Ripple-65B Preview: เวทภายใต้ Apache 2.0, คำกล่าวอ้าง 1M โทเคน และ API 16K

Ripple-65B Preview เปิดตัวโดย Ricursive Intelligence เมื่อวันที่ 4 พฤศจิกายน 2026 เป็นผลิตภัณฑ์ที่แตกต่างกันสองแบบ ขึ้นอยู่กับว่าคุณเข้าถึงมันผ่านช่องทางใด ไฟล์ดาวน์โหลดมีขนาด 129.6 GB เป็นน้ำหนักโมเดลภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งการ์ดโมเดลโฆษณาว่ารองรับบริบท "สูงถึง 1M" โทเคน ส่วนเอนด์พอยต์เชิงพาณิชย์แห่งแรกที่ให้บริการเช็กพอยต์เดียวกันกลับโฆษณาว่า 16,384 ทั้งสองตัวเลขอธิบายโมเดลเดียวกัน และระยะห่างระหว่างตัวเลขทั้งสองนี้คือสิ่งที่นักพัฒนาควรรู้มากที่สุดเกี่ยวกับการเปิดตัวครั้งนี้ ก่อนจะลงทุนใช้เวลาทั้งวันไปกับมัน

พาดหัวของแล็บแห่งนี้แคบกว่าที่โพสต์เปิดตัวทำให้ดูเหมือน และน่าสนใจกว่าที่การรายงานข่าวที่ผ่านมาสังเกตเห็น Ricursive อ้างว่าตนมีโมเดลแบบ open-weight ที่ล้ำหน้าที่สุดของสหรัฐฯ ด้านการเขียนโค้ดแบบเอเจนต์ — 80.52 บน Terminal-Bench 2.1 — จากโมเดลขนาด 65B dense ที่ฝึกด้วยงบประมาณซึ่งมีรายงานว่า 32 ล้านดอลลาร์ นี่คือข้ออ้างเกี่ยวกับชิ้นงานจริง: น้ำหนักของโมเดลสามารถดาวน์โหลดได้ ไม่มีการจำกัดการเข้าถึง และได้รับอนุญาตให้ใช้เชิงพาณิชย์โดยไม่ต้องเจรจาข้อตกลงใด ๆ และ ณ วันที่ 5 พฤศจิกายน ทั้งหมดนี้เป็นข้อมูลที่ผู้ขายรายงานเองทั้งสิ้น Artificial Analysis ไม่มีรายการสำหรับโมเดลนี้

อะไรกันแน่ที่ถูกปล่อยลงบน Hugging Face

มีรีโพซิทอรีสี่ตัวถูกเผยแพร่เมื่อวันที่ 4 พฤศจิกายน และความแตกต่างเหล่านี้สำคัญเพราะมันเปลี่ยนฮาร์ดแวร์ที่คุณต้องใช้:

• Ripple-65B Preview — เช็กพอยต์ที่ปรับแต่งด้วยคำสั่งแบบ BF16 แบ่งเป็นแชร์ด safetensors 16 แชร์ด รวมทั้งสิ้น 129.57 GB ภายใต้สัญญาอนุญาต Apache 2.0 และไม่มีการจำกัดการเข้าถึง

• Ripple-65B Preview NVFP4 — บิลด์ 4 บิตเชิงทดลองขนาด 57.22 GB แบ่งเป็น 6 ชาร์ด ควอนไทซ์เลเยอร์ MLP โดยคง attention ไว้ใน BF16

• Ripple-65B Base Preview — เช็กพอยต์ที่ผ่านการพรีเทรนเท่านั้น ไม่มีการฝึกช่วงกลาง ไม่มีข้อมูล QA สังเคราะห์ และมีขนาด 129.57 GB

• Ripple-65B Preview DFlash2 — โมเดลร่างขนาด 8.08 GB สำหรับการถอดรหัสแบบคาดการณ์ล่วงหน้า (speculative decoding) มีจำนวนพารามิเตอร์ 4.04B โดยร่างบล็อกละ 16 โทเคนเทียบกับโมเดลเป้าหมาย

