Ripple 65B Preview 对比 Kimi K3.1 Pro：两项开放权重发布，零共享基准

2026年11月4日，两个开放权重模型相隔数小时先后发布，而几乎没有人对它们进行过像样的比较。Ripple 65B Preview 是 Ricursive Intelligence 推出的650亿参数稠密模型，从零开始用12万亿个token预训练，并以 Apache 2.0 许可发布。Kimi K3.1 Pro 是 Moonshot AI 的万亿参数稀疏旗舰模型，其 API 于10月23日开放，其权重——约1.56 TB——于11月4日公开。一个足够小，可以放在桌面上；另一个则需要数据中心。显而易见的问题是哪个更好，而诚实的答案是：没有任何已公布的数字能让你回答这个问题，因为两家实验室从未在同一版本上跑过哪怕一项基准测试。

这不是修辞上的搪塞。这是本页最有用的内容：如果你在这两者之间做选择，你其实是在两种不同类型的赌注之间做选择，而基准测试表无法替你做出这个选择。

每个模型实际上是什么

Ripple 65B Preview 是稠密模型，而非稀疏模型。它的 650 亿个参数中的每一个都会对每个 token 进行计算，模型采用 80 层的“薄而深”Transformer，残差流宽度为 5,120。Ricursive 称这一设计是从 Olmo 3 架构转向类 Gemma 3N 架构——注意力头超量配置、滑动窗口注意力与全局注意力的比例更高、门控注意力、全局 NoPE、值残差以及 FFN 激活裁剪。训练在纯文本、以英语和代码为主的语料上进行，序列长度为 8K，共 877,500 步，随后依次进行中期训练、长上下文阶段以及专注于智能体编程的轻量强化学习。Ricursive 给出的算力成本为 3200 万美元。

Kimi K3.1 Pro 则截然相反。它是一款万亿参数级的混合专家模型——第三方追踪机构给出的总参数量约为 2.8T，每 token 约 104B 激活参数——Moonshot 的发布说明将其描述为经过后训练的 K3，且强化学习预算大得多，覆盖数百个领域。公司自己的发布材料称其为 K3 的后训练版本，但模型卡给出了更具体的信息：主干从 24 层 Gated MLA 变为 24 层 Gated DSA。它支持文本、图像和视频输入，可配置推理强度，并具有 1,048,576 token 的上下文窗口。

• 参数——65B 稠密（全部激活）对比总量约 2.8T / 激活约 104B，据第三方追踪数据

• 上下文 — 宣传为 1M tokens，而实际宣传并提供的是 1,048,576 tokens

• 许可证 — Apache 2.0 与已更名的 Kimi K3 许可证的对比，设有 2000 万美元/12 个月的 MaaS 门槛

• 磁盘上的权重 — 单个仓库的 BF16 检查点，加上 NVFP4 和基础变体，而 96 个 MXFP4 分片合计约 1.56 TB

• 模态 — 文本输入、文本输出，对比文本、图像和视频输入、文本输出

• 价格 — 第三方渠道为每百万输入/输出 token $0.20 / $0.60，而 $2.00 / $10.00 是我们自有目录中的价格

那个看似一边倒的比分数字，其实并非如此

Ripple 的模型卡片报告在 Terminal-Bench 2.1 上取得 80.5 分。Kimi 的发布则报告在 Terminal-Bench 4.0 上取得 65.7 分。把这两者并排放到一起，Ripple 似乎以对方一小部分的模型规模赢了将近 15 分。这种比较毫无意义，而在两个发布帖的回复里，这种比较却随处可见。

Terminal-Bench 4.0 是比 2.1 更晚、更难的 harness 修订版。一个在 2.1 任务集上得分 80 的模型，并未被证明与在 4.0 上得分 65.7 的模型相差在十五分以内——只能说明它参加的是另一场考试。同样的陷阱也吞没了流传中的其他比较：Ripple 在 SWE-bench Pro v2.0 Hard 上的 79.1、其在 DeepSWE 1.1 上的 44.3、其在 SWE-bench Verified 上的 76.5，对比 Kimi 在 SWE Marathon v1.1 上的 51.7 和在 Kimi Code Bench 3.0 Long-horizon 上的 61.2。这是六个基准，其中没有任何一个是共用的。

即使只有一个实验室、只测一个基准，它也会在不同评测框架之间自相矛盾。Kimi K3.1 Pro 的 Terminal-Bench 4.0 分数在 Moonshot 那里是 65.7，在 Vals AI 那里是 63.6，在 Artificial Analysis 那里是 67——同一个模型、同一个基准版本，仅因工具链不同就出现了 3.4 分的差距。如果一个模型上的一个基准跑三次都能差这么多，那么两个模型之间的跨版本比较就不是测量，而是装饰。

Ricursive 在其自己的卡片中也表达了同样的意思，只是比发布帖说得更低调。卡片指出，“复现基准测试分数一直颇具挑战”，并且这些分数是在 BF16 下以最大努力取得的。在把 80.5 放进幻灯片之前，把这句话读两遍。

