65B 开源模型自称跑赢 12 倍大对手：这个分数，先当待复测来看

作者：陈一帆

Ricursive Intelligence 发布开放权重编程智能体模型 Ripple-65B Preview，转发帖称其在 Terminal-Bench 2.1 得 80.5，超过 501B 的 Reflection Beam（80.1）和 816B 的 Meta Muse Spark（76.4），Apache 2.0、可本地运行。目前仅一条转述信源，分数与下载渠道还需核实。

11 月 5 日，行业账号 The Agentic Daily 发帖称，Ricursive Intelligence 发布了开放权重的编程智能体模型 Ripple-65B Preview，帖子里说它在 Terminal-Bench 2.1 上拿到 80.5 分，排在同榜的 Reflection Beam（501B，80.1）和 Meta Muse Spark（816B，76.4）前面 。换句话说，一个 65B 的模型被说成在标准的智能体编程测试里压过了体积 12 倍以上的对手。这里得先把话说在前面：截至发稿，这些数字只来自这一条转述，我在 Terminal-Bench 官网没能读到榜单的具体条目 ，Hugging Face 页面也还没核实，所以下面都按“厂商自报、待复测”来讲。

先讲变化本身。发帖列出的三件事——80.5 的分数、Apache 2.0 许可、可本地运行——凑在一起才是重点 。开放权重加可商用、可微调，意味着拿到权重的人能自己跑一遍、改一遍，而不是只能隔着 API 相信一个分数。

用日常的话说，这有点像一辆家用小车在计时圈里跑赢了一台要整支车队伺候的大马力赛车。501B、816B 这个量级的模型，得进机房、得排队调度；65B 是另一回事，量化之后，一台装了好显卡的高端工作站就有机会装下 （我的推断）。对个人开发者和预算有限的团队，“能跑在本地”和“分数接近前沿”第一次可能出现在同一张报价单上——注意是“可能”。

背景也说一句。Terminal-Bench 测的不是纸面答题，而是终端里的智能体活儿：让模型自己装环境、敲命令、看报错、再改，官网榜单按解决率（Resolution Rate）、花费和 token 数一起计分 。这类测试更贴近“把任务干完”，跟聊天、长文写作、单轮问答是两码事。所以就算分数成立，它说明的是这一种场景，不是全部能力。

具体渠道上，帖子称模型已上架 Hugging Face、Together 和 OpenRouter，并说可以本地运行 。这一步如果属实，价值其实不在排行榜那零点几分，而在于任何人都能把权重拉下来，把厂商的分数变成社区能复现的分数。对我这种爱尝鲜的人，这比“领先 0.4 分”更让人想动手。

也得把冷静的几栏摆出来。第一，“Preview”是早期版本，行为未必稳定。第二，单榜领先不等于写代码、读长上下文、日常问答都领先。第三，“本地运行”的硬件门槛官方没给细节，65B 全精度大致是 130GB 级别的显存，实际多半得靠量化，能跑多快、多稳还得等有人真机试过 （我的推断）。第四，被超过的两家——Reflection Beam 和 Meta Muse Spark——目前没有公开回应，基准的运行口径（是不是同一个 agent 框架、同一个推理引擎、跑几次取哪个值）也没见说明 。

我的态度很简单：分数先打个问号，动作可以先行。Apache 2.0 的权重一旦确认能下、能跑，社区复测也就是一台好点的机器加一个周末的事。我期待它被验证，而不是现在就替它把胜利宣布了。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] Ricursive Intelligence released Ripple-65B Preview, an open-weight AI model for coding agents that beats models up to 12 · The Agentic Daily
• [S2] TERMINAL-BENCH
• 配图 1：来源：TERMINAL-BENCH（图片署名见原文） · 图片出处