Ripple 65B Preview so với Kimi K3.1 Pro: Hai bản phát hành trọng số mở, không có benchmark chung

Ngày 4 tháng 11 năm 2026, hai mô hình trọng số mở ra mắt chỉ cách nhau vài giờ, và gần như không ai so sánh chúng một cách đúng đắn. Ripple 65B Preview là một mô hình dense 65 tỷ tham số của Ricursive Intelligence, được tiền huấn luyện từ đầu trên 12 nghìn tỷ token và phát hành theo giấy phép Apache 2.0. Kimi K3.1 Pro là mô hình sparse hàng đầu nghìn tỷ tham số của Moonshot AI, có API mở vào ngày 23 tháng 10 và trọng số — khoảng 1,56 TB — được công khai vào ngày 4 tháng 11. Một mô hình đủ nhỏ để đặt trên bàn làm việc; mô hình kia cần cả một trung tâm dữ liệu. Câu hỏi hiển nhiên là mô hình nào tốt hơn, và câu trả lời trung thực là không có con số nào được công bố cho phép bạn trả lời điều đó, vì hai phòng lab đã không chạy một benchmark duy nhất nào trên cùng một phiên bản.

Đó không phải là một cách né tránh tu từ. Đó là điều hữu ích nhất trên trang này: nếu bạn đang chọn giữa hai cái này, thì bạn đang chọn giữa hai kiểu đặt cược khác nhau, và bảng benchmark không thể đưa ra lựa chọn đó thay bạn.

Mỗi mô hình thực sự là gì

Ripple 65B Preview là dense, không phải sparse. Mỗi một trong 65 tỷ tham số của nó đều kích hoạt trên mọi token, trong một transformer "mỏng và sâu" 80 lớp với luồng residual rộng 5.120 chiều. Ricursive mô tả thiết kế này là bước chuyển khỏi kiến trúc Olmo 3 sang kiến trúc kiểu Gemma 3N — các đầu attention được cấp dư thừa, tỷ lệ attention cửa sổ trượt trên attention toàn cục cao hơn, attention có cổng, NoPE toàn cục, residual giá trị và cắt ngưỡng kích hoạt FFN. Quá trình huấn luyện chạy 877.500 bước ở độ dài chuỗi 8K trên kho dữ liệu chỉ có văn bản, chủ yếu là tiếng Anh và mã nguồn, tiếp theo là midtraining, một giai đoạn ngữ cảnh dài và RL nhẹ tập trung vào lập trình agentic. Ricursive ước tính hóa đơn tính toán là 32 triệu USD.

Kimi K3.1 Pro có hình thái ngược lại. Đây là một mô hình Mixture-of-Experts thuộc lớp nghìn tỷ tham số — các công cụ theo dõi bên thứ ba ước tính khoảng 2,8T tổng cộng với khoảng 104B hoạt động mỗi token — và ghi chú phát hành của Moonshot mô tả nó là K3 được huấn luyện hậu kỳ với ngân sách RL lớn hơn nhiều, trải rộng trên hàng trăm lĩnh vực. Tài liệu ra mắt của chính công ty gọi nó là phiên bản được huấn luyện hậu kỳ của K3, nhưng thẻ mô hình kể một câu chuyện cụ thể hơn: phần xương sống đã chuyển từ 24 lớp Gated MLA sang 24 lớp Gated DSA. Nó được cung cấp với đầu vào văn bản, hình ảnh và video, nỗ lực suy luận có thể cấu hình và cửa sổ ngữ cảnh 1.048.576 token.

• Tham số — 65B dense (tất cả đều hoạt động) so với tổng ~2.8T / ~104B hoạt động, theo các nguồn theo dõi bên thứ ba

• Ngữ cảnh — 1M token được quảng cáo so với 1.048.576 token, được quảng cáo và cung cấp

• Giấy phép — Apache 2.0 so với giấy phép Kimi K3, được đổi tên, với ngưỡng MaaS 20 triệu USD/12 tháng

• Trọng số trên đĩa — một checkpoint BF16 trong một repo duy nhất cùng các biến thể NVFP4 và base, so với ~1,56 TB trải trên 96 phân mảnh MXFP4

• Phương thức — văn bản vào, văn bản ra so với văn bản, hình ảnh và video vào, văn bản ra

• Giá — $0,20 / $0,60 mỗi triệu token đầu vào/đầu ra trên các danh sách niêm yết của bên thứ ba so với $2,00 / $10,00, đây là mức giá mà danh mục của chính chúng tôi áp dụng

Con số trông như một trận thắng cách biệt lại không phải vậy.

Card của Ripple báo cáo 80,5 trên Terminal-Bench 2.1. Bản ra mắt của Kimi báo cáo 65,7 trên Terminal-Bench 4.0. Đặt cạnh nhau, Ripple có vẻ thắng gần 15 điểm với kích thước chỉ bằng một phần nhỏ. So sánh đó vô nghĩa, và nó đang được lặp đi lặp lại liên tục trong các phản hồi cho cả hai luồng ra mắt.

