Felo API PlatformFelo API Platform
返回模型列表
Ricursiveaimessages

ricursiveAI/Ripple-65B-Preview API

Ricursive Intelligence 推出的 65B 稠密 Transformer 开源权重模型,主打智能体编程与代码审查,支持百万级上下文。

Ripple-65B Preview 是 Ricursive Intelligence 于 2026 年 11 月 5 日发布的首个模型,采用 65B 参数的稠密 Transformer 架构,以 Apache 2.0 许可证开放权重。模型从零开始预训练,使用约 12 万亿 token 的语料,以英文文本和代码为主。相比混合专家架构,稠密设计降低了基础设施复杂度,也让模型能运行在 MacBook 或 NVIDIA DGX Spark 等消费级硬件上。

模型支持原生工具调用,每轮返回一个函数调用及 JSON 参数;推理模式会在最终答案前单独输出内部推理内容。它适合构建需要规划改动、调用工具并根据结果继续推进的编程智能体,也适用于代码审查与重构建议、技术问答、通过用户自定义函数查询数据的助手,以及文档摘要与交叉核对等任务。

本次预览版的后训练相对轻量,主要聚焦智能体编程,在 SciCode、DeepSWE 和 MCP Atlas 上落后于更大的混合专家竞品,且每轮仅支持一次函数调用。发布包含三个检查点:指令微调 BF16 模型、NVFP4 版本和 BF16 基础模型。

更新时间:

模型 ID

ripple-65b-preview
上下文
1.049M
最大输出
131.072K
推荐 API
messages
输入
text
输出
text

核心要点

  • 65B 稠密 Transformer,Apache 2.0 开源权重
  • 100 万 token 上下文
  • 原生工具调用,每轮一次函数调用
  • 推理模式单独输出思考过程
  • 可在 MacBook 等消费级硬件运行
  • BF16 在 2x B200 上达 250 tokens/s

供应商

1 个供应商

比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。

供应商 · 计费明细
可用率
$0.2$0.6$0.05

10 美元能买多少 token

输入
5000万 tokens
输出
1666.7万 tokens

按当前输入与输出单价估算,未计入折扣。

基准测试

  • TerminalBench 2.1

    自报成绩,在美国开源权重模型中排名第一

    80.52
  • SWE-Bench Pro v2.0-Hard

    分

    79.1
  • DeepSWE v1.1

    分

    44.3
  • SciCode

    在 Ricursive 对比表中的五个模型里最低

    39.4

分数来自模型厂商公布的数据,未独立验证。

推理能力

默认启用
否
始终启用
否

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

填入 API key

从 Felo API Platform 账户创建 key,并设置为环境变量。

export FELO_API_KEY="YOUR_API_KEY"
2

发起第一次请求

使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。

ripple-65b-preview

该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。

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());

使用第三方 SDK

兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.

3

启用流式输出

加入 stream: true,即可以 server-sent events 接收响应。

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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

参数

名称类型默认值说明
modelstringripple-65b-previewPublic model ID to call.
max_tokensinteger—Maximum generated tokens.
messagesarray—Conversation messages for Chat Completions.
seed———
toolsarray—Tool calling definitions following compatible schema.
top_p———
logprobs———
temperaturenumber—Controls response variety when supported.
tool_choicestring or object—Controls whether a tool should be called.
top_logprobs———
response_formatobject—Request structured output when supported.

常见问题

什么是 ricursiveAI/Ripple-65B-Preview?

Ripple-65B Preview 是 Ricursive Intelligence 于 2026 年 11 月 5 日发布的首个模型,采用 65B 参数的稠密 Transformer 架构,以 Apache 2.0 许可证开放权重。模型从零开始预训练,使用约 12 万亿 token 的语料,以英文文本和代码为主。相比混合专家架构,稠密设计降低了基础设施复杂度,也让模型能运行在 MacBook 或 NVIDIA DGX Spark 等消费级硬件上。 模型支持原生工具调用,每轮返回一个函数调用及 JSON 参数;推理模式会在最终答案前单独输出内部推理内容。它适合构建需要规划改动、调用工具并根据结果继续推进的编程智能体,也适用于代码审查与重构建议、技术问答、通过用户自定义函数查询数据的助手,以及文档摘要与交叉核对等任务。 本次预览版的后训练相对轻量,主要聚焦智能体编程,在 SciCode、DeepSWE 和 MCP Atlas 上落后于更大的混合专家竞品,且每轮仅支持一次函数调用。发布包含三个检查点:指令微调 BF16 模型、NVFP4 版本和 BF16 基础模型。

如何计算调用费用?

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。

Ripple-65B Preview 支持哪些输入输出?

模型仅支持文本输入与文本输出,上下文长度达 100 万 token。

它适合做什么任务?

适合构建编程智能体、代码审查与重构、技术问答、通过用户自定义函数查询数据的助手,以及文档摘要与交叉核对。

推理模式如何工作?

开启推理模式后,模型会在最终答案前单独输出一段内部推理内容。

工具调用有什么限制?

模型支持原生工具调用,但每轮只能发起一次函数调用,返回函数名和 JSON 参数。

发布包含哪些检查点?

共三个:指令微调 BF16 模型、NVFP4 版本和 BF16 基础模型。