Ripple 65B Preview vs Gemini 4 Argon：价格断崖遇上开放权重

2026年12月1日——距今二十六天——Gemini 4 Argon公布的价格将翻倍。输入价格从每百万 token 2.00 美元涨至 4.00 美元，输出价格从 10.00 美元涨至 20.00 美元，缓存输入价格从 0.10 美元涨至 0.20 美元，批量和优先层级也按相同倍数上调。Google 已明确表示，当前定价是引入价，而不是可能悄悄变成永久价格的折扣。这个截止日期才是本次比较的真正基准，因为 2026 年 11 月 4 日在 Apache 2.0 许可下发布的 Ripple 65B Preview 根本没有可以变动的价格：它有 650 亿密集参数，小到足以在你自己的硬件上运行，成本于是变成 GPU 账单，而不是 token 费率。

这种取舍是否划算，完全取决于你的使用量。这是算术，先于基准测试呈现。

每侧的数字

• Gemini 4 Argon，今日 — 每百万 token 输入 $2.00 / 输出 $10.00，缓存读取 $0.10，batch 与 flex 为 $1.00 / $5.00，priority 为 $3.60 / $18.00br/> • Gemini 4 Argon，自 12 月 1 日起 — $4.00 / $20.00，缓存 $0.20，batch $2.00 / $10.00，priority $7.20 / $36.00br/> • Ripple 65B Preview — 无厂商价目表；Apache 2.0 权重，自托管。第三方托管价格约为 $0.20 / $0.60br/> • 独立评分 — Argon 在 Artificial Analysis Intelligence Index v5.0.1 上得 50 分，每项指数任务 $7.68；Ripple 无指数条目br/> • 上下文 — Argon 1,048,576 个 token，在输入、思考和输出之间共享；Ripple 声称最高 1M，并经过 2M token 长上下文阶段训练br/> • 输出速度 — Argon 实测 55 tok/s；Ripple 声称在 2×B200、batch 8、BF16 下达到 250 tok/s

每月运行一个智能体工作负载，消耗 200 万输入 token 和 40 万输出 token。按 Argon 的入门费率计算，就是 $4 加 $4——共 $8。从 12 月 1 日起，则是 $16。若使用托管式 Ripple 端点并按目录价计算，大约为 $0.40 加 $0.24，约 $0.64，这还未计入其他任何费用。这个差距不是舍入误差，也正是这项比较比规格表更有价值的原因：在小规模用量下，差异只是噪声；而在智能体规模下，它决定架构。

你从 Argon 实际购买的到底是什么

Gemini 4 Argon 于 2026 年 9 月 30 日发布，并于 10 月 13 日全面可用。它是一个 100 万 token 模型，采用共享上下文预算——输入、思考 token 和输出都从同一个池中支取——默认同步输出上限为 65,536 个 token。要在单次输出中接近完整的 100 万，需要走带轮询的后台长解码路径，每次最多以 64K 为一批推进。这类细节会被对比页面上一句“100 万上下文”抹掉，而它改变了模型擅长什么：Argon 非常擅长阅读大型语料并给出适中的回答，却不擅长在一次调用中产出一本书。

其测得的表现处于前沿模型的中游水平。Artificial Analysis 在 v5.0.1 指数上给它打了 50 分，低于 Claude Opus 5.5 的 59 分和 GPT-6.1 Sol 的 55 分；其每项指数任务成本为 7.68 美元，是 Sol 的 1.27 美元的六倍多，得分却更低。谷歌自己公布的表格显示，它在 DeepSWE v1.1 上以 77.9 的得分险胜，但在 Terminal-Bench 4.0、FrontierSWE v2 和 OSWorld-2.0 上落败；照例需要说明，这些行是由厂商挑选的。其最引人注目的数字是在 AA-Omniscience 上 15% 的幻觉率，远低于前沿模型的常态水平。

这些都不是避开它的理由。Argon 的强项是长文档处理，而且在 12 月 1 日之前，其价格确实极具竞争力——每百万 token 输入 2 美元，与 GPT-6.1 Sol 持平，仅为 Opus 5.5 的五分之一。

