Ripple 65B Preview 對決 Kimi K3.1 Pro：兩款開放權重發布，零共同基準測試

2026 年 11 月 4 日，兩個開放權重模型相隔數小時先後發布，卻幾乎沒有人好好比較過它們。Ripple 65B Preview 是 Ricursive Intelligence 推出的 650 億參數稠密模型，從零開始以 12 兆個 token 預訓練，並以 Apache 2.0 授權釋出。Kimi K3.1 Pro 則是 Moonshot AI 的兆參數稀疏旗艦模型，其 API 於 10 月 23 日開放，權重（約 1.56 TB）則於 11 月 4 日公開。一個小到可以放在桌上；另一個則需要資料中心。顯而易見的問題是哪一个更好，而誠實的答案是：沒有任何已公布的數字能讓你回答這個問題，因為這兩家實驗室沒有在同一版本上跑過任何一項基準測試。

那不是修辭上的迴避。這是本頁最有用的一點：如果你正在這兩者之間做選擇，你其實是在兩種不同類型的押注之間做選擇，而基準測試表無法替你做出那個選擇。

每個模型實際上究竟是什麼

Ripple 65B Preview 是稠密模型，而非稀疏模型。其 650 億個參數中的每一個都會在每個 token 上參與運算，並採用 80 層的「薄而深」transformer，殘差流寬度為 5,120。Ricursive 將此設計描述為從 Olmo 3 架構轉向類似 Gemma 3N 的架構——注意力頭過度配置、滑動視窗注意力與全域注意力的比例更高、閘控注意力、全域 NoPE、值殘差，以及 FFN 激活裁剪。訓練在純文字、以英文和程式碼為主的語料上，以 8K 序列長度進行了 877,500 步，隨後是中期訓練、長上下文階段，以及聚焦於代理式程式設計的輕量 RL。Ricursive 估算運算費用為 3,200 萬美元。

Kimi K3.1 Pro 則是截然不同的形態。它屬於兆級參數規模的混合專家（Mixture-of-Experts）模型——第三方追蹤機構估計其總參數約為 2.8T，每個 token 約有 104B 活躍參數——而 Moonshot 的發布說明將其描述為經過後訓練的 K3，並在數百個領域中投入了規模大得多的 RL 預算。該公司自家的發布資料稱它是 K3 的後訓練版本，但模型卡揭示了更具體的細節：主幹從 24 層 Gated MLA 改為 24 層 Gated DSA。它支援文字、圖像與影片輸入、可配置的推理強度，以及 1,048,576 token 的上下文視窗。

• 參數 — 65B 稠密（全部啟用）對比 ~2.8T 總計 / ~104B 啟用，依據第三方追蹤資料

• 上下文 — 宣稱 1M tokens，對比宣稱且實際提供的 1,048,576 tokens

• 授權條款 — Apache 2.0 與更名後的 Kimi K3 授權條款，並設有 2,000 萬美元／12 個月的 MaaS 門檻

• 磁碟上的權重 — 單一儲存庫的 BF16 檢查點，加上 NVFP4 與基礎變體，對比橫跨 96 個 MXFP4 分片約 1.56 TB

• 模態 — 文字輸入、文字輸出 vs 文字、圖像與影片輸入、文字輸出

• 價格 — 第三方刊登的每百萬輸入／輸出 token 價格為 $0.20／$0.60，相較之下，我們自家目錄所列的價格為 $2.00／$10.00

那個看似一面倒大勝的數字，其實並非如此。

Ripple 的模型卡顯示在 Terminal-Bench 2.1 上得到 80.5 分。Kimi 的發布資料顯示在 Terminal-Bench 4.0 上得到 65.7 分。把兩者並排一看，Ripple 似乎以僅一小部分的規模就領先近 15 分。這種比較毫無意義，而且雙方發布討論串的回覆中不斷出現這種比較。

Terminal-Bench 4.0 是比 2.1 更晚、更難的評測框架修訂版。在 2.1 任務集上得分 80 的模型，尚未被證明與在 4.0 上得分 65.7 的模型差距在十五分以內——只能說，已被證明的是它參加了另一場考試。同樣的陷阱也套住了其他流傳中的比較：Ripple 在 SWE-bench Pro v2.0 Hard 上的 79.1、在 DeepSWE 1.1 上的 44.3、在 SWE-bench Verified 上的 76.5，對比 Kimi 在 SWE Marathon v1.1 上的 51.7，以及在 Kimi Code Bench 3.0 Long-horizon 上的 61.2。那是六項基準，其中沒有一項是共通的。

即使只是一個實驗室、只測一個基準，它在不同測試框架下也會自我矛盾。Kimi K3.1 Pro 的 Terminal-Bench 4.0 數值，Moonshot 顯示為 65.7，Vals AI 為 63.6，Artificial Analysis 則為 67——同一個模型、同一個基準版本，卻有 3.4 分的差距，而這完全來自工具差異。如果同一個模型跑同一個基準三次，結果就能差這麼多，那麼兩個模型之間的跨版本比較就不是測量，而是裝飾。

Ricursive 在自己的卡片裡也這麼說，只是語氣比發布貼文低調得多。卡片指出「複現基準測試分數一直很有挑戰性」，而且分數是在 BF16 下以最大努力取得的。在你把 80.5 放進簡報之前，把這句話讀兩遍。