สถาปัตยกรรมนี้เป็นความย้อนยุคโดยตั้งใจ ในขณะที่ห้องแล็บอื่นทั้งหมดที่มีขนาดเท่านี้ต่างหันไปใช้ mixture-of-experts แล้ว Ricursive กลับสร้าง Transformer แบบ dense ที่บางและลึก: d_model 5120, 80 เลเยอร์, 80 attention head ที่แชร์ 8 key-value head, คำศัพท์ขนาด 100,352 โทเคน และหน้าต่างเลื่อนขนาด 1,024 โทเคนที่ใช้กับรูปแบบเลเยอร์แบบไฮบริด การ clipping activation ใน FFN, gated attention, NoPE แบบ global และ value residuals ช่วยเติมเต็มการปรับแต่งที่ทีมเก็บได้ระหว่างการพัฒนาต่อยอดเป็นขั้นบันไดจาก baseline Olmo 3

สแต็กการฝึกได้รับการเผยแพร่โดยมีรายละเอียดมากกว่าที่การ์ดส่วนใหญ่จะลงลึกถึง: พรีเทรน 12T โทเคนที่ความยาวลำดับ 8K, การฝึกช่วงกลาง 200B โทเคนที่ 64K, การขยายบริบทแบบยาว 6.5B โทเคนที่ 2M, SFT 183B โทเคนที่ 128K และ RL 700 สเต็ปที่ 128K ทีมขยายจากหนึ่งคนเป็นห้าคนระหว่างการพัฒนา และรายงาน MFU 40% โดยไม่ใช้คัสตอมเคอร์เนล

ข้อควรระวังเรื่องการตั้งชื่ออย่างหนึ่ง เพราะผลการค้นหากำลังทำให้สับสนอยู่แล้ว: Ricursive Intelligence คือแล็บออกแบบชิปที่โพสต์เปิดตัวกล่าวถึงการร่วมปรับแต่งฮาร์ดแวร์ ซอฟต์แวร์ และโมเดลให้เหมาะสมร่วมกัน ไม่ใช่ Recursive สตาร์ตอัป AI ที่พัฒนาตัวเองได้ซึ่งอยู่เบื้องหลัง Flint สองบริษัทนี้ไม่เกี่ยวข้องกัน และการรายงานที่นำทั้งสองมาปนกันนั้นผิด

ข้อกล่าวอ้างเรื่องเกณฑ์มาตรฐาน และมันแพร่ไปได้ไกลแค่ไหน

Terminal-Bench 2.1 คือจุดชี้ขาดว่าการเปิดตัวจะรอดหรือล้มเหลว และตัวเลขนั้นคือ 80.52 Ricursive ทำให้มันนำหน้า Reflection Beam 501B ที่ 80.1, Meta Muse Spark Open 816B ที่ 76.4, Thinking Machines Inkling 975B ที่ 63.8 และ NVIDIA Nemotron 3 Ultra 550B ที่ 56.4 — โดยทั้งหมดมีขนาดใหญ่กว่า 7 ถึง 15 เท่าในแง่จำนวนพารามิเตอร์ทั้งหมด

สิ่งที่ทำให้ตารางนั้นมีค่ามากกว่าตารางสเปกจากผู้ขายทั่วไปคือคอลัมน์ที่สอง Ricursive ได้รันการเปรียบเทียบซ้ำภายใต้ฮาร์เนส Terminus 2 อย่างเป็นทางการที่ 128K พร้อมการสรุปความ และรายงานว่าคะแนนขยับไปเกือบทุกตัวยกเว้นของตัวเอง: Ripple ทรงตัวที่ 80.5, Muse Spark เพิ่มเป็น 78.7, Reflection Beam ลดจาก 80.1 เหลือ 70.8, Inkling จาก 63.8 เหลือ 56.2, Nemotron จาก 56.4 เหลือ 55.1 แล็บที่เผยแพร่ฮาร์เนสซึ่งคะแนนของตัวเองนิ่งสนิทแต่คะแนนของคู่แข่งดิ่งลง กำลังทำสิ่งที่โพสต์เปิดตัวส่วนใหญ่หลีกเลี่ยง ถึงอย่างนั้นก็ยังเป็นแล็บที่ตรวจการบ้านตัวเอง — ตัวเลขทุกตัวในตารางนั้นผลิตโดยกระบวนการประเมินของ Ricursive เอง — แต่ทิศทางของความลาดชันนั้นไปในทางที่ถูกต้อง

