Ripple 65B Preview 對比 Muse Wonder：20 倍的價格究竟能買到什麼

恰好有一個基準測試是 Ripple 65B Preview 和 Muse Wonder 都發表過、版本相同，而且數字可以直接放在同一句話裡比較的：DeepSWE 1.1。Meta 的 Muse Wonder 回報 78.8。Ricursive 的 Ripple 65B Preview 回報 44.3。這是在軟體工程代理工作上的 34.5 分差距，而這也是這兩次發布唯一能提供的乾淨比較——其餘不是基準版本不同，就是欄位裡只有一個破折號。

所以問題不在於 Muse Wonder 在該任務上是否更好。就實驗室自己公布的數字來看，它顯然更好。問題在於，它好得是否足夠，足以證明輸入成本約為二十倍、輸出成本約為三十三倍是合理的。這是一個有明確答案的真實決策，而且對每種工作負載而言，答案並不一樣。

為什麼 DeepSWE 1.1 是一場公平的對決

兩個實驗室都執行了同一項評估的 1.1 版。雙方都沒有公布由第三方重新執行的結果，因此這兩個數字都帶有同樣的但書——它們是廠商自行回報且未經重現——而正是這種對稱性，才讓這項比較得以成立。當兩項說法同樣出於自身利益時，它們之間的落差仍然具有參考價值。

與此形成對比的是 Terminal-Bench：在這項基準上，兩家實驗室根本不是在考同一份試卷。Ripple 在 Terminal-Bench 2.1 上回報 80.5。Meta 則回報 Muse Wonder Full 在 Terminal-Bench 4.0 上為 57.1，而那是更晚、更難的修訂版。任何人把這些數字並排就宣稱 Ripple 勝出，等於拿一個考 2024 年試卷的模型，去比一個考 2026 年試卷的模型。Meta 自己的說法在這裡很謹慎，而 Ricursive 的發布串則不然。

Meta 方面還有一點要留意：該公司的 JobBench 表格宣稱 Muse Wonder Full 為 75.3，而標準版 Muse Wonder 為 30.8，差距達 44 分，卻沒有任何獨立評估者重現過。任何實驗室的內部基準表，在外部人士實際跑過之前，都應視為行銷宣傳。

價格差異實際上是多少？

Muse Wonder 每百萬輸入 token 為 $4.00，每百萬輸出 token 為 $20.00，快取輸入為 $0.20。Ripple 65B Preview 在其首個託管端點上的標價為 $0.20 與 $0.60——這個數字只能大致參考，因為 Ricursive 並未公布費率表，而且該端點提供 16,384 token 的上下文，對比其宣傳的 1M 視窗。即使直接採信這項標價，輸入端的倍率是 20×，輸出端是 33×。

以每個 Token 計算的比率會讓小模型看起來更划算，卻會誤導你對實際帳單的判斷，所以以下用一個你可能實際會執行的工作負載來算給你看。假設你的程式編碼代理每月輸出 5,000 萬個輸出 Token，並在過程中讀取 2 億個輸入 Token。

• 在 Muse Wonder 上：輸入 200 × $4.00 = $800，加上輸出 50 × $20.00 = $1,000。每月總計 $1,800。

• 以所列費率計算 Ripple 65B Preview：200 × $0.20 = $40 輸入，加上 50 × $0.60 = $30 輸出。每月總計 $70。

• 差異：相同的名目 token 數量，每月 $1,730，或每年約 $20,760。

現在來看試算表漏掉的部分。如果 Ripple 每三次任務會失敗一次，而你重試，你的有效輸出量就會增加一半。重試兩次，輸出量就翻倍了。打平門檻並不難算——Ripple 每個 token 的效率就算低三十三倍，成本仍可能更低——但失敗模式比帳單更糟。一個有三分之一任務失敗的 coding agent 不只是成本更高；它還會讓你付出工程師的成本，因為工程師必須發現問題、撤銷並重跑工作。要把監督成本算進去，不只算 token。

Artificial Analysis 在其即時模型頁面上，將 Muse Wonder (Max) 列為每項指數任務 $6.95——這比「每百萬美元」更誠實的單位，而 Ripple 沒有對應的數字，因為沒有人讓它跑過標準任務集。

除了權重之外，Meta 還為哪些東西收費

Muse Wonder 是一款封閉模型，輸入面向異常寬廣：可輸入文字、圖片、影片、音訊與 PDF，輸出文字，上下文長達 1,048,576 個 token，輸出上限為 131,072 個 token。它採常駐推理，提供六種可選的力度等級，支援平行工具呼叫與結構化輸出，並具備兩項在 Ripple 的規格卡上完全找不到對應的功能——Active Memory 可跨對話延續上下文，Active Focus 則旨在讓長時間任務保持連貫、不致偏離。

