Ripple 65B Preview 对比 Claude Opus 5.5：两个智能体编程模型，两场不同的考试

Ripple 65B Preview 在 Terminal-Bench 上报告 80.5。 Claude Opus 5.5 报告 66.4。把这两个数字放进同一列，那么 Ricursive Intelligence 于 2026 年 11 月 4 日发布的一个 650 亿参数开放权重模型，似乎在最接近智能体编程工作的基准上以 14 分优势击败了 Anthropic 的旗舰模型。但事实并非如此。Ripple 的数字是 Terminal-Bench 2.1。Opus 5.5 的数字是 Terminal-Bench 4.0。它们不是同一场考试，评分方式也不同，而这两个版本的历史，是买方在把任一数字当作定论之前所能了解的最有用的一件事。

这个差距并不是为了保护现有领先者而编造出来的技术性细节。它是一次有据可查的崩塌。2026年9月8日，SemiAnalysis让相同模型在两个版本上分别运行时，Claude Fable 5.1从2.1上的91.4降至4.0上的55.8，GPT-6 Astra从88.4降至57.7，Gemini 3.8 Flash从89.4降至19.1——对于一个并未改变的模型来说，降幅达70分。Terminal-Bench 4.0移除了八项任务，修复了另外十九项，统一应用了八小时超时，并增加了防篡改检查。2.1的分数和4.0的分数只是同名，别无共同之处。

每个模型实际上是什么

Ripple 65B Preview 是一个稠密模型，而非混合专家模型：650 亿参数，每处理一个 token 时全部参数都会激活，采用 80 层的“薄而深”Transformer 架构，残差流宽度为 5,120。Ricursive 的模型卡列出了更多注意力头、更高的滑动窗口注意力与全局注意力之比、更小的滑动窗口、FFN 激活裁剪、门控注意力、全局 NoPE 以及值残差——它将这些设计选择描述为类 Gemma 3N 的风格。该模型采用 Apache 2.0 许可，在 12 万亿 token 上训练，并声称支持最多 100 万 token 的上下文。

Claude Opus 5.5 是于 2026 年 9 月 22 日发布的闭源模型，拥有 100 万 token 的上下文窗口、128,000 token 的最大输出、文本和图像输入，以及始终开启的自适应思考——这是相较 Opus 5 的重大变化，在 Opus 5 中思考需要主动选择开启。它提供五个努力级别，以 medium 为默认，这一点很重要：几乎所有已发布的 Opus 5.5 基准测试都是在 max 或 xhigh 下运行的，而不是在大多数 API 调用会使用的设置下运行。

• 参数 — 65B 稠密模型，全部激活 vs 未披露，闭源权重

• 许可证 — Apache 2.0，可下载与专有版本对比，仅提供 API

• 上下文——宣称最高 1M，对比 1M，最大输出 128K

• 发布 — 2026年11月4日 vs 2026年9月22日

价格——无供应商标价；托管费率约为每百万 token $0.20 / $0.60，相比之下输入为 $4.00 / 输出为 $20.00，缓存读取为 $0.20

• 独立评分——暂无对比，而 Artificial Analysis Intelligence Index v5.0.1 上为 59 分

版本相匹配的那一行

Terminal-Bench 是发布方希望展开论证的地方。SWE-bench Pro 则让事情变得有趣，而 DeepSWE v1.1 则让事情变得令人不安。

Opus 5.5 的 SWE-bench Pro 成绩是 89.9，来自 Anthropic 的系统卡。Ripple 的成绩是 79.1——但这是在v2.0-Hard上，而且它自己的系统卡还单独列出了 v1.0 上的 61.42。三个数字、两家厂商、至少两套任务集。这里的任何数字都不能从其他任何数字中减去。

DeepSWE v1.1 则不同。两个实验室都公布了它上面的分数，而且都没有像 Terminal-Bench 那样对它重新进行版本更新。Opus 5.5 得分为 74.2。Ripple 65B Preview 得分为 44.3。这是双方都选择公布的基准测试上三十分的差距，而且指向与 Terminal-Bench 图表相反的方向。DeepSWE 是一个围绕真实仓库工作而非 shell 任务构建的软件工程智能体基准，因此对于 Ripple 所瞄准的受众——编程智能体——来说，它可以说是两者中更相关的一个。

