Ricursiveai API: โมเดล ราคา และข้อมูลจำเพาะ
เปรียบเทียบโมเดล Ricursiveai ทุกโมเดลที่ใช้งานได้ผ่าน Felo API ทั้งราคา หน้าต่างบริบท และความสามารถในตารางเดียว เรียกใช้โมเดลใดก็ได้ด้วยคีย์ API เดียวกัน
- โมเดล
- 1
- แชท ×1
- อินพุต / 1M
- $0.2
- เอาต์พุต / 1M
- $0.6
- บริบทที่ใหญ่ที่สุด
- 1.049M
Ripple-65B Preview คือโมเดล Transformer แบบ dense ขนาด 65 พันล้านพารามิเตอร์จาก Ricursive Intelligence เผยแพร่ในฐานะโอเพนเวตส์ภายใต้สัญญาอนุญาต Apache 2.0 เน้นงานเขียนโค้ดแบบเอเจนต์
Ripple-65B Preview เป็นโมเดลภาษาแบบข้อความล้วนที่พัฒนาโดย Ricursive Intelligence เปิดตัวเมื่อวันที่ 5 พฤศจิกายน 2026 ในรูปแบบโอเพนเวตส์ภายใต้สัญญาอนุญาต Apache 2.0 ใช้สถาปัตยกรรม Transformer แบบ dense ขนาด 65 พันล้านพารามิเตอร์ ผ่านการฝึกล่วงหน้าตั้งแต่ต้นด้วยคลังข้อมูลประมาณ 12 ล้านล้านโทเคนซึ่งส่วนใหญ่เป็นภาษาอังกฤษและโค้ด รองรับบริบทสูงสุด 1 ล้านโทเคน และมีความสามารถในการเรียกใช้เครื่องมือแบบเนทีฟโดยเรียกฟังก์ชันได้หนึ่งครั้งต่อเทิร์น พร้อมคืนชื่อฟังก์ชันพร้อมอาร์กิวเมนต์ในรูปแบบ JSON
จุดเด่นของรุ่นนี้คือความสามารถด้านการเขียนโค้ดแบบเอเจนต์ เช่น การวางแผนแก้ไขโค้ด การเรียกใช้เครื่องมือ และการทำงานต่อเนื่องจากผลลัพธ์ที่ได้ เหมาะสำหรับการสร้างเอเจนต์เขียนโค้ด งานรีวิวและรีแฟกเตอร์โค้ด (รองรับไฟล์และโมดูลขนาดไม่เกินประมาณ 15,000 โทเคน) การตอบคำถามทางเทคนิค ผู้ช่วยที่ค้นข้อมูลผ่านฟังก์ชันที่ผู้ใช้กำหนด และการสรุปเอกสารพร้อมตรวจสอบข้อมูลไขว้ โมเดลยังมีโหมดการให้เหตุผลที่แสดงกระบวนการคิดภายในเป็นส่วนแยกก่อนคำตอบสุดท้าย และมีตัวเลือกการตั้งค่าการสุ่ม เช่น ค่า seed แบบตัวเลข สตริงหยุด และการสลับระหว่างการถอดรหัสแบบกำหนดได้กับการสุ่ม
ในด้านประสิทธิภาพ Ripple-65B Preview ทำคะแนน TerminalBench 2.1 ได้ 80.52 ซึ่งเป็นคะแนนที่รายงานเองและสูงที่สุดในบรรดาโมเดลโอเพนเวตส์จากสหรัฐฯ โดยใช้จำนวนรอบการทดลองเพียง 1.4 ล้านรอบ น้อยกว่า Reflection80.1 อย่างมาก ทั้งยังลดต้นทุนได้ 10 เท่าเมื่อเทียบกับโมเดลเอเจนต์โอเพนเวตส์รุ่นก่อนหน้า ด้วยต้นทุนการวิจัยและพัฒนารวม 32 ล้านดอลลาร์ สถาปัตยกรรมแบบ dense ทำให้สามารถรันบนฮาร์ดแวร์สำหรับผู้บริโภคอย่าง MacBook หรือ NVIDIA DGX Spark ได้ และเวอร์ชัน BF16 ทำความเร็วได้ 250 โทเคนต่อวินาทีบน GPU B200 จำนวน 2 ตัวที่ขนาดแบตช์ 8 ก่อนการควอนไทซ์ อย่างไรก็ตาม โมเดลยังตามหลังคู่แข่งแบบ Mixture-of-Experts ที่มีขนาดใหญ่กว่าใน benchmark SciCode, DeepSWE และ MCP Atlas และเวอร์ชัน Preview นี้ผ่านการฝึกหลังการฝึกที่ค่อนข้างเบาโดยเน้นการเขียนโค้ดแบบเอเจนต์
ข้อมูลจำเพาะ
- อินพุต / 1M
- $0.2
- เอาต์พุต / 1M
- $0.6
- บริบท
- 1.049M
- เอาต์พุตสูงสุด
- 131.072K
- โปรโตคอล
- messages