Ripple-65B 花 3200 万美元要拿美国开源编程第一，自家模型卡却写明这个第一有多窄
一家做芯片设计的创业公司，65B 的模型，说自己在 agent 编程上打赢了 501B 和 816B，全部研发只花 3200 万美元。Hacker News 给了 330 分。Ricursive Intelligence 的 Ripple-65B Preview 是真东西，Apache 2.0，Hugging Face 上能下，好几家托管商也上了。它还是一堂很好的榜单阅读课，因为反驳标题的证据，公司自己印出来了。
标题是这样：Terminal-Bench 2.1 拿 80.52，领先 Reflection Beam 501B 的 80.1、Meta Muse Spark Open 816B 的 76.4、Inkling 975B 的 63.8。是的，只领先 0.4 分，而且范围仅限美国开放权重。现在打开模型卡。SWE-bench Verified：Ripple 76.5，Beam 81.6，Muse 78.7，Inkling 77.6，三家都比它高，不过其中有些是 Ricursive 自己跑的。SWE-bench Pro v1.0：Ripple 61.42，Beam 66.1。DeepSWE 1.1：Ripple 44.3，Muse 60.0。SWE-bench Pro v2.0 Hard 倒确实是 Ripple 赢，79.1 比 Beam 的 76.5。
还有一个关于 harness 的注脚。Ricursive 用官方 Terminus 2 自己重跑，Beam 从 80.1 掉到 70.8，Ripple 稳在 80.5。这可能说明 Ripple 的领先比宣传的还大，也可能说明分数有不小一部分属于 harness。Ricursive 自己也承认，复现 agent 评测 "has been challenging"。全都印出来，这点要给它记一功。
成本也得眯着眼看。3200 万是 Ricursive 算的全部研发费用，口径比大多数公司老实。可是上一代领先者十分之一这句，写的是 "as estimated to the best of our knowledge"，依据是媒体报道的 Reflection 每月 1.5 亿美元算力承诺。更硬的数字是 140 万次 rollout，它说比 Beam 少约 70 倍，靠的是不买后训练数据、自己造合成数据。如果站得住，这比王冠重要：小团队靠精细配方追到了大厂身边。
同一天 Cognition 发了 SWE-2 Flash，同样宣称超过所有美国开放权重模型，只是换了一组榜：Terminal-Bench 4.0 比基座 Inkling-Small 从 0.9% 涨到 20%，价格是 SWE-2 的五分之一。但权重不公开，理由是网络安全风险，合作伙伴计划说几周后再讲。一顶王冠两个人抢，只有一个能下载。对开发者来说，这周唯一算数的排名，是拿自己的任务、在自己的 harness 里跑一遍。Ripple：https://www.ricursive.com/ripple 模型卡：https://huggingface.co/ricursiveAI/Ripple-65B-Preview SWE-2 Flash：https://cognition.com/blog/swe-2-flash
← 返回所有文章
标题是这样：Terminal-Bench 2.1 拿 80.52，领先 Reflection Beam 501B 的 80.1、Meta Muse Spark Open 816B 的 76.4、Inkling 975B 的 63.8。是的，只领先 0.4 分，而且范围仅限美国开放权重。现在打开模型卡。SWE-bench Verified：Ripple 76.5，Beam 81.6，Muse 78.7，Inkling 77.6，三家都比它高，不过其中有些是 Ricursive 自己跑的。SWE-bench Pro v1.0：Ripple 61.42，Beam 66.1。DeepSWE 1.1：Ripple 44.3，Muse 60.0。SWE-bench Pro v2.0 Hard 倒确实是 Ripple 赢，79.1 比 Beam 的 76.5。
还有一个关于 harness 的注脚。Ricursive 用官方 Terminus 2 自己重跑，Beam 从 80.1 掉到 70.8，Ripple 稳在 80.5。这可能说明 Ripple 的领先比宣传的还大，也可能说明分数有不小一部分属于 harness。Ricursive 自己也承认，复现 agent 评测 "has been challenging"。全都印出来，这点要给它记一功。
成本也得眯着眼看。3200 万是 Ricursive 算的全部研发费用，口径比大多数公司老实。可是上一代领先者十分之一这句，写的是 "as estimated to the best of our knowledge"，依据是媒体报道的 Reflection 每月 1.5 亿美元算力承诺。更硬的数字是 140 万次 rollout，它说比 Beam 少约 70 倍，靠的是不买后训练数据、自己造合成数据。如果站得住，这比王冠重要：小团队靠精细配方追到了大厂身边。
同一天 Cognition 发了 SWE-2 Flash，同样宣称超过所有美国开放权重模型，只是换了一组榜：Terminal-Bench 4.0 比基座 Inkling-Small 从 0.9% 涨到 20%，价格是 SWE-2 的五分之一。但权重不公开，理由是网络安全风险，合作伙伴计划说几周后再讲。一顶王冠两个人抢，只有一个能下载。对开发者来说，这周唯一算数的排名，是拿自己的任务、在自己的 harness 里跑一遍。Ripple：https://www.ricursive.com/ripple 模型卡：https://huggingface.co/ricursiveAI/Ripple-65B-Preview SWE-2 Flash：https://cognition.com/blog/swe-2-flash
评论