Ripple-65B Preview เทียบกับ Mistral Large 4.0: โมเดล Dense 65 พันล้านพารามิเตอร์ปะทะ MoE ระดับล้านล้านพารามิเตอร์

วาง Ripple-65B Preview และ Mistral Large 4.0ไว้เคียงกันบนดิสก์ แล้วความแตกต่างก็ไม่ใช่เรื่องเล็กน้อย: BF16 shards 129.6 GB เทียบกับ FP8 shards 1,060.6 GB สำหรับสองโมเดลที่ต่างก็เรียกตัวเองว่า open weight และต่างก็ชูจุดขายเรื่อง agentic coding ตัวหนึ่งเป็น dense transformer ขนาด 65B ที่ฝึกตั้งแต่เริ่มต้นด้วยโทเคน 12 ล้านล้านโทเคนโดยกลุ่มวิจัยห้าคนที่บอกว่าใช้เงิน 32 ล้านดอลลาร์ อีกตัวเป็น mixture of experts ขนาด 1.05 ล้านล้านพารามิเตอร์ที่มีพารามิเตอร์ที่ใช้งานอยู่ 52 พันล้านตัวและ vision encoder ขนาด 1.6 พันล้านพารามิเตอร์ จากบริษัทที่มีสายผลิตภัณฑ์รองรับอยู่เบื้องหลัง

ส่วนที่น่าสนใจไม่ใช่ช่องว่างด้านขนาด แต่คือทั้งสองแล็บเลือกเผยแพร่ตัวเลข DeepSWE 1.1 — benchmark เดียวกัน เวอร์ชันเดียวกัน — และโมเดลที่เล็กกว่าก็แพ้ไป 17.4 คะแนนในการวัดนี้ การ์ดของ Ripple เองรายงานไว้ที่ 44.3 ขณะที่ Mistral รายงาน 61.7 สำหรับ Large 4.0 ดังนั้นก่อนจะโต้แย้งเรื่องประสิทธิภาพ การอนุญาตใช้งาน หรือการโฮสต์เอง บนกระดานมีComparison ที่สะอาด เป็นเวอร์ชันเดียวกันและชุดงานเดียวกันอยู่หนึ่งรายการ และมันไม่ได้สนับสนุนโมเดลใหม่นี้

สิ่งที่แต่ละห้องแล็บส่งมอบจริง

Ripple-65B Preview เป็นโมเดลสาธารณะตัวแรกของ Ricursive Intelligence เปิดตัวเมื่อวันที่ 4 พฤศจิกายน 2026 ภายใต้ Apache 2.0 โดยไม่มีเกตและไม่มีข้อกำหนดการใช้งานที่ยอมรับได้เพิ่มเติมนอกเหนือจากตัวสัญญาอนุญาตเอง สถาปัตยกรรมถูกออกแบบให้บางและลึกอย่างจงใจ — 80 เลเยอร์ที่ความกว้างโมเดล 5,120 — พร้อมหัวแอตเทนชันที่จัดสรรเกินความจำเป็น อัตราส่วนเลเยอร์หน้าต่างเลื่อนต่อเลเยอร์ทั่วโลกสูง แอตเทนชันแบบมีเกต NoPE แบบทั่วโลก และ value residuals การ์ดอธิบายว่าโมเดลผ่านการปรับแต่งหลังการฝึกค่อนข้างเบา โดยมี 700 ขั้นตอน RL และเน้นการเขียนโค้ดแบบเอเจนต์อย่างชัดเจน มี speculative drafter ขนาด 4.04B เช็กพอยต์ NVFP4 และโมเดลฐานแบบไม่มีเกตจัดส่งมาพร้อมกัน

Mistral Large 4.0 เป็นรุ่นที่สี่ของไลน์ผลิตภัณฑ์ที่เป็นเรือธงของบริษัทมาตั้งแต่ปี 2023 และรุ่นนี้เปิดตัวในสองขั้นตอน ได้แก่ การพรีวิวผ่าน API เมื่อวันที่ 6 ตุลาคม 2026 จากนั้นจึงเผยแพร่น้ำหนักโมเดลในวันที่ 29 ตุลาคม ภายใต้ Mistral Ecosystem Open Weight License ซึ่งเป็นเอกสารแบบ MIT ดัดแปลงที่มีข้อกำหนดเกี่ยวกับผู้ให้บริการ เป็นมัลติโมดัลในขณะที่ Ripple ไม่ใช่ โดยมีตัวเข้ารหัสภาพขนาด 1.6B ที่รับภาพเข้าได้ และเปิดให้ใช้ระดับความพยายามในการให้เหตุผลสามระดับแทนที่จะเป็นระดับเดียว