这是对这次发布的诚实解读：Ripple 的主打是 2.1 分，其自家卡片在唯一存在同版本对比的智能体编程基准上显示 44.3，而被拿来对比的模型在该行以大幅优势胜出。这些都不说明 Ripple 是个差模型。它只是让 80.5 成为一个关于特定考试的分数。

3200万美元能买到什么，又买不到什么

Ricursive 最引人关注的说法并不是某个基准测试结果，而是：整个研发工作耗资 3200 万美元，约为该公司所称此前智能体编程领域开放权重最优水平成本的十分之一；这一成果通过 140 万次强化学习 rollout 实现——比 Reflection Beam 501B 少约七十倍——且模型 FLOPs 利用率为 40%。

如果这一点经得起验证，那就比在任何基准上拿到 80.5 都更重要，因为它意味着进入这一能力层级的成本已经下降了一个数量级。这也解释了模型的形态：80 层、65B 稠密是一种可以低成本训练和提供服务的设计，Ricursive 报告称，在批大小为 8 的情况下，使用两块 B200 可达到每秒 250 个 token，而且尚未进行任何量化。一个对比点：Opus 5.5 在 Artificial Analysis 的测试框架上测得每秒 112 个 token。

3200 万美元买不到的是独立验证。目前尚未有公开发布的第三方对 Ripple 数据的复现结果，而且该模型完全没有出现在 Artificial Analysis Intelligence Index——这一标准中立榜单——上。Opus 5.5 在该指数上的得分为 59（版本 5.0.1），每个指数任务的算力成本为 10.04 美元。在 Ripple 获得条目之前，所有关于它的跨模型说法都只能依赖厂商表格。

价格论证的正确做法

诱人的说法是 Ripple 每 token 便宜二十到三十倍。准确的说法是 Ripple 没有标价，因为没有什么可供标价：权重采用 Apache 2.0 许可，且可下载。第三方目录给出的托管费率约为每百万输入 token 0.20 美元、每百万输出 token 0.60 美元，而这些是托管费率，不是厂商价目表。自托管会把成本转化为 GPU 和工程时间，在稳态下便宜，但在第一天很昂贵。

Opus 5.5 是相反的取舍。每百万 token 输入 4 美元、输出 20 美元，是今天就能填进电子表格的真实数字；而 0.20 美元的缓存读取，让带有稳定前缀的长智能体循环比表面价格所暗示的便宜得多。在 OrcaRouter 上，它是其中之一：200 多个模型，可通过单个密钥以 0% 加价访问——服务商的标价直接透传，因此 Anthropic 的价格变动当天就会生效，而不是等到下一次账单对账。

Ripple 不在 OrcaRouter 的目录中，本文中的任何内容都不应被理解为我们在提供它。它的权重在 Hugging Face 上，发布信息中也列出了托管合作伙伴；如果你想以 API 方式调用它，而不是自行运行它，那就是该走的路。

该选哪一个

如果这项工作是在专有代码库上、需要合规审查的编码智能体，那么 Opus 5.5 是站得住脚的选择，而且在基准测试上的论证毫无悬念：它有独立指数评分、系统卡、已公布的 SWE-bench Pro 成绩，以及 1M 上下文窗口和 128K 输出。你为审计追踪所付的钱，不亚于为模型本身所付的钱。

如果这项工作是高吞吐、窄范围的 agent 循环：提示词稳定、语料库归你所有，而账单是约束条件，那么一个能装进两块 B200 的 65B Apache-2.0 模型，与每百万输出收费 20 美元的 API 相比，就是真正不同的选择。在投入之前要回答的问题不是“80.5 是否大于 66.4”——而是“Ripple 在 DeepSWE 上相对于我要替换的模型得分是多少”，而目前记录在案的答案是 44.3 对 74.2。

值得关注的并不是又一张厂商图表，而是 Ripple 65B Preview 在 Terminal-Bench 4.0 上的首次独立运行。本次对比中的一切都取决于那个数字。