Terminal-Bench 4.0 là một bản sửa đổi muộn hơn, khó hơn của bộ khung đánh giá so với 2.1. Một mô hình đạt 80 trên bộ tác vụ 2.1 chưa được chứng minh là nằm trong khoảng mười lăm điểm so với một mô hình đạt 65.7 trên 4.0 — nó chỉ được chứng minh là đã làm một bài thi khác. Cái bẫy tương tự cũng nuốt chửng những so sánh khác đang lưu hành: Ripple đạt 79.1 trên SWE-bench Pro v2.0 Hard, 44.3 trên DeepSWE 1.1, 76.5 trên SWE-bench Verified, so với Kimi đạt 51.7 trên SWE Marathon v1.1 và 61.2 trên Kimi Code Bench 3.0 Long-horizon. Đó là sáu bộ đánh giá, không có bộ nào trong số đó trùng nhau.

Ngay cả một phòng thí nghiệm duy nhất đo một benchmark duy nhất cũng mâu thuẫn với chính nó giữa các harness. Con số Terminal-Bench 4.0 của Kimi K3.1 Pro xuất hiện là 65,7 từ Moonshot, 63,6 từ Vals AI và 67 từ Artificial Analysis — chênh lệch 3,4 điểm trên cùng một mô hình và cùng một phiên bản benchmark, hoàn toàn do công cụ. Nếu ba lần chạy của một benchmark trên một mô hình lại dao động đến mức đó, thì so sánh chéo phiên bản giữa hai mô hình không phải là một phép đo. Đó chỉ là đồ trang trí.

Ricursive cũng nói điều tương tự trong card của chính mình, nhưng kín đáo hơn thread ra mắt. Card lưu ý rằng "việc tái lập điểm benchmark đã gặp nhiều thách thức" và rằng các điểm số được lấy với nỗ lực tối đa trong BF16. Hãy đọc câu đó hai lần trước khi đưa 80.5 vào một slide.

Trục mà bạn thực sự có thể so sánh

Có hai thứ có thể so sánh trực tiếp vì chúng không phải là điểm benchmark: chi phí của mô hình và những gì cần để vận hành nó.

Về giá, khoảng cách rơi vào khoảng 10:1. Kimi K3.1 Pro có giá $2.00 mỗi triệu token đầu vào và $10.00 mỗi triệu token đầu ra trong danh mục của chúng tôi, tức là chuyển nguyên giá niêm yết của Moonshot mà không cộng thêm phụ phí. Ripple 65B Preview được niêm yết ở mức $0.20 và $0.60 trên endpoint được lưu trữ đầu tiên của nó — một con số đáng được coi là tạm thời, vì Ricursive chưa công bố bảng giá riêng của mình. Cùng endpoint đó phục vụ ngữ cảnh 16.384 token, so với cửa sổ 1 triệu token được quảng cáo, và ít nhất một trình theo dõi dán nhãn mô hình là độc quyền trong khi trọng số của nó được công khai trên Hugging Face theo Apache 2.0. Khi các trình theo dõi sai về giấy phép đến mức đó, mức giá của họ cũng đáng bị hoài nghi tương tự.

Chênh lệch chi phí lớn hơn không nằm ở chi phí mỗi token. Mà ở chi phí mỗi câu trả lời. Kimi K3.1 Pro là một mô hình suy luận phát ra khoảng 55.000 token đầu ra cho mỗi tác vụ trong chỉ số Artificial Analysis; với mức 10 đô la mỗi triệu token đầu ra, đó là phần lớn trong 1,98 đô la mà chỉ số này tốn cho mỗi tác vụ. Các con số của Ripple đến từ một mô hình có ít huấn luyện hậu kỳ và không có thang suy luận có thể cấu hình, nên nó sẽ phát ra ít hơn nhiều — nhưng cho đến khi ai đó chạy cùng một bộ tác vụ qua cả hai, con số mỗi tác vụ vẫn chỉ là ước tính, không phải sự thật. Số token mỗi câu trả lời, chứ không phải số đô la mỗi token, mới là nơi các mô hình nhỏ thường thắng và cũng là nơi các so sánh trên các luồng thảo luận ra mắt không bao giờ đi tới.

Triển khai là nơi hai bên rẽ nhánh hoàn toàn.

Bản tải xuống của Kimi K3.1 Pro vào khoảng 1,56 TB trải trên 96 phân đoạn safetensors ở MXFP4, với QAT giữ chất lượng ở độ rộng đó. Bạn không chạy nó trên một máy trạm. Các lựa chọn thực tế là một endpoint được lưu trữ hoặc một cụm đa nút, và giấy phép bổ sung một ngưỡng thương mại quan trọng ở quy mô lớn: ngưỡng kích hoạt MaaS 20 triệu USD/12 tháng, cùng một điều khoản đặt tên ở 100 triệu người dùng hàng tháng hoặc 20 triệu USD doanh thu hàng tháng.

