Ricursive 開放 Ripple-65B Preview，以稠密架構支援程式代理與百萬 token 上下文

Ricursive Intelligence 於 11 月 4 日推出 Ripple-65B Preview，這是其晶片設計平台內部模型的通用版本。發布內容包括 BF16 指令模型、NVFP4 量化權重及 BF16 基礎模型，採 Apache 2.0 授權；OpenRouter 也已列出服務，讓開發者可先透過 API 評估，再決定是否自架。官方發布說明、模型卡、服務頁面

技術重點是選用 650 億參數的稠密 Transformer。團隊表示，這項選擇旨在降低預訓練與後訓練的基礎設施複雜度。模型採 80 層、隱藏維度 5,120 的窄深配置，增加滑動視窗注意力相對於全域注意力的比例，並加入閘控注意力與數值穩定措施。這提供了另一種訓練取捨，但總參數較少不能直接推導出每個 token 的運算成本更低，因為稠密模型每次都使用全部參數。架構說明

模型以 12 兆個、主要來自英文文字與程式碼的 token 預訓練，再經過中期訓練、長上下文訓練、監督微調及混合領域強化學習，標示支援最多約百萬 token。對中文團隊而言，這仍需要以繁體中文文件檢索、跨檔案修改與工具呼叫測試補足判斷；長視窗容量本身也不能保證模型能可靠使用所有內容。訓練資料與流程

官方報告 Terminal-Bench 2.1 得分為 80.5，但同一張表中的 SWE-bench Verified 為 76.5，低於部分比較模型。模型卡也明言，改用官方 Terminus 2 框架、128K 上下文與摘要機制後，多個對手的分數會變動。因此，這批結果應視為發布方提供的評測，不能延伸成所有程式工作負載的排名。工程團隊下一步應固定代理框架、上下文預算及重試次數，並比較 BF16 與 NVFP4 的任務成功率、延遲和記憶體占用，才能判斷開放權重是否帶來實際部署收益。評測方法與限制