Ripple-65B Preview 发布：美国开放权重模型智能体编程新 SOTA
来源标题：Ripple-65B Preview: U.S. Open-Weight SOTA on Agentic Coding
Ripple-65B Preview 已发布，在美国开放权重模型中取得智能体编程最佳成绩。该模型在 TerminalBench 2.1 上得分 80.52，超过 Reflection Beam 501B 的 80.1 和 Meta Muse Spark Open 816B 的 76.4 等更大模型。模型预训练使用 12 万亿 token，支持最长 100 万 token 上下文，现已在 Hugging Face、Together AI、GMI Cloud 和 OpenRouter 上线。
以下正文由 AI 翻译自 Hacker News 最新（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，这是驱动我们 AI 芯片设计平台的专有模型的通用变体。该模型在 12 万亿 token 上完成预训练，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优成绩（80.52），超过了规模明显更大的美国开放权重模型，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——相较于数据中心加速器，这类设备具有高计算 FLOPs、低内存带宽的特点。
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，仅预训练一项的成本就将升至 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。