Ripple 65B Preview vs. Claude Opus 5.5: Zwei agentische Programmierer, zwei unterschiedliche Prüfungen

Ripple 65B Preview meldet 80,5 auf Terminal-Bench. Claude Opus 5.5meldet 66,4. Setzt man diese beiden Zahlen in eine Spalte, scheint ein offenes Modell mit 65 Milliarden Parametern, das Ricursive Intelligence am 4. November 2026 veröffentlicht hat, Anthropics Flaggschiff auf dem Benchmark, der agentischer Programmierarbeit am nächsten kommt, um vierzehn Punkte zu schlagen. Das tut es nicht. Ripples Zahl bezieht sich auf Terminal-Bench 2.1. Die von Opus 5.5 auf Terminal-Bench 4.0. Es sind nicht dieselbe Prüfung, sie werden nicht auf dieselbe Weise bewertet, und die Geschichte der beiden Versionen ist das mit Abstand Nützlichste, was ein Käufer wissen kann, bevor er eine der beiden Zahlen als Urteil behandelt.

Diese Lücke ist keine technische Formalie, die erfunden wurde, um den Platzhirsch zu schützen. Sie ist ein dokumentierter Einbruch. Als SemiAnalysis am 8. September 2026 dieselben Modelle in beiden Versionen testete, fiel Claude Fable 5.1 von 91,4 in Version 2.1 auf 55,8 in Version 4.0, GPT-6 Astra von 88,4 auf 57,7 und Gemini 3.8 Flash von 89,4 auf 19,1 – ein Rückgang um 70 Punkte für ein Modell, das sich nicht verändert hatte. Terminal-Bench 4.0 entfernte acht Aufgaben, reparierte neunzehn weitere, führte ein einheitliches Acht-Stunden-Zeitlimit ein und ergänzte Prüfungen zur Manipulationsresistenz. Ein 2.1-Ergebnis und ein 4.0-Ergebnis haben nur den Namen gemeinsam und sonst nichts.

Was jedes Modell tatsächlich ist

Ripple 65B Preview ist ein dichtes Modell, kein Mixture-of-Experts: 65 Milliarden Parameter, die bei jedem Token alle aktiv sind, in einem 80-schichtigen „thin-and-deep“-Transformer mit einem 5.120 breiten Residualstrom. Die Model Card von Ricursive listet zusätzliche Attention-Heads, ein höheres Verhältnis von Sliding-Window- zu globaler Attention, ein kleineres Sliding Window, FFN-Aktivierungs-Clipping, gated Attention, globales NoPE und Value-Residuals auf – eine Reihe von Entscheidungen, die sie als Gemma-3N-ähnlich beschreibt. Es steht unter Apache 2.0, wurde auf 12 Billionen Tokens trainiert und gibt einen Kontext von bis zu 1 Million Tokens an.

Claude Opus 5.5 ist ein geschlossenes Modell, das am 22. September 2026 veröffentlicht wurde, mit einem 1-Million-Token-Kontextfenster, maximal 128.000 Token Ausgabe, Text- und Bildeingabe sowie adaptivem Denken, das immer aktiv ist – eine Breaking Change gegenüber Opus 5, bei dem Denken opt-in war. Es bietet fünf Aufwandsstufen mit medium als Standardeinstellung, was wichtig ist: Nahezu jeder veröffentlichte Opus-5.5-Benchmark wurde mit max oder xhigh ausgeführt, nicht mit der Einstellung, die die meisten API-Aufrufe verwenden werden.

• Parameter — 65B dicht, alle aktiv vs. nicht offengelegt, geschlossene Gewichte

• Lizenz — Apache 2.0, herunterladbar vs. proprietär, nur API

• Kontext — bis zu 1M angegeben vs. 1M, mit maximal 128K Ausgabe

Release — 4. November 2026 vs. 22. September 2026

• Preis — kein Listenpreis des Anbieters; gehostete Tarife etwa 0,20 $ / 0,60 $ pro Million Token gegenüber 4,00 $ Eingabe / 20,00 $ Ausgabe, 0,20 $ pro Cache-Lesevorgang

• Unabhängige Punktzahl — noch keine vs. 59 im Artificial Analysis Intelligence Index v5.0.1

Die eine Zeile, in der die Versionen übereinstimmen

Terminal-Bench ist der Punkt, an dem der Launch die Debatte führen will. SWE-bench Pro ist der Punkt, an dem es interessant wird, und DeepSWE v1.1 ist der Punkt, an dem es unangenehm wird.

Der SWE-bench Pro-Wert von Opus 5.5 ist 89,9, aus Anthropics System Card. Ripples Wert ist 79,1 – aber auf v2.0-Hard, und die eigene System Card listet separat 61,42 für v1.0. Drei Zahlen, zwei Anbieter, mindestens zwei Aufgabensets. Hier lässt sich nichts von irgendetwas anderem abziehen.

DeepSWE v1.1 ist anders. Beide Labore haben eine Punktzahl dafür veröffentlicht, und keines hat es so neu versioniert, wie Terminal-Bench neu versioniert wurde. Opus 5.5 erreicht 74,2. Ripple 65B Preview erreicht 44,3. Das ist eine Lücke von dreißig Punkten bei einem Benchmark, den beide Seiten veröffentlicht haben, und sie weist in die entgegengesetzte Richtung des Terminal-Bench-Diagramms. DeepSWE ist ein Software-Engineering-Agent-Benchmark, der auf echter Repository-Arbeit statt auf Shell-Aufgaben basiert, daher ist er für die Zielgruppe, auf die Ripple abzielt – Coding-Agents –, wohl der relevantere der beiden.