你在不在意，完全取決於你的工作負載形態。如果你的代理必須讀取失敗測試的螢幕截圖、轉錄客戶通話，並在一次處理中將其與 PDF 發票核對，那麼 Ripple 的任何基準測試分數都幫不了你，因為 Ripple 65B Preview 只接收文字並回傳文字。模態差距不是靠更好的提示詞就能彌補的效能差異。

Muse Wonder (Max) 在 Artificial Analysis 的 Intelligence Index 上得分 44——在其同類 66 個模型中排名第 26，高於可比模型的 36 中位數，但已不再是發布當週報導所稱、接近前沿水準的 52。該指數於 10 月下旬重建，多個模型排名有所變動。Ripple 65B Preview 完全沒有出現在該指數上。

Apache 2.0 有什麼價值

Ripple 65B Preview 是 Apache 2.0 授權下的 650 億稠密參數模型，完整權重以 BF16 形式發布於 Hugging Face，另有 NVFP4 與基礎模型變體。以 BF16 儲存時，該檢查點約 130 GB，屬於 DGX Spark 的領域，或是在較小機器上進行量化執行——儘管發佈報導這麼說，但它並不是 MacBook 可跑的，除非你執行的是 NVFP4 版本。Ricursive 聲稱，在批次大小為 8 的兩張 B200 上，尚未使用任何自訂核心時可達每秒 250 個 token，並且透過在純分片下進行預訓練可達到約 40% MFU。

這帶給你的，是託管式閉源模型無法提供的一切：能用自己的資料微調、執行推論時不必按 token 計費，資料也不會離開你的網路、能永久鎖定某個版本，還能在凌晨三點提供服務，不必依賴別人的狀態頁。對受監管的工作負載而言，這份清單往往比 34 個 DeepSWE 分數更有價值。對這季要推出代理的新創來說，通常則不然。

還有一項值得指出的授權不對稱。Apache 2.0 幾乎是開放權重模型所能達到的最大寬鬆程度。Muse Wonder 則是徹底閉源——Meta 在此系列中的開放權重對應模型是 Muse Spark Open，這是一個不同且大得多的 816B 模型，擁有 42B 活躍參數與 256 個專家，並非 Wonder 的較小版本。若開放權重是必要條件而非偏好，這項比較就到此為止。

將兩者並排執行

這兩款模型目前都不在我們的產品目錄中，也不會被暗示為在目錄裡。Muse Wonder 透過 Meta 自家的 API 觸及開發者；Ripple 則透過 Ricursive 的端點與第三方平台，權重放在 Hugging Face。在這種情況下，路由器擅長的事，正是這兩次發布都清楚凸顯的重點：你不會想讓生產路徑綁定到一個才問世一天的 Preview，而它自家的說明卡還寫著其分數難以複現。你會希望把那個模型放在備援機制之後，讓它承接一份可隨證據累積而逐步調高的流量佔比——在發生錯誤或逾時時自動容錯切換到已知良好的模型，而不是在實驗結果令人失望時進行重寫。

這種模式也是你以實證方式回答定價問題的方法。把 10% 的程式碼流量導向 Ripple，將 90% 留在 Muse Wonder，然後比較的不是 Token 帳單，而是完成任務的成本——包括重試與人力時間。一個 API 金鑰、一條計費明細，以及一個你能在規劃會議上站得住腳的數字，這比任何基準測試表能給你的都多。

這二十倍該由誰來付？

{{1}}如果你的工作是多模態、長程或面向客戶的，就付費使用 Muse Wonder{{/1}}：{{2}}會讀取螢幕擷取畫面的代理、需要跨工作階段記住使用者的助理，以及任何 27% 幻覺率已經過高、而你需要頂尖實驗室後訓練所換來的可靠性的情況{{/2}}。{{3}}每項索引任務 6.95 美元，對一個能把任務完成的模型來說是合理的價格。{{/3}}

若工作僅涉及文字、範圍有限且量大，而且你有相應硬體或便宜的端點，就執行 Ripple 65B Preview：批次分類、依固定評分準則進行程式碼審查、本地助理、微調基礎模型。以 $0.20 和 $0.60 來說，它在輸出上便宜三十三倍；而在能發揮其優勢的工作負載上，這個比例勝過某一基準測試上 34.5 分的落後。

錯誤的做法，是把 DeepSWE 的差距解讀成一項定論。這只是一場考試，只考了一次，並由出題的實驗室提出報告。對你而言，真正該用來決定這件事的數字，不是 78.8 對 44.3，而是當你把兩者都跑一遍時，你自己的任務集會呈現出什麼結果；而在你實際產生它之前，那個數字並不存在。