Ripple 65B Preview 對決 Gemini 4 Argon：價格斷崖遇上開放權重

2026 年 12 月 1 日——距今天還有二十六天——Gemini 4 Argon 的公開定價將翻倍。輸入每百萬個 token 從 2.00 美元漲到 4.00 美元，輸出從 10.00 美元漲到 20.00 美元，快取輸入從 0.10 美元漲到 0.20 美元，批次與優先級層級也以相同倍數調整。Google 已明確表示，目前定價屬於導入期價格，並非可能悄悄變成永久的折扣。那個期限是這項比較的真正軸線，因為 2026 年 11 月 4 日以 Apache 2.0 發布的 Ripple 65B Preview，根本沒有可變動的價格：以 650 億稠密參數而言，它小到足以在自己的硬體上運行，成本就變成 GPU 帳單，而不是 token 費率。

這筆取捨是否划算，完全取決於你的使用量。以下是先於基準測試列出的算術。

兩側的數字

• Gemini 4 Argon，今日 — 每百萬 token 輸入 $2.00 / 輸出 $10.00，快取讀取 $0.10，批次與彈性方案 $1.00 / $5.00，優先方案 $3.60 / $18.00br/> • Gemini 4 Argon，自 12 月 1 日起 — $4.00 / $20.00，快取 $0.20，批次 $2.00 / $10.00，優先 $7.20 / $36.00br/> • Ripple 65B Preview — 無廠商價目表；Apache 2.0 權重，自行架設。第三方代管費率約為 $0.20 / $0.60br/> • 獨立評分 — Argon 於 Artificial Analysis Intelligence Index v5.0.1 得分 50，每項指數任務 $7.68；Ripple 未列入指數br/> • 上下文 — Argon 1,048,576 個 token，由輸入、思考與輸出共用；Ripple 號稱最高 1M，並經 2M token 長上下文階段訓練br/> • 輸出速度 — Argon 實測 55 tok/s；Ripple 號稱於 2×B200、batch 8、BF16 下達 250 tok/s

每月執行 200 萬個輸入 token 與 40 萬個輸出 token 的代理工作負載。以 Argon 的導入費率計算，那是 $4 加 $4——$8。從 12 月 1 日起則是 $16。若使用託管的 Ripple 端點並按目錄費率計價，大約會是 $0.40 加 $0.24，約 $0.64，而且這還沒算上任何其他費用。這個差距不是捨入誤差，而這正是這項比較比規格表更有價值的原因：在小量時，差異只是雜訊；但在代理規模下，它會決定架構。

你從 Argon 實際買到的究竟是什麼

Gemini 4 Argon 於 2026 年 9 月 30 日發表，並於 10 月 13 日正式全面推出。這是一款 100 萬 token 的模型，採用共享的上下文預算——輸入、思考 token 與輸出全都從同一個池中提取——且預設的同步輸出上限為 65,536 個 token。若要在單次輸出中接近完整的 100 萬，則需要使用帶有輪詢機制的背景長解碼路徑，每次跳躍最多 64K。這正是比較頁面上「100 萬上下文」那一行字所抹除的那類細節，而它改變了模型擅長之處：Argon 非常擅長閱讀大量語料並產出適度的答案，卻不擅長一次呼叫就產出一本書。

其實測定位屬於中段前沿。Artificial Analysis 在 v5.0.1 指數上給它 50 分，低於 Claude Opus 5.5 的 59 分與 GPT-6.1 Sol 的 55 分，而每項指數任務的成本為 7.68 美元——分數更低，卻是 Sol 的 1.27 美元六倍以上。Google 自家公布的表格顯示，它在 DeepSWE v1.1 以 77.9 分險勝，卻在 Terminal-Bench 4.0、FrontierSWE v2 與 OSWorld-2.0 上落敗，並附上慣有的但書：這些列是由廠商自行挑選的。它最與眾不同的數字，是在 AA-Omniscience 上 15% 的幻覺率，遠低於前沿常態。

這些都不是迴避它的理由。Argon 的強項在於長文件處理，而其價格在 12 月 1 日之前確實極具侵略性——每百萬 token 輸入 2 美元，與 GPT-6.1 Sol 相同，只有 Opus 5.5 的五分之一。