你实际可以比较的轴

两件事可以直接比较，因为它们不是基准测试分数：模型的成本和运行它所需的代价。

价格方面，差距约为十比一。Kimi K3.1 Pro 在我们目录中的价格是每百万输入 token 2.00 美元、每百万输出 token 10.00 美元，该价格直接采用 Moonshot 的标价，未加价。Ripple 65B Preview 在其首个托管端点上的标价为 0.20 美元和 0.60 美元——这一数字应视为暂定，因为 Ricursive 尚未发布自己的价目表。同一个端点提供 16,384 token 的上下文，而宣传窗口为 1M；并且至少有一个追踪器将该模型标为专有，而其权重以 Apache 2.0 公开托管在 Hugging Face 上。当追踪器在许可证上错得如此离谱时，它们的定价也理应受到同样的怀疑。

更大的成本差异并不在于每个 token，而在于每个回答。Kimi K3.1 Pro 是一个推理模型，在 Artificial Analysis 指数的每项任务上大约会输出 55,000 个 token；按每百万输出 token 10 美元计算，这已经占了该指数每项任务 1.98 美元成本的大部分。Ripple 的数字来自一个后训练较轻、没有可配置推理阶梯的模型，因此它的输出量应该少得多——但在有人用同一套任务分别跑过两者之前，每项任务的数字只是估算，而非事实。小模型通常胜在每次回答的 token 数，而不是每个 token 的美元价格，而发布讨论帖里的比较从来不会涉及这一点。

部署正是两者彻底分道扬镳之处

Kimi K3.1 Pro 的下载量约为 1.56 TB，由 96 个 MXFP4 格式的 safetensors 分片组成，QAT 让它在这样的位宽下仍能保持质量。你没法在工作站上跑它。现实可行的选择是托管端点，或者多节点集群；而许可证还额外设了一道在大规模使用时才会显现的商业门槛：2000 万美元/12 个月的 MaaS 触发条件，以及月活用户达 1 亿或月收入达 2000 万美元时触发的命名条款。

Ripple 65B Preview 是为那个区间的另一端打造的。在 BF16 下，该检查点约为 130 GB，这就是为什么发布报道中“能在 MacBook 上运行”这句话所起的作用比它承认的更大——130 GB 在不量化的情况下无法装入笔记本电脑的统一内存。Ricursive 的规格卡实际声称的是 NVIDIA DGX Spark，以及在批量大小为 8 时、使用两块 B200、在未启用自定义内核的情况下达到每秒 250 个 token。该仓库还提供了一个 NVFP4 变体，正是它让小型机器部署变得可行。

所以，部署这个问题在基准测试揭晓答案之前就已经不言自明了。如果你有一台 DGX Spark，却没有 GPU 预算，那 Ripple 就是一款你能自己拥有的模型。如果你既没有多余的机架，也没有下载 1.56 TB 的兴致，那 Kimi 就是一款你租来用的模型。

调用任意一个

这正是两者不再对称的地方。Kimi K3.1 Pro 现已在 OrcaRouter 上以标价提供——输入 $2.00，输出 $10.00，0% 加价，因此当 Moonshot 降价时，这一变化当天就能反映到你的密钥上，而无需等到下一个计费周期。一个密钥即可覆盖该模型以及目录中的其余模型；如果你将 Kimi 用作更便宜的默认模型背后的高成本升级层级，这一点尤为重要。

Ripple 65B Preview 不在我们的目录中，我们也不会假装它在。它通过 Ricursive 自己的端点和第三方平台访问 API；如果你想直接获取，其权重在 Hugging Face 上。一个全新的 Preview 版本，其模型卡承认自身分数难以复现，这正是你希望把模型放在路由器后面、而不是直接接入生产路径的情况——但只有当供应商将其开放给第三方路由时，这才会有所帮助。

该选哪一个

如果任务是长周期、开放式的，就选 Kimi K3.1 Pro：大型仓库中的大规模重构、20 万 token 及以上的文档分析、图像输入能帮你省去单独 OCR 步骤的场景，或者需要模型在数百次工具调用中始终维持计划的场景。你支付的是接近前沿的价格，就应该期待接近前沿的表现。不同测试框架之间 3.4 个百分点的差距是噪声；100 万上下文和多模态输入不是。

如果工作范围有限，并且你想不再按 token 付费，那就选 Ripple 65B Preview：固定任务集上的编码智能体、运行在你自己已有硬件上的本地助手、微调目标——Apache 2.0 加 65B 稠密检查点，是远比 1.56 TB 的 MoE 更友好的起点。把 80.5 当作来自打造该模型的实验室的一项声明，而且是在其他任何人都未曾发布过的基准修订版上得出的；在它接近任何生产决策之前，先在你自己的任务上验证它。

如果你想要那种真正能一锤定音的比较，它现在还不存在。还没有人让 Ripple 65B Preview 和 Kimi K3.1 Pro 在相同版本、同一套测试框架下跑过。在有人做到之前，唯一诚实的排名只能按形态来：一个是你可以自有、可掌控的小模型，对比一个你只能租用的大模型，价格比约为十比一，而且没有共同的考试来打破平局。