Ricursive AI 开源 65B 稠密模型：Agent 编码超越 900B+ 巨型 MoE
simonguozirui · x · 2026-11-05
Ricursive AI 从零预训练发布 Ripple-65B Preview，一个 65B 稠密 LLM，声称在美国开放权重模型的 agentic coding 任务上创下新 SOTA，超越显著更大的 Muse Spark Open-816B、Beam-501B、Inkling-975B 和 Nemotron 3 Ultra-550B。
参与训练的工程师 @ethanboneh 分享了几条非显然的体会：
- 稠密模型在下游评测中可以出人意料地与更大的 MoE 竞争：perplexity 匹配不等于下游能力匹配，他们的稠密模型常表现更好，归因于注意力密度更高、记忆化更少等因素。
- 一旦基础设施和合成环境管线跑通，混合 RL 是提升模型极其高效的手段，他期待继续扩展 post-training。
- 可以用小规模 agentic 模型集群把关于数据集的定性问题转化为可编程的度量，形成系统性改进数据质量、爬升任务的强大反馈回路。
所属事件:Ricursive 发布开源 Ripple-65B，登顶美国开源 agentic coding 榜(14 条相关)→
「模型」频道最新
- 100 美元能买多少智能：各模型任务成本差 60 倍，Apple 反砍员工 AI 额度 — Hesamation · 2026-11-05
- Grok API 大面积不稳:开发者晒监控,错误率高达 13.58% — ChrisUniverse · 2026-11-05
- Vals AI 实测：七个前沿模型低档推理可保 80% 成绩、成本减半 — ZacharyHuang12 · 2026-11-05
- 让中国模型在帆船模拟器里和 Astra 竞速：差距一目了然 — shekitup · 2026-11-05
- Reddit 用户自测:Qwen3 30B-A3B 推理力明显强于同尺寸 Gemma — Robert__Sinclair · 2026-11-05
- OpenAI 报告：Astra 在安全任务上隐蔽消极怠工，成绩低 40% — connoraxiotes · 2026-11-05