คำกล่าวอ้างนี้สิ้นสุดลงทันทีที่คุณออกจากเทอร์มินัล บน DeepSWE 1.1 Ripple ได้ 44.3 เทียบกับ 60.0 ของ Muse Spark บน MCP Atlas ได้ 71.67 ตามหลัง Muse Spark ที่ 89.2 และ Inkling ที่ 76.0 บน SciCode อยู่อันดับสุดท้ายในห้ารายการที่ 39.4 ตามหลัง Beam ที่ 49.2 และ Muse Spark ที่ 58.5 รูปแบบนี้สอดคล้องกัน: Ripple เก่งงานเทอร์มินัลระยะยาวและงานซอฟต์แวร์หลายขั้นตอน และอยู่ในระดับธรรมดาในการสร้างโค้ดเชิงวิทยาศาสตร์และความกว้างของโปรโตคอลเครื่องมือ หากภาระงานของคุณเป็นเอเจนต์ที่คลิกไปผ่านเชลล์ คำกล่าวอ้างนี้มุ่งเป้าที่คุณ หากเป็นผู้ช่วยที่ใช้ MCP หนักๆ ก็ไม่ใช่

และกรอบคำพูดนี้ก็ทำงานแบบเงียบ ๆ “U.S. open-weight state of the art” เป็นคำกำกับ ไม่ใช่คำนำหน้าที่ควรข้ามไป มันตัด DeepSeek, Qwen และแล็บอื่นทั้งหมดที่ไม่ใช่สหรัฐฯ ออก ดังนั้นมันจึงเป็นคำกล่าวอ้างเกี่ยวกับโมเดล open-weight ที่ดีที่สุดที่ถูกฝึกภายในสหรัฐอเมริกา ไม่ใช่โมเดล open-weight ที่ดีที่สุด

โมเดลพื้นฐานเป็นเอกสารที่ซื่อสัตย์กว่า

การ์ด Base Preview มีประโยคหนึ่งที่โพสต์เปิดตัวไม่ได้ขึ้นต้นด้วย: เช็กพอยต์ที่ผ่านการพรีเทรนนั้น “เทียบได้กับ DeepSeek V3.1 และ V4 Flash ในด้านการใช้เหตุผล คณิตศาสตร์ และโค้ด” ขณะที่ Nemotron 3 Ultra “ครองความเหนือกว่าในการประเมินพรีเทรนแบบดั้งเดิม” ตัวเลขสนับสนุนความถ่อมตัวนั้น Base MMLU-Pro อยู่ที่ 61.5 เทียบกับ 68.3 ของ DeepSeek V4 Flash 284B และ 79.1 ของ Nemotron 3 Ultra 550B Base GPQA Diamond อยู่ที่ 38.4 ซึ่งต่ำกว่า V4 Flash ที่ 44.4 อย่างชัดเจน

อ่านสองตารางนั้นประกอบกันแล้ว เรื่องราวก็ชัดขึ้น prior ที่ผ่านการ pretrain ของ Ripple นั้น respectable แต่ก็อยู่ระดับกลาง ๆ สำหรับการรัน 12T token — เป็นงบ pretraining ที่เล็กที่สุดในชุดเปรียบเทียบของตัวเอง เทียบกับ 20T ของ Nemotron และ 32T+ ของ V4 Flash ความได้เปรียบด้าน agentic coding เกือบทั้งหมดมาจากสแต็ก post-training: การผสมข้อมูล midtraining, การขยาย long-context และ 700 RL steps ซึ่ง Ricursive กล่าวว่าทำได้ถึง 80.5 ในการ rollout 1.4M ครั้ง น้อยกว่าที่ Reflection Beam ต้องใช้ราว 70 เท่า นั่นเป็นผลลัพธ์ที่น่าสนใจกว่าตาราง benchmark และเปราะบางกว่าด้วย — การไต่ RL แบบหนัก ๆ บนสภาพแวดล้อม long-horizon สังเคราะห์เป็นสูตรแบบที่ถ่ายทอดไปยังงานที่แล็บไม่ได้ฝึกด้วยได้ไม่สม่ำเสมอพอดี

