Ricursive Intelligence 宣称以一个 650 亿参数的稠密模型，拿下美国编程 AI 领先地位，成本只是对手的一个零头

Ricursive Intelligence 在 11 月 4 日发布了 Ripple-65B Preview，宣称在 TerminalBench 2.1——这项标准的智能体编程基准——上拿下 80.52 分，是美国开放权重模型里的最高分，所报告的总研发成本约为 3200 万美元。这个数字，大约只是 Reflection AI 为其竞争对手 Beam 模型投入的月度算力预算的十分之一，而 Beam 用的参数量是它的七倍以上。这两个基准结果，目前都还没有出现在独立的 TerminalBench 排行榜上，这意味着两个分数都是公司自报的说法，等待外部复现。没有争议的是其中的核心论点：一个相对小型的帕洛阿尔托实验室，用一个 650 亿参数的稠密 Transformer，如今正与那些用数据中心级算力预算堆出来的 5000 亿参数模型，在同一水平线上竞争。

Ricursive 由 Azalia Mirhoseini 和 Anna Goldie 共同创立，她们是谷歌 Brain 的研究员，打造过AlphaChip——那套用于规划多代谷歌 TPU 芯片布局的深度强化学习系统。公司于 2025 年 12 月结束隐身状态，由红杉资本领投了一轮 3500 万美元、估值 7.5 亿美元的种子轮，随后在 2026 年 1 月，由 Lightspeed 领投，NVentures、红杉资本、DST Global、Felicis Ventures、49 Palms Ventures 和 Radical AI 跟投，又以 40 亿美元估值融资 3 亿美元 A 轮。公司宣称的长期目标是递归式的：用 AI 设计更好的芯片，更好的芯片运行更好的 AI，更好的 AI 再去设计更好的芯片。

为什么别人都选了混合专家，Ricursive 选了稠密架构

到 2026 年底，大型开放权重前沿模型的主流架构是混合专家 Transformer。MoE 在推理时，每个词元只激活一部分专精的「专家」参数模块，而不是运行整个模型，这大幅降低了单词元的计算量，同时允许总参数量达到数千亿规模。举例来说，Reflection 的 Beam，总参数 5010 亿，但每个词元只激活约 230 亿。

Ricursive 做出了相反的选择。Ripple-65B 是一个稠密 Transformer：全部 650 亿参数在每一步推理中都是激活的。这不是一个局限，而是一个针对特定部署环境的刻意工程决策。相对于总参数量而言，稠密模型的显存占用明显更小，比 MoE 架构更能容忍量化，也不需要 MoE 部署所需的那套复杂路由硬件。最终得到的模型，能在一台 MacBook Pro 或一台英伟达 DGX Spark 上运行——这类机器计算速率很高，但相比数据中心集群，显存带宽有限。

在内部，Ricursive 是通过它称为「模型阶梯」的方式，走到这套架构的：六个连续版本的 40 亿参数模型（v1.0 到 v1.6），每一版都加入特定的结构性改进。公司报告称，这个过程——纳入 StepFun 缩放定律、前后归一化、sigmoid 门控注意力、全局 NoPE（从全局注意力层移除位置编码），以及值残差——在架构被扩展到 650 亿参数之前，在编程任务上带来了 16 倍的算力效率提升。这个 80 层的堆叠，采用了一种「窄而深」的长宽比，提高了滑动窗口注意力相对全局层的比例，同时缩小了窗口尺寸，还借用了 GPT-OSS 的 FFN 激活裁剪方法。公司报告称，在使用标准分片、不使用任何自定义内核的情况下，整个训练过程保持了 40% 的模型 FLOP 利用率。

强化学习效率这个故事，可能比架构本身更重要

埋在 Ricursive 技术文档里的那个更大的分析性论点，关乎的是强化学习，不是架构。Ripple-65B 达到它报告的 TerminalBench 分数，总共只用了 140 万次强化学习对局。Reflection 披露，训练 Beam 用了大约一亿次对局，动用了 10500 块 GB300 GPU，跑了四周的后训练。如果两个数字都准确，Ricursive 达到相当的基准分数，所用的对局数大约只有对方的七十分之一。

这套方法论被称为「陡峭上升强化学习」，包含四个组成部分：截断重要性采样、分数居中、线性长度惩罚，以及为长周期智能体任务设计的、带有持续难度升级的合成训练环境。这套强化学习训练瞄准的是真正的长周期编程场景——涉及软件工程、系统管理、机器学习流水线搭建和安全工作的多步骤终端任务——而不是更短周期的问答循环。Ricursive 表示，合成环境设计的质量，而不是对局数量，才是后训练效率的主要驱动因素。

