ricursiveAI/Ripple-65B-Preview API
Model Transformer padat 65 bilion parameter berlesen Apache 2.0 daripada Ricursive Intelligence, dibina untuk pengekodan agen dan semakan kod dengan tetingkap konteks 1 juta token.
Ripple-65B Preview ialah model Transformer padat 65 bilion parameter yang dikeluarkan oleh Ricursive Intelligence pada 5 November 2026 di bawah lesen Apache 2.0. Model ini dilatih dari awal menggunakan kira-kira 12 trilion token teks dan kod yang kebanyakannya bahasa Inggeris, dan menyokong input serta output teks dengan tetingkap konteks 1 juta token. Ia menyediakan mod penalaran yang memaparkan huraian dalaman secara berasingan sebelum jawapan akhir, panggilan alat asli dengan satu panggilan fungsi setiap giliran yang memulangkan nama fungsi berserta argumen JSON, serta kawalan persampelan, rentetan henti, benih nombor dan suis antara penyahkodan deterministik dan persampelan.
Model ini sesuai untuk membina agen pengekodan yang merancang perubahan, memanggil alat dan meneruskan kerja berdasarkan hasil, di samping semakan kod dan pelan pemfaktoran semula untuk fail dan modul sehingga kira-kira 15,000 token. Ia juga berguna untuk menjawab soalan teknikal, pembantu yang mencari data melalui fungsi yang ditakrifkan pengguna, serta ringkasan dokumen dan semakan silang.
Sebagai keluaran pratonton, Ripple-65B Preview telah melalui pascalatihan yang agak ringan tertumpu pada pengekodan agen. Ia hanya menyokong satu panggilan fungsi setiap giliran dan masih ketinggalan berbanding pesaing Mixture-of-Experts yang lebih besar pada SciCode, DeepSWE dan MCP Atlas. Walaupun begitu, seni bina padatnya membolehkan ia dijalankan pada perkakasan pengguna seperti MacBook atau NVIDIA DGX Spark, dan model BF16 mencapai 250 token sesaat pada 2x B200 GPU dengan saiz kelompok 8 sebelum kuantisasi.
Dikemas kini:
ID MODEL
ripple-65b-preview- Konteks
- 1.049M
- Output maks
- 131.072K
- API yang disyorkan
- messages
- Input
- text
- Output
- text
Sorotan
- Transformer padat 65B parameter, lesen Apache 2.0
- Konteks 1 juta token
- Panggilan alat asli satu fungsi setiap giliran
- Mod penalaran dengan huraian dalaman berasingan
- Muat pada MacBook dan NVIDIA DGX Spark
- 250 token sesaat pada 2x B200 GPU
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| Ketersediaan | ||||
|---|---|---|---|---|
| $0.2 | $0.6 | $0.05 |
Statistik sejarah bukan pemeriksaan langsung. Ketiadaan data tidak bermaksud gangguan.
Apa yang boleh dibeli dengan $10
- Input
- 50J token
- Output
- 16.7J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penanda aras
- 80.52
TerminalBench 2.1
Dilaporkan sendiri; tertinggi antara model berwajaran terbuka dari Amerika Syarikat
- 79.1
SWE-Bench Pro v2.0-Hard
mata
- 44.3
DeepSWE v1.1
mata
- 39.4
SciCode
Terendah antara lima model dalam jadual perbandingan Ricursive
Skor seperti yang diterbitkan oleh penyedia model.
Penaakulan
- Diaktifkan secara lalai
- Tidak
- Sentiasa diaktifkan
- Tidak
Mula pantas
Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.
Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"Hantar permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.
ripple-65b-previewModel ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "ripple-65b-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Menggunakan SDK pihak ketiga
Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.
Dayakan penstriman
Tambah stream: true untuk menerima respons sebagai server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "ripple-65b-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.