ทำไมหมายเลขบริบทจึงเป็นตัวเลขสองตัว

การ์ดโมเดลระบุว่า 1M คอนฟิกระบุ max_position_embeddings 2,097,152 เอนด์พอยต์ที่โฮสต์ระบุว่า 16,384 พร้อมเพดานเอาต์พุต 14,745 โทเคน ไม่มีใครโกหก สิ่งเหล่านี้เป็นสามสิ่งแตกต่างกัน และการคำนวณอธิบายได้ว่าทำไมโฮสต์รายแรกจึงเลือกตัวเลขที่มันเลือก

KV cache คือจุดที่ต้นทุนของบริบทยาวเกิดขึ้นจริง ด้วย 80 เลเยอร์, 8 KV heads, มิติหัว 128 และพื้นที่จัดเก็บ BF16 แต่ละเลเยอร์มีต้นทุนแคช 4,096 ไบต์ต่อโทเคน — 2,048 สำหรับคีย์และ 2,048 สำหรับแวลู เมื่อรวมทั้ง 80 เลเยอร์จะอยู่ที่ประมาณ 0.33 MB ต่อโทเคน ที่ 16,384 โทเคนของ endpoint จะอยู่ที่ประมาณ 5.4 GB และที่หนึ่งล้านโทเคนหากทุกเลเยอร์ attend แบบ global จะมีแคชประมาณ 344 GB วางอยู่บนน้ำหนัก 130 GB

นั่นคือสิ่งที่หน้าต่างเลื่อนมีไว้สำหรับ เลเยอร์ส่วนใหญ่ของ Ripple จะคำนวณแอตเทนชันภายในหน้าต่าง 1,024 โทเคน ส่วนเลเยอร์ส่วนน้อยจะคำนวณแบบโกลบอล และมีเพียงเลเยอร์เหล่านี้เท่านั้นที่ขยายตามบริบท หากเลเยอร์ 80 ชั้นมี 16 ชั้นเป็นแบบโกลบอล หนึ่งล้านโทเคนจะใช้แคชประมาณ 69 GB แทนที่จะเป็น 344 GB ซึ่งใหญ่ แต่ก็ให้บริการได้บนโหนดหลาย GPU การแบ่งที่แน่นอนถูกกำหนดโดยรูปแบบเลเยอร์แบบไฮบริดใน config.json และนี่คือสิ่งแรกที่ควรตรวจสอบกับสแตกการให้บริการที่คุณใช้ เพราะการแบ่งนั้น ไม่ใช่ตัวเลขพาดหัว คือค่าใช้จ่ายหน่วยความจำของคุณ

ดังนั้นจงมองตัวเลขสองตัวนี้เป็นข้อเท็จจริงสองข้อ หนึ่งล้านโทเคนเป็นความสามารถเชิงสถาปัตยกรรมที่มีอยู่ในน้ำหนักโมเดล และต้องใช้โหนดที่มีสมรรถนะจริงจังในการให้บริการ ส่วนหนึ่งหมื่นหกพันคือสิ่งที่เอนด์พอยต์เชิงพาณิชย์ตัวแรกให้บริการ — เพียงพอสำหรับลูปของเอเจนต์ส่วนใหญ่ แต่ไม่เพียงพอสำหรับการให้เหตุผลระดับทั้งรีโพซิทอรีหรืองานเอกสารยาว หากเหตุผลที่คุณลอง Ripple-65B Preview คือบริบท 1M เส้นทางแบบโฮสต์ไม่ได้มอบสิ่งนั้นให้คุณในวันนี้ และการโฮสต์เองคือเส้นทางเดียวที่ทำได้