Das ist die ehrliche Lesart des Launches: Ripples Schlagzeile ist ein Wert von 2,1, seine eigene Model Card zeigt 44,3 bei dem einen Agentic-Coding-Benchmark, für den ein Vergleich derselben Version existiert, und das Modell, mit dem es verglichen wird, gewinnt diese Zeile mit großem Abstand. Nichts davon macht Ripple zu einem schlechten Modell. Es macht die 80,5 zu einer Zahl über eine bestimmte Prüfung.

Was 32 Millionen Dollar kaufen – und was nicht.

Die interessanteste Behauptung von Ricursive ist kein Benchmark. Sie besteht darin, dass der gesamte Forschungs- und Entwicklungsaufwand 32 Millionen US-Dollar kostete – etwa ein Zehntel dessen, was nach Angaben des Unternehmens der bisherige Open-Weight-State-of-the-Art beim agentischen Codieren gekostet hat –, erreicht mit 1,4 Millionen Reinforcement-Learning-Rollouts, etwa siebzigmal weniger als Reflection Beam 501B, bei einer Modell-FLOPs-Auslastung von 40 %.

Wenn das Bestand hat, ist es eine größere Sache als 80,5 bei irgendeinem Benchmark, denn es besagt, dass der Preis für den Einstieg in diese Fähigkeitsklasse um eine Größenordnung gefallen ist. Es erklärt auch den Zuschnitt des Modells: 65B dense mit 80 Schichten ist ein Design, das sich kostengünstig trainieren und betreiben lässt, und Ricursive meldet 250 Tokens pro Sekunde auf zwei B200s bei Batchgröße acht, vor jeglicher Quantisierung. Ein Vergleichspunkt: Opus 5.5 misst 112 Tokens pro Sekunde auf dem Harness von Artificial Analysis.

Was 32 Millionen Dollar nicht kaufen, ist eine unabhängige Überprüfung. Es gibt noch keine veröffentlichte Nachprüfung von Ripples Zahlen durch Dritte, und das Modell erscheint überhaupt nicht im Artificial Analysis Intelligence Index – der standardmäßigen neutralen Rangliste. Opus 5.5 steht in diesem Index bei 59, Version 5.0.1, bei 10,04 Dollar Rechenkosten pro Index-Aufgabe. Bis Ripple einen Eintrag erhält, stützt sich jede modellübergreifende Aussage über es auf Anbietertabellen.

Das Preisargument, richtig gemacht

Der verlockende Satz lautet, dass Ripple pro Token zwanzig- bis dreißigmal günstiger ist. Der zutreffende Satz lautet, dass Ripple keinen Listenpreis hat, weil es nichts gibt, wofür ein Preis gelistet werden könnte: Die Gewichte stehen unter Apache 2.0 und sind herunterladbar. Kataloge von Drittanbietern nennen Hosting-Preise von etwa 0,20 US-Dollar pro Million Eingabe-Token und 0,60 US-Dollar pro Million Ausgabe-Token, und das sind Hosting-Preise, keine Preisliste eines Anbieters. Selbsthosting verwandelt die Kosten in GPUs und Engineering-Zeit, was im Dauerbetrieb günstig und am ersten Tag teuer ist.

Opus 5.5 ist der umgekehrte Deal. Vier Dollar Input und zwanzig Dollar Output pro Million Token sind eine reale Zahl, die Sie heute in eine Tabelle eintragen können, mit einem Cache-Read für 0,20 $, der lange Agent-Schleifen mit einem stabilen Prefix deutlich günstiger macht, als es der Headline-Preis vermuten lässt. Bei OrcaRouter ist es eines von mehr als 200 Modellen, die mit einem einzigen Schlüssel zu 0 % Aufschlag erreichbar sind — der Listenpreis des Anbieters wird durchgereicht, sodass eine Preisänderung von Anthropic noch am selben Tag live ist und nicht erst bei der nächsten Abrechnungsabstimmung.

Ripple ist nicht im OrcaRouter-Katalog enthalten, und nichts in diesem Artikel sollte so verstanden werden, dass wir es anbieten. Seine Gewichte sind auf Hugging Face verfügbar, und beim Launch werden Hosting-Partner genannt; wenn Sie es als API aufrufen möchten, statt es selbst auszuführen, ist das der Weg.

Welchen soll man wählen?

Wenn es sich bei der Arbeit um einen Coding-Agenten auf einer proprietären Codebasis mit einer Compliance-Prüfung handelt, ist Opus 5.5 die vertretbare Wahl, und die Benchmark-Argumentation ist nicht knapp: Er hat einen unabhängigen Index-Score, eine System Card, eine veröffentlichte SWE-bench-Pro-Zahl und ein 1M-Fenster mit 128K Output. Man zahlt ebenso sehr für den Audit-Trail wie für das Modell.

Wenn es sich um eine hochvolumige, eng gefasste Agent-Loop handelt, bei der der Prompt stabil ist, der Korpus Ihnen gehört und die Kosten der einschränkende Faktor sind, dann ist ein 65B-Apache-2.0-Modell, das auf zwei B200 passt, ein wirklich anderes Angebot als eine API für 20 US-Dollar pro Million Ausgabe. Die Frage, die vor der Festlegung zu beantworten ist, lautet nicht „ist 80,5 größer als 66,4“ — sie lautet „wie schneidet Ripple bei DeepSWE gegenüber dem Modell ab, das ich ersetze“, und derzeit lautet die dokumentierte Antwort 44,3 gegenüber 74,2.

Was es zu beobachten lohnt, ist nicht ein weiteres Anbieterdiagramm. Es ist der erste unabhängige Durchlauf von Ripple 65B Preview auf Terminal-Bench 4.0. Alles in diesem Vergleich hängt von dieser Zahl ab.