Ripple 65B Preview được xây dựng cho đầu bên kia của phổ đó. Ở BF16, checkpoint nặng khoảng 130 GB, đó là lý do câu "chạy trên MacBook" trong bài đưa tin ra mắt đang gánh vác nhiều hơn mức nó thừa nhận — 130 GB không thể vừa trong bộ nhớ hợp nhất của laptop nếu không lượng tử hóa. Điều mà thẻ thông số của Ricursive thực sự công bố là một NVIDIA DGX Spark, cùng 250 token mỗi giây trên hai B200 ở batch size 8 trước khi có kernel tùy chỉnh. Repo cũng cung cấp một biến thể NVFP4, và đây chính là biến thể khiến việc triển khai trên máy nhỏ trở nên khả thi.

Vậy nên câu hỏi triển khai tự trả lời trước cả khi các bài benchmark làm điều đó. Nếu bạn có một DGX Spark và không có ngân sách GPU, Ripple là mô hình bạn có thể sở hữu. Nếu bạn không có rack dự phòng và cũng không muốn tải về 1,56 TB, Kimi là mô hình bạn thuê.

Gọi một trong hai

Đây là điểm mà hai bên không còn đối xứng nữa. Kimi K3.1 Pro đang có mặt trên OrcaRouter ngay hôm nay với đúng mức giá niêm yết — 2,00 USD đầu vào, 10,00 USD đầu ra, 0% phụ phí, nên khi Moonshot giảm giá, thay đổi sẽ đến với khóa của bạn ngay trong ngày thay vì phải chờ đến chu kỳ thanh toán tiếp theo. Một khóa duy nhất bao quát cả mô hình đó lẫn phần còn lại của danh mục, điều này rất quan trọng nếu bạn đang dùng Kimi làm tầng leo thang đắt tiền phía sau một lựa chọn mặc định rẻ hơn.

Ripple 65B Preview không có trong danh mục của chúng tôi, và chúng tôi sẽ không giả vờ ngược lại. Nó truy cập API thông qua endpoint riêng của Ricursive và các nền tảng bên thứ ba, còn trọng số của nó nằm trên Hugging Face nếu bạn muốn lấy trực tiếp. Một bản phát hành Preview hoàn toàn mới với model card thừa nhận rằng điểm số của chính nó khó tái lập chính là trường hợp bạn muốn đặt mô hình phía sau một router thay vì nối thẳng vào luồng production — nhưng điều đó chỉ hữu ích khi nhà cung cấp mở nó cho định tuyến bên thứ ba.

Chọn cái nào?

Chọn Kimi K3.1 Pro nếu công việc mang tính dài hạn và mở: những đợt refactor lớn trên một kho mã nguồn đồ sộ, phân tích tài liệu ở mức 200K token trở lên, bất kỳ việc gì mà đầu vào hình ảnh giúp bạn bỏ qua một bước OCR riêng, hoặc bất kỳ việc gì bạn cần mô hình giữ được một kế hoạch xuyên suốt hàng trăm lần gọi công cụ. Bạn đang trả mức giá gần mức tiên phong và nên kỳ vọng hành vi gần mức tiên phong. Mức chênh lệch 3,4 điểm giữa các harness chỉ là nhiễu; còn ngữ cảnh 1M và đầu vào đa phương thức thì không.

Chọn Ripple 65B Preview nếu phạm vi công việc có giới hạn và bạn muốn ngừng trả tiền theo token: một tác tử lập trình trên một tập tác vụ cố định, một trợ lý cục bộ trên phần cứng bạn đã sở hữu, một mục tiêu tinh chỉnh — Apache 2.0 và một checkpoint dense 65B là điểm khởi đầu thân thiện hơn nhiều so với một MoE 1,56 TB. Hãy coi 80,5 là một tuyên bố từ phòng thí nghiệm đã tạo ra mô hình, trên một phiên bản benchmark mà chưa ai khác công bố, và hãy xác thực nó trên các tác vụ của chính bạn trước khi nó đến gần bất kỳ quyết định sản xuất nào.

Và nếu bạn muốn phép so sánh thực sự có thể giải quyết được chuyện này, thì nó vẫn chưa tồn tại. Chưa ai chạy Ripple 65B Preview và Kimi K3.1 Pro qua cùng một harness ở cùng một phiên bản. Cho đến khi có người làm vậy, thứ xếp hạng trung thực duy nhất là theo hình dạng: một mô hình nhỏ bạn có thể sở hữu đối lại một mô hình lớn bạn có thể thuê, với tỷ lệ giá khoảng mười đối một và không có bài kiểm tra chung nào để phá thế hòa.