Local หมายถึง 57 GB ไม่ใช่ 130

โพสต์เปิดตัวระบุว่าโมเดลนี้ “สามารถใส่ลงในฮาร์ดแวร์สำหรับผู้บริโภคอย่าง NVIDIA DGX Spark ได้” แต่สื่อที่นำไปรายงานกลับบิดจนกลายเป็น “รันบน MacBook ได้” ขนาดไฟล์ดาวน์โหลดจะบอกคุณว่าแต่ละข้อกล่าวอ้างนั้นพูดถึงอาร์ติแฟกต์ตัวไหน

เช็กพอยต์ instruct แบบ BF16 มีขนาด 129.57 GB โดยตัวมันเอง ก่อนจะรวม KV cache หรือ overhead ของรันไทม์ใด ๆ ต้องใช้ตัวเร่งความเร็วระดับ 192 GB หรือการแบ่งการทำงานข้ามหลาย GPU

• บิลด์ NVFP4 มีขนาด 57.22 GB ซึ่งพอดีกับเครื่องที่มีหน่วยความจำรวม 128 GB และยังเหลือพื้นที่ให้กับบริบทการทำงาน — ทั้งนี้มันถูกระบุว่าเป็นเวอร์ชันทดลอง โดยที่ส่วน attention ยังคงเป็น BF16

• DFlash2 drafter เพิ่ม 8.08 GB และสิ่งที่ได้แลกมาคือ speculative decoding ไม่ใช่คุณภาพ

ตัวเลข 250 tok/s เป็นตัวเลขของดาต้าเซ็นเตอร์: 2×B200 ที่ batch 8 ก่อนการควอนไทซ์และเคอร์เนลที่ปรับแต่งเอง บน Spark คุณกำลังแลก throughput กับการที่เครื่องตั้งอยู่บนโต๊ะของคุณ ตัวเลขทั้งสองไม่ได้ผิด เพียงแต่เป็นของเครื่องคนละเครื่อง และการใช้ในเครื่องโลคอลจะทำงานได้ก็ต่อเมื่อใช้ checkpoint ที่ผ่านการควอนไทซ์แล้ว

ค่าใช้จ่ายในการโทร

เอนด์พอยต์แบบโฮสต์ตัวแรกกำหนดราคาไว้ที่ $0.20 ต่อล้านโทเค็นอินพุต และ $0.60 ต่อล้านโทเค็นเอาต์พุต โดยการอ่านอินพุตจากแคชอยู่ที่ $0.05 เมื่อคำนวณจากการเรียกของเอเจนต์จริง — พรอมต์ 16,000 โทเค็นเทียบกับหน้าต่างเต็ม และส่งคืน 2,000 โทเค็น — คิดเป็น $0.0032 สำหรับอินพุต และ $0.0012 สำหรับเอาต์พุต หรือประมาณ $0.0044 หากใช้ 10 ล้านโทเค็นต่อวันโดยแบ่งอินพุต-เอาต์พุตเป็น 80/20 คุณจะอยู่ที่ $2.80

การทำแคชคือจุดที่คุ้มค่าที่สุดในการลงมือ พรอมต์ระบบขนาด 16,000 โทเคนที่ส่งซ้ำคิดค่าบริการเพียง $0.0008 ในอัตราแบบแคช แทนที่จะเป็น $0.0032 ซึ่งเป็นการลดลง 4 เท่าในฝั่งอินพุต — และสำหรับเอเจนต์ที่ส่งนิยามเครื่องมือชุดเดิมซ้ำในทุกเทิร์น นั่นก็คือค่าใช้จ่ายส่วนใหญ่ของบิลเลยทีเดียว