• พารามิเตอร์ — 65B แบบ dense โดยทุกพารามิเตอร์ทำงานในแต่ละโทเคน เทียบกับ 1.05T ทั้งหมด โดยมี 52B ที่ทำงานอยู่และมี routed experts 128 ตัว โดยใช้ 4 ตัวต่อโทเคน

• น้ำหนักบนดิสก์ — 129.6 GB แบบ BF16 กระจายใน 16 shard เทียบกับ 1,060.6 GB แบบ FP8 กระจายใน 54 shard พร้อมด้วยรุ่นพี่น้อง NVFP4 ขนาด 610.1 GB

• บริบท — อ้างว่าสูงถึง 1M แม้ว่าเอนด์พอยต์ที่โฮสต์แห่งแรกให้บริการ 16,384 และรายการที่ใหม่กว่าจะระบุ 128K เทียบกับ 1M โดยรวมทั้งหมด

• รูปแบบข้อมูล — ข้อความเข้า ข้อความออก เทียบกับ ข้อความและรูปภาพเข้า ข้อความออก

• สัญญาอนุญาต — Apache 2.0 เทียบกับ Mistral Ecosystem Open Weight License ซึ่งกำหนดให้ต้องมีข้อตกลงเชิงพาณิชย์เพื่อเสนอโมเดลในรูปแบบบริการ

• ราคา ณ ที่โฮสต์ — $0.20 / $0.60 ต่อล้านโทเค็น เทียบกับ $0.70 / $2.10 โดยมีอินพุตแคช $0.07

ใบอนุญาตคือความแตกต่างที่ชัดเจนกว่า และไม่ใช่เรื่องที่สูสีเลย

Apache 2.0 ยังคงหมายถึงสิ่งที่มันเคยหมายถึงเสมอ คุณสามารถนำ Ripple-65B Preview ไปไฟน์จูน เปลี่ยนชื่อ ให้บริการแก่ลูกค้า และไม่เผยแพร่สิ่งใดเลย ไม่มีเกณฑ์รายได้ ไม่มีข้อกำหนดการแจ้งเตือน และไม่มีข้อใดที่ทำให้เลเยอร์การจัดเส้นทางกลายเป็นผู้รับใบอนุญาต สำหรับบริษัทที่มีผลิตภัณฑ์เป็นโมเดลที่อยู่เบื้องหลัง API นั่นคือทั้งหมดของเกม — มันคือความแตกต่างระหว่างโมเดลที่คุณสร้างธุรกิจบนนั้นได้ กับโมเดลที่คุณสร้างฟีเจอร์บนนั้นได้

สัญญาอนุญาตของ Mistral Large 4.0 ให้สิทธิ์มากกว่าที่ชื่อสื่อ และให้น้อยกว่า Apache เป็น MIT แบบดัดแปลงที่เพิ่มเงื่อนไขหนึ่งข้อ: หากคุณให้บริการโมเดลแก่บุคคลภายนอกในลักษณะบริการ คุณต้องมีข้อตกลงเชิงพาณิชย์ คำนิยามดังกล่าวแยกเว้นสองสิ่งสำคัญไว้ ได้แก่ การฝังโมเดลไว้ในผลิตภัณฑ์สำหรับผู้ใช้ปลายทาง และ "การส่งต่อคำขอไปยังโมเดลที่โฮสต์โดยผู้อื่นเพียงอย่างเดียว" ซึ่งเป็นสิ่งที่เกตเวย์ทำเมื่อส่งต่อคำขอไปยังระบบอนุมานของ Mistral เอง หากอ่านอย่างละเอียด ข้อยกเว้นนั้นทำให้เราเตอร์อยู่ฝั่งที่ถูกต้องของเส้นแบ่ง หากอ่านอย่างไม่รอบคอบ หรืออ่านเพียงหน้าฝ่ายการตลาดที่ระบุว่า "open weight" คุณอาจโน้มน้าวตัวเองให้เข้าสู่ปัญหาการปฏิบัติตามข้อกำหนดได้

