Felo API PlatformFelo API Platform
กลับไปที่โมเดล
Ricursiveaimessages

ricursiveAI/Ripple-65B-Preview API

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

อัปเดต:

ID โมเดล

ripple-65b-preview
บริบท
1.049M
เอาต์พุตสูงสุด
131.072K
API ที่แนะนำ
messages
อินพุต
text
เอาต์พุต
text

จุดเด่น

  • Transformer แบบ dense 65 พันล้านพารามิเตอร์
  • โอเพนเวตส์ภายใต้สัญญาอนุญาต Apache 2.0
  • บริบทสูงสุด 1 ล้านโทเคน
  • เรียกฟังก์ชันแบบเนทีฟหนึ่งครั้งต่อเทิร์น
  • มีความสามารถในโหมดการให้เหตุผล
  • รันบนฮาร์ดแวร์สำหรับผู้บริโภคได้

ผู้ให้บริการ

1 ผู้ให้บริการ

เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด

ผู้ให้บริการ · รายละเอียดราคา
อัตราความพร้อมใช้งาน
$0.2$0.6$0.05

ซื้ออะไรได้ด้วย $10

อินพุต
50M token
เอาต์พุต
16.7M token

ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด

เบนช์มาร์ก

  • TerminalBench 2.1

    รายงานเอง; สูงที่สุดในบรรดาโมเดลโอเพนเวตส์จากสหรัฐฯ

    80.52
  • SWE-Bench Pro v2.0-Hard

    คะแนน

    79.1
  • DeepSWE v1.1

    คะแนน

    44.3
  • SciCode

    ต่ำที่สุดในบรรดาห้าโมเดลในตารางเปรียบเทียบของ Ricursive

    39.4

คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่

การให้เหตุผล

เปิดใช้งานโดยค่าเริ่มต้น
ไม่ใช่
เปิดใช้งานตลอด
ไม่ใช่

เริ่มต้นอย่างรวดเร็ว

โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด

1

ตั้งค่าคีย์ API

สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม

export FELO_API_KEY="YOUR_API_KEY"
2

ส่งคำขอแรก

ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา

ripple-65b-preview

โมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ

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());

การใช้ SDK ของบุคคลที่สาม

ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.

3

เปิดใช้สตรีมมิ่ง

เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว

อินเทอร์เฟซเมธอดURL

Messages

ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude

POST

https://openapi.felo.ai/api/v1/messages

พารามิเตอร์

ชื่อชนิดค่าเริ่มต้นคำอธิบาย
modelstringripple-65b-previewID โมเดลสาธารณะที่ต้องการเรียก
max_tokensinteger—จำนวนโทเคนสูงสุดที่สร้าง
messagesarray—ข้อความสนทนาสำหรับ Chat Completions
seed———
toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้
top_p———
logprobs———
temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับ
tool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่
top_logprobs———
response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับ

คำถามที่พบบ่อย

รู้จัก ricursiveAI/Ripple-65B-Preview?

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

การใช้งานถูกเรียกเก็บเงินอย่างไร

ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน

Ripple-65B Preview รองรับข้อมูลประเภทใดบ้าง

รองรับเฉพาะข้อความเป็นอินพุตและเอาต์พุต ไม่รองรับภาพหรือเสียง

โมเดลนี้มีความยาวบริบทเท่าใด

รองรับบริบทสูงสุด 1 ล้านโทเคน

สามารถเรียกฟังก์ชันได้กี่ครั้งต่อเทิร์น

รองรับการเรียกฟังก์ชันแบบเนทีฟได้หนึ่งครั้งต่อเทิร์น โดยคืนชื่อฟังก์ชันพร้อมอาร์กิวเมนต์ในรูปแบบ JSON

เหมาะกับงานลักษณะใด

เหมาะกับงานเขียนโค้ดแบบเอเจนต์ การรีวิวและรีแฟกเตอร์โค้ด การตอบคำถามทางเทคนิค การสรุปเอกสาร และผู้ช่วยที่เรียกใช้ฟังก์ชันที่ผู้ใช้กำหนด

โมเดลนี้แตกต่างจากโมเดลตระกูล GPT-6 อย่างไร

Ripple-65B Preview เป็นโมเดลโอเพนเวตส์แบบ dense ขนาด 65 พันล้านพารามิเตอร์ที่เน้นงานเขียนโค้ดแบบเอเจนต์ ขณะที่ GPT-6 Sol, GPT-6 Astra และ GPT-6 Luna เป็นโมเดลในตระกูล GPT-6 ซึ่งไม่มีข้อมูลเปรียบเทียบในเอกสารนี้