Ripple发布65B开源预览模型，智能体编程性能居美国开源权重榜首
来源标题：Ripple-65B Preview: U.S. Open-Weight SOTA on Agentic Coding
Ripple发布Ripple-65B Preview，在TerminalBench 2.1智能体编程测试中得分80.52，称达到美国开源权重模型最佳水平，超过Reflection Beam 501B、Meta Muse Spark Open 816B等更大模型。该模型预训练使用12万亿token，支持最高100万上下文长度，已上线Hugging Face、Together AI、GMI Cloud和OpenRouter，Fireworks于当日稍后上线。
以下正文由 AI 翻译自 Hacker News（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。
今天我们发布 Ripple-65B Preview，这是我们 AI 芯片设计平台背后专有模型的通用版本。该模型在 12 万亿 token 上预训练，支持最高 1M 上下文长度。Ripple-65B Preview 在 agentic coding 上表现强劲，在 TerminalBench 2.1 上取得美国开放权重模型的最先进水平（80.52），超过了许多规模明显更大的美国开放权重模型，例如 Reflection Beam 501B（80.1）、Meta Muse Spark Open 816B（76.4）、Thinking Machines Inkling 975B（63.8）和 NVIDIA Nemotron 3 Ultra 550B（56.4）。
Ripple 的稠密模型架构在提供强大推理性能的同时，保持低延迟的 token 生成。该模型较小的参数规模也使其能够在 NVIDIA DGX Spark 等本地设备上高效运行——相对于数据中心加速器，这类设备具备高计算 FLOPs 和低内存带宽。
Ripple-65B Preview 已在 Hugging Face、Together AI、GMI Cloud 和 OpenRouter 上线。Fireworks 将于今天晚些时候上线。
LLM 预训练以昂贵著称。2023 年，OpenAI CEO Sam Altman 曾表示 GPT-4 的训练成本超过 1 亿美元。次年，Dario Amodei 表示前沿 AI 模型的训练成本最高可达 10 亿美元，并预测到 2026 至 2027 年，仅预训练成本就将升至 100 亿至 1000 亿美元。
正文由 探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。