如果这套强化学习方案能被独立复现，它的影响将远超 Ripple-65B 本身。后训练阶段——具体说是教会一个预训练模型进行推理和行动的那个强化学习环节——此前被大多数主要实验室当作一个资源密集的步骤，需要大批 GPU 集群跑上数周。一种能用七十分之一的对局数达到相当结果、且能在没有自定义内核的商用基础设施上运行的方法论，将大幅降低资金充裕、但没有超大规模云算力的初创公司，开发前沿级编程模型的门槛。

竞争地位，以及 TerminalBench 2.1 真正衡量的是什么

TerminalBench 2.1是一套由斯坦福大学和 Laude Institute 主导的、包含 89 项任务的智能体编程基准。Snorkel AI 是主要贡献方，并托管着这个独立排行榜。2.1 版本修复了上一版里 28 个有问题的任务——修好了损坏的 Dockerfile，澄清了资源预算，纠正了指令不匹配的问题——以提高评分的可靠性。这套基准测试的是「智能体加模型」这个组合，而不是单独的基础模型，这意味着分数反映的是底层模型，与运行它所用的智能体运行时二者结合的结果。

到 Ripple-65B 发布时，TerminalBench 2.1 已经是一个日趋成熟、头部表现者已经确立的基准测试。截至 2026 年 11 月 5 日，在 Snorkel 托管的独立排行榜上，最高分属于通过 Codex CLI 运行的 GPT-6 Astra，为 87.4%；通过 Claude Code 运行的 Claude Fable 5 位居第二，为 83.8%。Ripple 公司自报的 80.52 分低于这个上限，而且关键的是，目前还没有出现在这个独立排行榜上。

Ricursive 的「美国开放权重」这个限定词，是精确的说法，不是修辞——它把比较范围限定在已有记录的美国出品开放权重模型上，主要是 Reflection 的 Beam，公司报告称 Beam 在同一基准上得分约为 80.1。Ricursive 并没有宣称拿到全球范围的最高分。

Ricursive 还报告 Ripple-65B 在 SWE-Bench Pro v2.0 Hard 上得分 79.1，相比 Beam 报告的 72.4；在 DeepSWE v1.1 上得分 44.3%。截至发稿，这些次要分数都还没有经过独立复现。

端侧部署，以及背后的商业逻辑

端侧部署这个角度，让 Ripple-65B 在商业意义上，与大规模 MoE 模型区分开来。那些在内部基础设施上运行编程助手的企业，或是在没有可靠云端访问的环境里工作的开发者，面对的是 MoE 架构会吃紧的模型大小实际限制。一个能装进一台内存足够的 MacBook Pro——或者在 DGX Spark 上以可接受的延迟运行——的 650 亿参数稠密模型，能打开那些 230 亿激活参数、5000 亿总参数模型天然服务不到的用例。

Ricursive 没有把 Ripple 仅仅定位成一款对外产品。这个模型的一个内部变体，已经在驱动公司自己的芯片设计平台，处理 RTL 生成和设计自动化——正是 AlphaChip 这条技术脉络一直想要实现的应用。这次内部部署，正是公司论点的实际运作：一个递归改进的循环，AI 模型改进运行下一版 AI 模型所用的芯片硬件。

权重以 Apache 2.0 许可证通过一个分阶段访问计划发布；不受限制的权重访问时间表尚未公布。

尚未得到验证的部分，以及接下来会发生什么

Ripple-65B 缺席独立的 TerminalBench 2.1 排行榜，是目前最重要的一个悬而未决的问题。Ricursive 引用的所有基准数字，截至 2026 年 11 月 5 日都是自报的，而 TB 2.1 分数和 SWE-Bench 结果的独立复现，是近期能够验证这些效率说法能否经得起第三方审视的关键里程碑。尤其是那 70 倍的强化学习对局优势——它建立在 Ricursive 140 万次这个数字，与 Reflection 披露的约一亿次这个数字之间的对比之上——这取决于两家公司自报的数字都准确、且方法论上具有可比性。

「Preview」这个标签，也说明 Ripple-65B 还没有经过生产级硬化。在对延迟敏感的部署场景下，完整 100 万词元上下文窗口上的表现、在对抗性提示下的行为，以及在真实编程环境里长周期智能体的可靠性，目前都还没有披露。

Ripple-65B 带来的更深层问题是，Ricursive 这套「陡峭上升强化学习」方案所带来的效率提升，是否独立于架构——也就是说，把同样的方法用在 MoE 模型或其他架构上，是否也能产生相当的效率提升。如果这套强化学习方案是可迁移的，它就成了一项方法论上的贡献；如果它只是针对 Ripple 所用的这种稠密 Transformer 结构才有效，那么架构和训练方法就是不可分割的。这个区分，将决定更广泛的开放权重模型社区，会如何回应这项工作。