝试不必照搬厂商完整榜单。先挑一个你知道验收结果的旧问题，固定仓库版本、工具权限和时间预算。这样比较出来的差异，才容易对应到自己的开发工作。

[配图建议：同一份修复任务分别经过模型、工具和测试环境，最后落到验收记录 + 清晰的工程流程插画，不制作虚构排行榜。]

二、650 亿参数更容易存放，仍要看怎样运行

Ripple 是约 650 亿参数的稠密模型，开放版本包括指令模型、量化指令模型与基础模型，采用 Apache 2.0 许可。基础模型与经过指令后训练的模型用途不同，试用编程助手时应先确认下载的究竟是哪一种。来源：官方模型卡

稠密与混合专家模型还会改变参数数字的含义。前者通常每次计算使用全部参数，后者每次只激活部分专家。总参数更少，有利于理解权重存放规模，却不能单凭它推导运行一定更快，或每次生成一定更省钱。

可以先做一个粗略算术：按 650 亿参数、每参数 2 字节的 BF16 表示，裸权重约为 130GB，采用十进制单位。这是理论字节量估算，不是下载包大小，更不是一台设备的运行内存要求；运行时还要为上下文缓存和其他状态留空间。

官方另提供实验性的 NVFP4 检查点，但它不是把整个模型都压成相同低精度：MLP 层使用 NVFP4，注意力部分保留 BF16。来源：量化版说明

所以“能装下权重”和“能按目标并发、目标上下文稳定运行”，需要分开验证。对准备采购设备的人，先确认推理框架能加载所选格式，再观察自己任务的峰值内存与延迟。对已有设备的人，先从较短输入、单个请求开始，更容易看出资源增长发生在哪一步。

[配图建议：一块权重存储旁还留有上下文缓存与运行状态的位置，量化版用不同材质区分 MLP 和注意力 + 分区模型插画，不标未经测量的显存数字。]

三、百万上下文与低单价，最后要落到一项任务

官方模型卡称支持最高 1,048,576 个 Token 的上下文。这个数字描述模型支持范围；你实际接入的服务，还会有自己的输入、输出和部署配置。

核查时，OpenRouter 的 Ripple 页面列出 1,048,576 的上下文窗口，以及最高 131,072 的完成输出；本轮回读的 GMICloud 公开端点元数据也列出相同数值。报价为每百万输入 Token 0.20 美元、每百万输出 Token 0.60 美元，缓存另有计价。这些是配置与报价记录，未经过推理请求实测。来源：当前模型页、公开端点元数据

但其他入口的资料也值得逐项检查：Together 同一页面的介绍和功能区写有 1M，规格区却列出 128K。本次确认的是页面口径存在不一致，尚未调用 API 验证实际边界。不能挑其中更大的数字，直接写进产品承诺。来源：Together 模型页面

若通过聚合服务调用，可以查各服务端点的上下文、最大输入和最大输出字段；它们是不同配置。OpenRouter 的端点文档就分别提供这些信息，适合接入时逐项核对。来源：端点查询文档

再看账单。按上述单价，假设一项任务累计产生 10 万个未命中缓存的输入 Token、5000 个输出 Token，模型费用约为 0.023 美元。这是自拟算例，仅计算所列输入输出，不包含其他工具或基础设施费用。

真正需要比较的是任务完成之后：如果它连续重试、重复读取大量文件，或者结果仍需人工重写，低单价未必带来更低总成本。建议同时记录累计 Token、总耗时、测试结果和人工修改时间。长上下文是否有用，也要看模型能否从大量材料里用对关键证据，而不只是请求被成功接受。

[配图建议：一项代码修复任务展开为多次读取、生成、测试和重试，最后汇成一张任务账单 + 信息清晰的纸带流程图，不把示例费用画成用户真实支出。]

四、替换前，用一个小仓库做三组对照

有明确终端任务、愿意保留执行记录的团队，值得把 Ripple 放进候选列表。需要稳定产品行为的团队，则应先把 Preview 当作待验证版本，给它一个范围清楚的试点。

可以准备三类任务，避免只看最容易成功的一类。这是本文建议的试用方案，不是官方测试成绩：

中文任务尤其应自己验证：官方说明预训练材料以英语和代码为主，终端编程成绩不能直接替代中文项目协作体验。来源：预训练说明

先保持现有 Agent 的工具、提示和预算不变，只更换模型；确认差异后，再调整上下文或执行框架。否则，一次同时更换多个环节，很难知道收益来自哪里。

本地部署与托管 API 也可以分两步看：先确认所选服务当前可用，用可接入的服务判断任务适配度，再评估自有设备与运维投入。最终留下的应是一份任务记录：哪些完成了，花了多久，用了多少资源，哪些仍要人收尾。它比孤立的参数量或单价更能帮助决定是否迁移。

[配图建议：三份相同格式的实验记录页，依次放置错误修复、跨文件理解与中文需求样本 + 编辑笔记风格，保留待填写结果。]

今天先挑一项你能亲自验收的修复

Ripple-65B Preview 给 AI 编程增加了一个开放权重选项。已有评测任务的开发者，可以先比较一次真实修复；准备采购硬件或承诺长上下文服务的团队，先核对具体格式和入口限制。今天就找一个小问题，保留现有方案作为对照，把成功结果、总耗时和任务费用一起记下来。你更希望新模型减少哪部分工作：等待、工具重试，还是最后的人工收尾？

[配图建议：一项已经定义完成标准的修复任务，旁边留出耗时、费用和人工修改三栏 + 简洁工作台静物插画。]

资料核查截至北京时间 2026 年 11 月 6 日，本文为近 72 小时发布事件深读。发布日期沿用 OpenRouter 标注的 11 月 4 日；模型仓库创建于同日，创建记录不等于公告时间。本文未安装模型、未发起付费推理、未做独立性能实测；价格与服务配置可能更新，封面为原创 AI 概念图。