ดังนั้นการวางกรอบอย่างตรงไปตรงมาจึงไม่ใช่ "Apache กับข้อจำกัด" แต่เป็น "Apache กับสัญญาอนุญาตที่คุณควรให้ทนายอ่านสักครั้ง" หากแผนของคุณคือโฮสต์น้ำหนักโมเดลเองและขายการเข้าถึง ข้อกำหนดของ Ripple นั้นเรียบง่ายกว่าอย่างชัดเจน หากแผนของคุณคือเรียกปลายทาง API สัญญาอนุญาตทั้งสองรองรับคุณ และความแตกต่างส่วนใหญ่ก็หายไป

Terminal-Bench คือเบนช์มาร์กที่คุณไม่สามารถใช้ได้ที่นี่

ทั้งสองแล็บเผยแพร่คะแนน Terminal-Bench และมันไม่ใช่แบบทดสอบเดียวกัน Ripple รายงาน 80.52 บน Terminal-Bench 2.1 และเรียกสิ่งนี้ว่าเป็นสุดยอดระดับแนวหน้าของโมเดลน้ำหนักเปิดของสหรัฐฯ ส่วน Mistral รายงาน 28.3% บน Terminal-Bench 4.0 เมื่อวางตัวเลขสองตัวนี้ไว้ข้างกัน มันดูเหมือนการเอาชนะขาดลอยถึง 52 คะแนน แต่ทั้งสองไม่สามารถนำมาเปรียบเทียบกันได้ และการปฏิบัติต่อ它們เสมือนว่าเปรียบเทียบกันได้คือข้อผิดพลาดที่พบบ่อยที่สุดเพียงข้อเดียวในการรายงานข่าวเกี่ยวกับโมเดลใดโมเดลหนึ่งในสองตัวนี้

Terminal-Bench 4.0 เป็นชุดงานที่ยากกว่าและใหม่กว่า และช่องว่างระหว่างเวอร์ชันนั้นใหญ่พอที่คะแนน 2.1 ที่ดีกับคะแนน 4.0 ที่ธรรมดา ๆ จะอธิบายโมเดลเดียวกันได้ การเปรียบเทียบ Ripple กับ Claude Opus 5.5 ของเราเองมีอยู่เป็นส่วนใหญ่เพื่ออธิบายว่าทำไม 80.5 กับ 66.4 ของ Opus จึงนำมาลบกันไม่ได้เช่นกัน ข้อความเดียวที่ยืนหยัดได้ตรงนี้คือ Ripple ยังไม่ได้เผยแพร่ตัวเลข 4.0 และ Mistral ยังไม่ได้เผยแพร่ตัวเลข 2.1 ดังนั้นแกนนี้จึงว่างเปล่า

สิ่งที่ยังหลงเหลืออยู่คือ DeepSWE 1.1 และภาพในนั้นอ่านออกได้ชัด คะแนน 44.3 ของ Ripple มาจากการ์ดโมเดลของ Ripple เอง ส่วน 61.7 ของ Mistral มาจากการรันของ Mistral เอง ทั้งสองไม่ใช่ผลการทดสอบอิสระ แต่เป็นเบนช์มาร์กเวอร์ชันเดียวกันรุ่นเดียวกัน ซึ่งเป็นสิ่งที่ Terminal-Bench ให้ไม่ได้ ช่องว่าง 17.4 คะแนนในงานวิศวกรรมซอฟต์แวร์ไม่ใช่ความคลาดเคลื่อนแบบสุ่ม และสอดคล้องกับส่วนที่เหลือในแต่ละการ์ด: Mistral Large 4.0 ยังรายงาน 87.6 บน GPQA Diamond, 89.4 บน MMLU-Pro และ 81.3 บนชุดการให้เหตุผลบริบทยาวของ Artificial Analysis เทียบกับ 85.2, 84.2 และ 75.0 ของ Ripple