你真正能夠比較的軸

有兩件事可以直接比較，因為它們不是基準測試分數：模型的成本，以及運行它所需的條件。

在價格方面，差距大約是十比一。在我們的目錄中，Kimi K3.1 Pro 每百萬輸入 token 為 2.00 美元，每百萬輸出 token 為 10.00 美元；這直接沿用 Moonshot 的定價，沒有加價。Ripple 65B Preview 在其首個託管端點上的標價為 0.20 美元與 0.60 美元——這個數字應視為暫定，因為 Ricursive 尚未公布自家的價目表。同一個端點提供 16,384 token 的上下文，相對於宣稱的 1M 視窗，而且至少有一個追蹤網站將該模型標為專有，但其權重卻以 Apache 2.0 授權公開放在 Hugging Face 上。當追蹤網站對授權的判斷錯得如此離譜，它們的定價也值得同樣的懷疑。

更大的成本差異不在於每個 token，而在於每個答案。Kimi K3.1 Pro 是推理模型，在每個 Artificial Analysis 指數任務中會輸出約 55,000 個輸出 token；以每百萬個輸出 token 10 美元計算，這已占該指數每項任務成本 1.98 美元的大部分。Ripple 的數據來自一個只經過輕度後訓練、且沒有可配置推理階梯的模型，因此它應該會輸出少得多——但在有人把同一組任務跑過兩者之前，每項任務的數字只是估計，不是事實。小型模型通常勝在每個答案的 token 數，而非每個 token 的美元成本；而發表討論串中的比較卻從不涉及這一點。

部署正是兩者徹底分道揚鑣之處。

Kimi K3.1 Pro 的下載量約 1.56 TB，由 96 個 MXFP4 格式的 safetensors 分片組成，而 QAT 讓品質在這般寬度下得以維持。你不可能在工作站上執行它。實際可行的選項是託管端點或多節點叢集，而授權條款還加上了在大規模部署時至關重要的商業門檻：每月 2,000 萬美元或 12 個月的 MaaS 觸發條件，以及在月活躍使用者達 1 億人或月營收達 2,000 萬美元時的命名條款。

Ripple 65B Preview 是為那個光譜的另一端打造的。在 BF16 下，檢查點約為 130 GB，這正是為何發布報導中「可在 MacBook 上運行」這句話所承擔的條件比它承認的更多——未經量化，130 GB 根本放不進筆記型電腦的統一記憶體。Ricursive 的模型卡實際宣稱的是 NVIDIA DGX Spark，加上在批次大小為 8 的兩張 B200 上、尚未使用自訂核心前可達每秒 250 個 token。該儲存庫也提供 NVFP4 變體，正是這個變體讓小型機器部署變得可行。

所以，部署問題在跑基準測試之前就已有了答案。如果你有一台 DGX Spark，卻沒有 GPU 預算，Ripple 就是你能擁有的模型。如果你既沒有閒置機架，也不想下載 1.56 TB 的檔案，Kimi 就是你能租用的模型。

呼叫任一個

這就是兩者不再對稱的地方。Kimi K3.1 Pro 今天已以原價登上 OrcaRouter——輸入 $2.00、輸出 $10.00，0% 加價，因此當 Moonshot 調降價格時，變動當天就會反映到你的金鑰，而不是等到下一個計費週期。一把金鑰就能涵蓋該模型與目錄中的其他模型，如果你把 Kimi 當作排在較便宜預設模型後面的高價升級層級來使用，這點就很重要。

Ripple 65B Preview 並不在我們的目錄中，我們也不會假裝它在。它透過 Ricursive 自家的端點與第三方平台存取 API，權重則放在 Hugging Face，想要的話可以直接取得。全新 Preview 版本附上的說明卡坦承其分數難以複製，這正是你會想把模型放在路由器後面、而不是接進正式生產路徑的情況——但這只有在供應商開放第三方路由之後才幫得上忙。

該選哪一個

如果工作是長期且開放式的，就選 Kimi K3.1 Pro：大型儲存庫中的大規模重構、200K token 以上的文件分析、任何能靠圖片輸入省去獨立 OCR 步驟的情境，或任何需要模型在數百次工具呼叫之間維持同一份計畫的情境。你付的是接近前沿的價格，就該期待接近前沿的表現。各家 harness 之間 3.4 分的差距是雜訊；1M 上下文與多模態輸入可不是。

如果你要處理的工作範圍有限，而且想停止按 token 付費，就選擇 Ripple 65B Preview：固定任務集上的程式碼代理、在你已擁有的硬體上運行的本機助理、微調目標——Apache 2.0 與 65B 稠密檢查點，作為起點遠比 1.56 TB MoE 友善。把 80.5 視為來自打造該模型之實驗室的一項宣稱，而且是在其他人都尚未發表過的基準修訂版上；在它接近任何生產決策之前，先用你自己的任務驗證它。

而如果你想要那種真能為這件事定論的比較，它目前還不存在。還沒有人讓 Ripple 65B Preview 與 Kimi K3.1 Pro 在相同版本下跑過同一套評測框架。在有人做到之前，唯一誠實的排名方式就是按型態來分：一個你可以自有的小模型，對上一個你可以租用的大模型，價格比約為十比一，而且沒有共同的考試來分出高下。