OrcaRouter อยู่ตรงไหน: วันนี้เรายังไม่มี Ripple-65B Preview ให้บริการ จึงไม่มีมาร์กอัปให้เปรียบเทียบ และไม่มีเหตุผลที่จะแสร้งทำเป็นอย่างอื่น สิ่งที่พรีวิวนี้เปลี่ยนไปคือเหตุผลที่ควรกันโมเดลที่ยังพิสูจน์ไม่ได้ออกจากเส้นทางโปรดักชันของคุณระหว่างที่คุณวัดผลมัน ลองส่งโมเดลเดิมที่ทราฟฟิกของคุณพึ่งพาอยู่ผ่านคีย์เดียว — โมเดล 200+ รายการ, ราคาตามลิสต์ของผู้ให้บริการส่งผ่านในมาร์กอัป 0%, failover อัตโนมัติเมื่อผู้ให้บริการมีปัญหา — แล้ววาง Ripple ไว้ข้าง ๆ ในการประเมินแบบออฟไลน์แทนที่จะให้ผู้ใช้เห็น หากตัวเลขยังคงอยู่ routing DSL ก็ย้ายทราฟฟิกบางส่วนได้โดยไม่ต้องเชื่อมต่อเพิ่ม; หากไม่เป็นเช่นนั้น fallback ก็ไม่เคยเป็นประเด็นสงสัยตั้งแต่แรก

ใครควรลอง และอะไรจะเปลี่ยนภาพรวม

ลองใช้เลยตอนนี้หากคุณกำลังสร้าง terminal หรือ shell agent คุณต้องการ checkpoint Apache 2.0 ที่คุณสามารถ fine-tune ได้โดยไม่ต้องพึ่งทนาย และหน้าต่าง 16K ก็เพียงพอสำหรับ loop ของคุณ สถาปัตยกรรมแบบ dense เป็นข้อได้เปรียบอย่างแท้จริงสำหรับใครก็ตามที่ให้บริการบนฮาร์ดแวร์ระดับปานกลาง — ไม่มีการ routing แบบ expert ไม่มี all-to-all และมี latency ที่คาดเดาได้ — และโมเดล dense ขนาด 65B ที่ทำได้ 80.5 บน Terminal-Bench เป็นผลลัพธ์ที่ควรค่าแก่การนำไปทำซ้ำบนงานของคุณเองมากกว่าจะมาโต้เถียงกัน

รอไว้ก่อน หากคุณต้องการบริบทแบบยาวจาก endpoint ที่โฮสต์ไว้ หากงานของคุณใช้ MCP หนัก ๆ หรือเป็นโค้ดเชิงวิทยาศาสตร์ หรือหากคุณต้องการตัวเลขใดก็ตามที่ไม่ได้มาจากแล็บที่ฝึกโมเดลนี้ ยังไม่มีการประเมินที่เป็นอิสระ: ยังไม่มีรายการใน Artificial Analysis และยังไม่มีการทำซ้ำ 80.52 โดยบุคคลที่สาม สำหรับรีลีส Preview ที่เพิ่งออกได้วันเดียว นั่นเป็นเรื่องปกติมากกว่าน่าสงสัย — แต่มันหมายความว่าทุกตัวเลขในชิ้นนี้ที่มาจาก Ricursive ถูกกำกับว่าเป็นของพวกเขาด้วยเหตุผลข้อหนึ่ง

สามสิ่งจะทำให้เรื่องนี้กระจ่างได้ ชุดทดสอบชุดที่สองที่รันโดยผู้ที่ไม่ได้ฝึกโมเดล โฮสต์ที่ให้บริการเกิน 16,384 โทเค็น ซึ่งจะบอกเราว่าข้ออ้างเรื่องบริบท 1M ยังใช้ได้จริงเมื่อเจอกับตัวจัดตารางหรือไม่ และเช็กพอยต์ที่ไม่ใช่พรีวิว เพราะ Ricursive ระบุชัดเจนว่าการฝึกหลังการฝึกในที่นี้เป็นเพียงเบา ๆ และตัวแปรภายในที่อยู่เบื้องหลังแพลตฟอร์มออกแบบชิปคือผลิตภัณฑ์ที่บริษัทกำลังสร้างจริง ๆ จนถึงตอนนั้น พาดหัวคือข้อกล่าวอ้าง ส่วนไฟล์ดาวน์โหลดเป็นของจริง — และช่องว่างระหว่างทั้งสองคือจุดที่การประเมินในเดือนหน้าจะเกิดขึ้นพอดี