ข้อโต้แย้งของ Ripple ตั้งอยู่บนเบนช์มาร์กที่มันนำชุดเปรียบเทียบของตัวเอง และบนตัวเลขหนึ่งที่ Mistral เทียบไม่ได้: 80.52 เทียบกับ 80.1 ของ Reflection Beam 501B บน Terminal-Bench 2.1 จากโมเดลที่เล็กกว่าสิบห้าเท่า นั่นเป็นผลลัพธ์จริงเกี่ยวกับประสิทธิภาพการฝึก แต่ไม่ใช่ผลลัพธ์ที่บอกว่าเหนือกว่า Mistral Large 4.0 และข้อกล่าวอ้างสองข้อนี้ยังคงถูกนำมาปะปนกันในการรายงานข่าวระดับรอง

ต้นทุนต่อโทเคนทำให้ Ripple ดูดีเกินจริง; ต้นทุนต่อภารกิจใกล้เคียงความจริงมากกว่า

ในราคาตามรายการ ช่องว่างของราคาแบบโฮสต์อยู่ที่ประมาณ 3.5 เท่าในทั้งสองทิศทาง: $0.20 และ $0.60 ต่อล้านโทเค็น เทียบกับ $0.70 และ $2.10 สำหรับเอเจนต์ที่มีปริมาณการใช้งานสูง ความแตกต่างนั้นคือประเด็นเรื่องงบประมาณทั้งหมด และเป็นเหตุผลที่โมเดล dense ขนาด 65B ยังคงน่าสนใจแม้จะแพ้ใน benchmark

Artificial Analysis จัดให้ Mistral Large 4.0 อยู่ที่ Intelligence Index 26 และมีค่าใช้จ่าย $2.06 ต่อหนึ่งงานในดัชนี Ripple-65B Preview ไม่มีรายการในดัชนีเลย ดังนั้นจึงไม่มีตัวเลขที่เทียบเท่าให้หาร — ซึ่งนั่นเองคือคำตอบที่ตรงไปตรงมาสำหรับคำถามที่ว่า "ตัวไหนถูกกว่าต่อหนึ่งหน่วยความสามารถ" มีโมเดลหนึ่งที่ถูกวัดบนกระดานกลาง และอีกโมเดลหนึ่งยังไม่ถูกวัด หากคุณต้องการตัวเลขสำหรับวางแผนวันนี้ มีเพียงคอลัมน์เดียวในสองคอลัมน์นี้ที่มีข้อมูลอยู่

การคำนวณสำหรับการโฮสต์โมเดลเองเปลี่ยนรูปแบบไปอีกครั้ง โมเดล dense ขนาด 65B ใน BF16 พอดีกับการทำ tensor-parallel-4 บนการ์ด 80GB สี่ใบ และการรองรับ vLLM ที่ merge แล้วเมื่อวันที่ 5 พฤศจิกายน หมายความว่าตอนนี้โหลดได้โดยไม่ต้องใช้ --trust-remote-code โมเดล 1.05T FP8 ต้องใช้ฮาร์ดแวร์มากกว่าหนึ่งลำดับขนาด และ serving stack ที่เข้าใจ expert parallelism สำหรับทีมที่มี GPU สี่ใบและมีข้อกำหนดด้าน compliance แล้ว 65B ไม่ใช่ตัวเลือกแบบประนีประนอม — มันเป็นตัวเลือกเดียวในรายการนี้