Messages
Mesej serasi Anthropic untuk klien gaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringripple-65b-previewID model awam untuk dipanggil.max_tokensinteger—Bilangan maksimum token yang dijana.messagesarray—Mesej perbualan untuk Chat Completions.seed———toolsarray—Definisi tool calling mengikut skema serasi.top_p———logprobs———temperaturenumber—Mengawal kepelbagaian respons apabila disokong.tool_choicestring or object—Mengawal sama ada alat perlu dipanggil.top_logprobs———response_formatobject—Meminta output berstruktur apabila disokong.Soalan lazim
Mengenali ricursiveAI/Ripple-65B-Preview?
Ripple-65B Preview ialah model Transformer padat 65 bilion parameter yang dikeluarkan oleh Ricursive Intelligence pada 5 November 2026 di bawah lesen Apache 2.0. Model ini dilatih dari awal menggunakan kira-kira 12 trilion token teks dan kod yang kebanyakannya bahasa Inggeris, dan menyokong input serta output teks dengan tetingkap konteks 1 juta token. Ia menyediakan mod penalaran yang memaparkan huraian dalaman secara berasingan sebelum jawapan akhir, panggilan alat asli dengan satu panggilan fungsi setiap giliran yang memulangkan nama fungsi berserta argumen JSON, serta kawalan persampelan, rentetan henti, benih nombor dan suis antara penyahkodan deterministik dan persampelan. Model ini sesuai untuk membina agen pengekodan yang merancang perubahan, memanggil alat dan meneruskan kerja berdasarkan hasil, di samping semakan kod dan pelan pemfaktoran semula untuk fail dan modul sehingga kira-kira 15,000 token. Ia juga berguna untuk menjawab soalan teknikal, pembantu yang mencari data melalui fungsi yang ditakrifkan pengguna, serta ringkasan dokumen dan semakan silang. Sebagai keluaran pratonton, Ripple-65B Preview telah melalui pascalatihan yang agak ringan tertumpu pada pengekodan agen. Ia hanya menyokong satu panggilan fungsi setiap giliran dan masih ketinggalan berbanding pesaing Mixture-of-Experts yang lebih besar pada SciCode, DeepSWE dan MCP Atlas. Walaupun begitu, seni bina padatnya membolehkan ia dijalankan pada perkakasan pengguna seperti MacBook atau NVIDIA DGX Spark, dan model BF16 mencapai 250 token sesaat pada 2x B200 GPU dengan saiz kelompok 8 sebelum kuantisasi.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah jenis input dan output yang disokong oleh Ripple-65B Preview?
Model ini menyokong input teks dan output teks sahaja. Ia tidak menerima imej atau audio.
Berapakah panjang konteks dan had output Ripple-65B Preview?
Tetingkap konteksnya ialah 1 juta token. Had output tidak dinyatakan dalam maklumat yang tersedia.
Apakah tugas yang paling sesuai untuk Ripple-65B Preview?
Ia dibina untuk agen pengekodan yang merancang perubahan dan memanggil alat, semakan kod serta pemfaktoran semula fail dan modul sehingga kira-kira 15,000 token, soalan teknikal, pembantu yang menggunakan fungsi pengguna, dan ringkasan dokumen.
Bagaimanakah Ripple-65B Preview berbeza daripada model MoE yang lebih besar?
Ripple-65B Preview ketinggalan berbanding pesaing Mixture-of-Experts yang lebih besar pada SciCode, DeepSWE dan MCP Atlas. Walau bagaimanapun, seni bina padatnya membolehkannya dijalankan pada perkakasan pengguna seperti MacBook atau NVIDIA DGX Spark.
Adakah Ripple-65B Preview menyokong panggilan fungsi berbilang?
Tidak, ia hanya menyokong satu panggilan fungsi setiap giliran, yang memulangkan nama fungsi berserta argumen JSON.
Apakah checkpoint yang disertakan dalam keluaran Ripple-65B Preview?
Keluaran ini merangkumi tiga checkpoint: model BF16 yang ditala arahan, versi NVFP4, dan model asas BF16.