Ripple-65B Preview 发布：以 65B 参数登顶美国开源编码模型

Ripple-65B Preview 是 Ricursive Intelligence 为其 AI 芯片设计平台开发的自研模型的通用版本，今日正式开放。模型采用密集型 Transformer 架构而非 MoE，这一设计选择显著降低了训练和部署的基础设施复杂度，同时保持了 40% 的模型浮点利用率，且无需自定义内核或量化。

在性能方面，Ripple-65B 超越了一批参数规模更大的美国开源模型，包括 Reflection Beam 501B（80.1 分）、Meta Muse Spark Open 816B（76.4 分）、Thinking Machines Inkling 975B（63.8 分）以及 NVIDIA Nemotron 3 Ultra 550B（56.4 分）。这一成绩得益于其独特的强化学习训练策略：该团队未购买任何后训练数据，而是自建合成数据管道，并采用截断重要性采样、分数中心化和线性长度惩罚等方法。模型仅用 140 万次 rollout 便达到 80.5 分，约为先前最优模型的 1/70。

训练成本是另一大亮点。团队从零开始，涵盖预训练阶梯开发、数据混合、评估调试等全部环节，总研发投入仅为 3200 万美元，约为此前开源编码模型最优水平的十分之一。这一成本控制部分源于架构优化：模型采用细长型设计，d_model 设为 5120，共 80 层，并加入激活值裁剪、门控注意力、全局 NoPE 和值残差等技术。

在预训练阶梯的迭代中，团队从 Olmo 3 的阶梯出发，逐步引入多项改进。最终版本的阶梯在代码任务上的计算效率相比原版提升高达 16 倍，意味着完成同等性能所需的计算量仅为原来的 1/16。目前，Ripple-65B Preview 已在 Hugging Face、Together AI、GMI Cloud 和 OpenRouter 上线，Fireworks 将于今日稍后接入。