# Ricursive 推出 Ripple-65B Preview：65B 密集程式碼模型、Apache 2.0 授權，DGX Spark 放得下，Ollama 已可直接跑

> 地端世界 · https://onpremworld.com/zh-tw/news/2026-11-ricursive-ripple-65b-preview · CC BY 4.0

發布日期：2026-11-04 · 模型

Ricursive Intelligence 在 11 月 4 日推出 Ripple-65B Preview，這是一個從頭預訓練的 65B 密集 Transformer 模型，訓練資料 12 兆個 token，上下文最長 1,048,576 個 token，以 Apache 2.0 授權放上 Hugging Face。它是 Ricursive 晶片設計 AI 平台背後那個模型的通用版本，這次釋出 BF16 與 NVFP4 兩種指令微調版，另有 BF16 基礎模型。Ricursive 公布 Terminal-Bench 2.1 得分 80.52，在它自己的比較表中勝過多個參數大得多的開放模型，並表示整個研發只花了 3,200 萬美元。Ollama v0.40.16 在 11 月 9 日加入支援，指令是 `ollama run ripple-preview`，Q4_K_M 版 39 GB，給 MLX 引擎用的 NVFP4 版 46 GB。

## 對地端使用者的意義

65B 規模、擅長代理式寫程式的模型，一台桌上型 AI 主機的記憶體就放得下，加上寬鬆的 Apache 2.0 授權允許商業使用，企業可以拿自家程式碼直接用。

## 市場怎麼看

Ricursive 只拿美國的開放權重模型來比，並宣稱在 Terminal-Bench 2.1 上勝過總參數高達 975B 的模型；不過表中不少分數來自各家自行公布或 Ricursive 自家測試，是否站得住腳還要看第三方結果。如果成立，這代表小團隊用密集模型，也可能和現在主導開放權重市場的大型 MoE 模型一較高下。

## 白話版

Ripple 是給工程師用的 AI 助手，能自己在終端機裡完成好幾個步驟的工作。它小到一台辦公室的桌上型 AI 電腦就跑得動，處理的程式碼不必送到外部服務。

## 業內觀點

和 MoE 程式碼模型不同，它每個 token 都會用到全部 65B 參數，所以在 DGX Spark（本站資料為 273 GB/s）這類受記憶體頻寬限制的機器上，生成速度很可能不如同等大小的 MoE 模型；在 Ollama 的 MLX 引擎上，Ripple 會用 DFlash 2 推測解碼來加快生成。39 GB 的 Q4_K_M 或 46 GB 的 NVFP4 版本，在 64 GB 或 128 GB 的機器上還留得下長上下文的空間，BF16 權重則需要約 130 GB。請先用自家的程式庫和工作流程實測，再相信它自行公布的分數。

## 來源

[Introducing Ripple-65B Preview (Ricursive Intelligence)](https://www.ricursive.com/ripple)

## 本站相關頁面

- 硬體：[DGX Spark](https://onpremworld.com/zh-tw/hardware/nvidia-dgx-spark.md)

[所有新聞](https://onpremworld.com/zh-tw/news.md)

摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。