Ripple 究竟是什麼——去掉發布時的光鮮包裝

Ripple 65B Preview 是一個 80 層稠密 Transformer，具有寬度為 5,120 的殘差流、650 億個全數啟用的參數，以及 Ricursive 形容為類似 Gemma 3N 的一系列架構選擇：更多注意力頭、更高的滑動視窗與全域注意力比例、更小的滑動視窗、FFN 激活裁剪、門控注意力、全域 NoPE 與值殘差。它採用 Apache 2.0 授權，並以 BF16 instruct、NVFP4 instruct、BF16 base 及 DFlash2 變體形式提供。

效率方面的說法是這項比較中有趣的部分。Ricursive 表示，整個專案花費 3,200 萬美元，約為先前在 agentic coding 上開放權重最先進成果的十分之一；它使用了 140 萬次 RL rollout——約為 Reflection Beam 的七十分之一——並在 40% MFU 下，於兩張 B200、批次大小為 8、BF16 的設定中維持每秒 250 個 token。Artificial Analysis 測得 Argon 為每秒 55 個 token。一個 65B 稠密模型在兩張 GPU 上達到 250 tok/s，是與前沿 API 不同級別的部署，而這是 Ripple 宣傳中唯一不依賴基準測試框架的部分。

上下文宣稱需要和 Argon 的宣稱受到同樣嚴格的檢視。Ricursive 列出 8K、64K、2M 和 128K 的訓練階段，並宣傳 1M 視窗。已有第三方目錄將該模型列為具有 16.4K 上下文，這相對於規格卡顯然有誤，但應該足以讓你在圍繞它進行設計之前，先在自己的測試框架中驗證該視窗。在一個已推出兩天的預覽版上宣稱 1M，只是宣稱，不是測量。

基準問題，以一段話說明

你無法在圖表上把這兩者並列比較。Argon 公布的程式碼評測數字主要是 Terminal-Bench 4.0 與 DeepSWE v1.1；Ripple 的主打數字則是 Terminal-Bench 2.1 的 80.52，那是另一套題目、天花板也較寬鬆。兩者唯一共同公布的同一版本欄位是 DeepSWE v1.1：Argon 回報 77.9，Ripple 回報 44.3——這個結果與 Terminal-Bench 數字所營造出的印象完全相反。Ripple 的數字沒有任何獨立驗證，而 Argon 的數字則是廠商自行挑選的。在中立的測試框架同時跑過兩者之前，這個比較應視為尚無定論。

兩宗案件中的裁決

突發性強、文件密集、用量低。Argon 勝出，而 12 月的調漲大概也無關緊要。如果你每個月要處理幾百份長 PDF，8 美元和 16 美元的差別只是四捨五入的誤差；而一個 1M 的共享視窗加上低幻覺率，比你自己還得動手操作的 3 倍 token 節省更有價值。可以的話，就在 12 月 1 日前鎖定——費率變動適用於用量，而不是先前簽訂的合約，所以這個月特別值得問問承諾用量協議。

穩定狀態、高流量、狹窄任務。算盤就打反了。兩張 B200 的固定月費，對上規模化後每月 40 萬次、價值 4,800 美元的 Argon 輸出 token，這根本不是勢均力敵的比較，而且 Apache 2.0 意味著不必談授權。問題在於，你得接手整個服務堆疊、量化決策與評估工作，而且你賭的是一個沒有獨立評分的預覽版檢查點。

OrcaRouter 位於那條界線的 Argon 一側。Gemini 4 Argon 是超過 200 個模型之一，可透過單一金鑰使用，且維持 0% 加價——直接轉嫁 Google 的牌價，因此 12 月 1 日的變動會當天在這裡生效，而不是等到下一次合約續約。如果價格變動令你擔憂，路由 DSL 就是實用的避險手段：以 Argon 負責長上下文讀取，並把輸出階段交給較便宜的模型，混合呼叫的成本會低於單獨使用任一模型。Ripple 不在型錄中，因此以 Ripple 為基礎的堆疊是自架專案，而不是路由決策。

什麼會改變答案：獨立的 Ripple 評分、Argon 入門定價的撤銷或延長，或是 Argon 的 1M 視窗到頭來能在沒有背景路徑的情況下端到端使用。留意第一項；另外兩項是已知且有日期的。