จุดที่การตัดสินใจด้านการกำหนดเส้นทางเกิดขึ้นจริง

ไม่มีโมเดลใดในสองโมเดลนี้อยู่ในแคตตาล็อกของ OrcaRouter เลย ไม่มีโมเดล Mistral อยู่ในนั้นเลยแม้แต่โมเดลเดียว และ Ripple-65B Preview ก็ไม่มีอยู่ในนั้นเช่นกัน — ดังนั้นบทความใดก็ตามที่บอกคุณว่าสามารถเข้าถึงทั้งสองโมเดลได้ด้วยคีย์เดียว รวมถึงบทความนี้ด้วย ก็คงเป็นการกุเรื่องขึ้นมา สิ่งที่จริงนั้นแคบกว่า: โมเดลแบบเปิดน้ำหนักที่เรามีให้บริการผ่านเส้นทางนั้น คือโมเดลที่ผู้ซื้อที่คำนึงถึงต้นทุนมักจะนำมาเปรียบเทียบกับสองโมเดลนี้ Kimi K3.1 Pro รองรับบริบท 1M และเอาต์พุตสูงสุด 943K ในราคา $2.00 และ $10.00 ต่อล้าน DeepSeek V4 Pro มีบริบท 1M และเอาต์พุต 384K ในราคา $0.66 และ $1.98 ทั้งสองโมเดลเข้าถึงได้ผ่านเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI พร้อมการสลับเมื่อเกิดข้อขัดข้องโดยอัตโนมัติ และราคาตามรายการของผู้ให้บริการส่งผ่านมาโดยไม่มีการบวกเพิ่ม ดังนั้นการเปลี่ยนแปลงราคาของผู้ขายจะมีผลฝั่งเราในวันเดียวกัน

เรื่องนี้สำคัญต่อการเปรียบเทียบนี้ในแง่หนึ่งโดยเฉพาะ Mistral Large 4.0 เปิดตัวที่ราคา $1.36 และ $4.18 และราคา $0.70 กับ $2.10 ที่เอกสารของ Mistral แสดงอยู่ในปัจจุบันคืออัตราที่ลดแล้วซึ่งตามมาในภายหลัง ราคาที่เปลี่ยนไปครึ่งหนึ่งภายในหนึ่งเดือนเป็นราคาที่ควรตรวจสอบมากกว่าจดจำ — และเป็นความเคลื่อนไหวแบบที่เกตเวย์แบบ pass-through สะท้อนให้เห็นโดยที่คุณไม่ต้องเปลี่ยนแปลงอะไร

ใครควรเลือกอันไหน

เลือก Ripple-65B Preview หากคุณต้องการเป็นเจ้าของน้ำหนักโมเดลอย่างสมบูรณ์ภายใต้เงื่อนไขที่คุณไม่ต้องตีความเอง หากภาระงานของคุณคือการเขียนโค้ดแบบเอเจนต์สไตล์เทอร์มินัลมากกว่าวิศวกรรมซอฟต์แวร์แบบกว้าง และหาก 65B พอดีกับฮาร์ดแวร์ของคุณ ยอมรับว่าคุณกำลังเชื่อถือการ์ดของผู้ขายที่ยังไม่มีห้องแล็บอิสระใดจำลองผลได้ว่า ตัวเลขบริบทขึ้นอยู่กับวิธีที่คุณให้บริการมันทั้งหมด และ 44.3 บน DeepSWE คือตัวเลขที่ต้องเอาชนะก่อนที่คุณจะแทนที่สิ่งที่คุณใช้อยู่ตอนนี้

เลือก Mistral Large 4.0 หากคุณต้องการทั้งภาพและข้อความ หากบริบท 1M พร้อมเรื่องราวการให้บริการที่มีเอกสารประกอบสำคัญกว่าความเรียบง่ายของสัญญาอนุญาต และหาก Intelligence Index ที่วัดได้ 26 พร้อมต้นทุนต่องาน 2.06 ดอลลาร์เป็นตัวเลขแบบที่กระบวนการจัดซื้อของคุณยอมรับ ยอมรับว่าสัญญาอนุญาตต้องให้ฝ่ายกฎหมายอ่านหนึ่งครั้งว่า weights 1,060.6 GB คือระดับความมุ่งมั่นด้านโครงสร้างพื้นฐานที่แตกต่างออกไป และว่า Terminal-Bench 4.0 ที่ 28.3% คือคะแนนที่การประเมินของคุณเองมีแนวโน้มจะทำได้ซ้ำมากที่สุด

สิ่งเดียวที่ฉันจะไม่ทำคือเลือกหว่างสองตัวนี้จากผลเบนช์มาร์กที่เป็นหัวข้อข่าว สองแล็บ สองเวอร์ชันเบนช์มาร์ก สองการรัน DeepSWE ที่รายงานเอง — การเปรียบเทียบที่ชี้ขาดคือสิ่งที่คุณรันบนรีโพซิทอรีของคุณเอง และทั้งสองโมเดลเปิดกว้างพอที่จะทำให้เป็นไปได้โดยไม่ต้องขออนุญาตใคร