剥去发布宣传的光环，Ripple 究竟是什么

Ripple 65B Preview 是一个 80 层稠密 Transformer，拥有宽度为 5,120 的残差流，650 亿参数全部激活，并采用了一系列 Ricursive 称之为类 Gemma 3N 的架构选择：额外的注意力头、更高的滑动窗口与全局注意力比例、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。它采用 Apache 2.0 许可证，以 BF16 instruct、NVFP4 instruct、BF16 base 和 DFlash2 变体形式发布。

对于这一比较而言，效率方面的说法才是有意思的部分。Ricursive 表示，整个项目耗资 3200 万美元，约为此前智能体编程领域开放权重最先进水平的十分之一；它使用了 140 万次强化学习 rollout——大约比 Reflection Beam 少七十倍——在 40% MFU 下，并称其在两块 B200 上以 BF16、批大小为 8 时持续达到每秒 250 个 token。Artificial Analysis 测得 Argon 为每秒 55 个 token。一个 65B 稠密模型在两块 GPU 上达到 250 tok/s，属于与前沿 API 不同类别的部署方式，而且这是 Ripple 宣传中唯一不依赖基准测试框架的部分。

Argon 的上下文声明需要受到同样严格的审视。Ricursive 列出了 8K、64K、2M 和 128K 的训练阶段，并宣传其具有 1M 窗口。已经有一个第三方目录将该模型列为 16.4K 上下文，这与模型卡明显不符，但足以让你在围绕该窗口进行设计之前，先在自己的测试框架中验证它。对一个发布仅两天的预览版而言，1M 的宣称只是宣称，并非实测结果。

基准问题，用一段话说明。

你无法在图表上把这两者对齐。Argon 公布的编码数据主要是 Terminal-Bench 4.0 和 DeepSWE v1.1；Ripple 主推的是 Terminal-Bench 2.1 的 80.52，这是一个不同的任务集，且上限更宽松。双方都公布的同版本行只有 DeepSWE v1.1，其中 Argon 报告 77.9，Ripple 报告 44.3——这一结果与 Terminal-Bench 数字造成的印象直接相悖。Ripple 的两个数字均未经过独立验证，而 Argon 的数字是厂商挑选的。在中立测试框架同时运行两者之前，应将该比较视为未决。

两种情况下的决定

突发性强、文档量大、使用量低。Argon 胜出，而 12 月的涨价大概无关紧要。如果你每月要处理几百份长篇 PDF，8 美元和 16 美元之间的差别不过是舍入误差，而一个低幻觉率的 100 万共享窗口，比你自己要动手运维的 3 倍 token 节省更有价值。如果可以，尽量在 12 月 1 日前锁定——费率变更适用于用量，而不适用于更早签署的合同，所以本月专门去问一问承诺消费协议是值得的。

稳态、高流量、窄任务。 这笔账就反过来了。两台 B200 的固定月成本，对比在规模化下每月 40 万、价值 4,800 美元的 Argon 输出 token，这并不是一个势均力敌的抉择，而且 Apache 2.0 意味着无需进行许可谈判。问题在于，你要接手服务栈、量化决策和评估工作，而且你是在押注一个没有独立评分的预览检查点。

OrcaRouter 位于这条分界线的 Argon 一侧。Gemini 4 Argon 是200 多个模型之一，可通过单个密钥使用，且零加价——按 Google 的标价原样传递，因此 12 月 1 日的调价当天就会体现在这里，而不是等到下一次合同续约。如果你担心的是价格变动，路由 DSL 是实用的对冲手段：用 Argon 完成长上下文读取，再把输出阶段交给更便宜的模型，混合调用的成本低于单独使用任一模型。Ripple 不在目录中，因此基于 Ripple 的技术栈属于自托管项目，而不是路由决策。

会改变答案的是：一个独立的 Ripple 评分、Argon 入门定价的撤销或延长，或者 Argon 的 1M 窗口最终证明无需后台路径即可端到端使用。关注第一个；另外两个是已知且已有日期的。