65B 跑赢 975B 是真的，但别拿 80.5 分去比 Opus 的 66.4 分

11 月 4 日，一家叫 Ricursive Intelligence 的小实验室发布了 Ripple-65B Preview，一个 65B 参数的开源 coding 模型。它的 headline 数字很唬人：Terminal-Bench 2.1 拿了 80.5 分，官方口径是美国开源模型里最高，超过 501B 的 Reflection Beam（80.1 分）、816B 的 Muse Spark Open（76.4 分）。65B 打 975B，听着像大卫打歌利亚。

先说测评结论：80.5 分本身可信，但别拿它去比 Opus 5.5 的 66.4 分——那是两套不同的卷子。Ripple 的 80.5 分是 Terminal-Bench 2.1 的成绩，Opus 5.5 的 66.4 分是 Terminal-Bench 4.0 的成绩。4.0 比 2.1 严得多：SemiAnalysis 今年 9 月 8 日把同一批模型横跨两个版本跑了一遍，Fable 5.1 从 91.4 分跌到 55.8 分，GPT-6 Astra 从 88.4 分跌到 57.7 分，Gemini 3.8 Flash 从 89.4 分跌到 19.1 分。拿 2.1 的 80.5 去排 4.0 的 66.4，等于拿两套卷子的分数排座次，没意义。同一版本对照的 DeepSWE v1.1 上，Ripple 是 44.3 分，Opus 5.5 是 74.2 分——同卷同批的差距，才是真实差距。

还要再打个折：Ripple 自己的材料里也有出入，SWE-bench Pro v2.0 Hard 的对手分数，发布图和模型卡对不上（Meta 在一张表里 72.4 分，另一张 52.3 分）。实验室自己也承认，不同 harness 跑出来的分数不好直接比。反倒是另一个细节更可信：用官方 Terminus 2 harness 重跑，Beam 从 80.1 分掉到 70.8 分，Ripple 保持 80.5 分——这个数没缩水，比 headline 更值得看。

那它到底能用于啥？价值不在“打败 Opus”，在“够用且便宜”。65B dense 结构，12T token 从头训练，1M 上下文，Apache 2.0 协议。BF16 版本在 2 张 B200 上能跑 250 tok/s，NVFP4 版本瞄准的是英伟达 DGX Spark 这种桌面设备。托管价约 0.2 美元/百万输入 token、0.6 美元/百万输出，只有 Opus 5.5（4 美元/20 美元）的二十分之一左右。适合的活：本地或私有部署的 agent 编码、终端任务、改 bug 这类“结果看得见”的活。不适合的：知识类、科学代码是它的短板，SciCode 只有 39.4 分，是它自己表里最低的一项。

怎么用：Hugging Face、Together AI、GMI Cloud、OpenRouter 都已上架，Apache 2.0 可商用。建议先拿它跑终端任务和改 bug，别直接让它写你不懂的科学计算代码；等独立评测出来，再决定要不要把它换成主力。

最后划两条边界：以上分数全部是厂商自报，暂无独立评测；3200 万美元是实验室自己算的“从头研发全成本”（含小模型试错、数据、评测、合成数据），不是训练一次的账单。这个结论什么时候不成立：如果你要的是“最强的 coding 模型”，它不是；如果你要的是“便宜、能本地跑、够用的 agent 编码模型”，它值得试一次。