Ripple 65B Preview vs. GPT-6.1 Sol: Die fehlende Zeile in der Bestenliste

Jeder ernsthafte Modellvergleich in dieser Preisklasse beginnt inzwischen am selben Punkt: dem Intelligence Index von Artificial Analysis, Version 5.0.1, dem Neuaufbau, der am 27. Oktober 60 % des Gesamtindex durch private oder zurückgehaltene Testsets ersetzte. Claude Opus 5.5 steht dort bei 59. GPT-6.1 Solsteht bei 55. Gemini 4 Argon steht bei 50. Grok 4.7 steht bei 35. Ripple 65B Preview ist nicht vertreten, weil es keinen Eintrag hat. Das Modell, das am 4. November 2026 mit den vollmundigsten Coding-Versprechen der Woche startete, ist das einzige in dieser Gruppe, das ein Käufer nicht auf der neutralen Rangliste einordnen kann – und genau diese Abwesenheit sollte, mehr als jede Anbietergrafik, die Entscheidung prägen.

GPT-6.1 Sol ist gerade deshalb eine nützliche Kontrastfolie, weil er auf dieser Rangliste der Preis-Leistungs-Fall ist: 55 auf dem Index für 2,00 $ pro Million Input und 10,00 $ pro Million Output und – die Zahl, die tatsächlich über Agent-Budgets entscheidet – 1,27 $ Rechenkosten pro Index-Aufgabe gegenüber 10,04 $ bei Opus 5.5. Wenn Ripple irgendetwas in einem Produktions-Coding-Stack verdrängen will, ist Sol der Incumbent, den es wirtschaftlich schlagen muss, nicht bei einem Terminal-Bench-Perzentil.

Warum gibt es keine Ripple-Zeile?

Artificial Analysis benötigt einen bereitgestellten Endpoint und stabile Gewichte, um seine Harness auszuführen. Ripple 65B Preview ist zwei Tage alt, wurde als Gewichte statt als Anbieter-API veröffentlicht, und die Launch-Seite nennt Hosting-Partner, während die Hugging-Face-Karte gleichzeitig angibt, das Modell „wird von keinem Inference Provider bereitgestellt“. Allein dieser Widerspruch erklärt eine fehlende Zeile: Solange kein Host einen stabilen Checkpoint bereitstellt, gibt es nichts, das eine Evaluations-Harness aufrufen kann.

Es gibt einen zweiten Grund, der weniger schmeichelhaft ist. Der Index wird bewusst aus zurückgehaltenen und privaten Datensätzen aufgebaut und planmäßig aktualisiert. Ein Modell kann bei öffentlichen Benchmarks, die seine Trainingsdaten gesehen haben, hervorragend und bei den privaten durchschnittlich sein. Die bei Ripples Launch genannten Zahlen beziehen sich ausschließlich auf öffentliche Benchmarks: Terminal-Bench 2.1 bei 80,52, SWE-bench Pro v2.0-Hard bei 79,1, DeepSWE v1.1 bei 44,3, MMLU 89,6, GPQA Diamond 85,2, AIME 2025 bei 98,3. Das sind starke Werte. Es sind außerdem ausnahmslos die Benchmarks, die ein Team auswählt, wenn es einen Launch veröffentlichen will.

Das ist kein Vorwurf eines Fehlverhaltens. Es ist der normale Zustand einer zwei Tage alten Vorschau, und die richtige Reaktion besteht darin, Ripple als nicht eingestuft zu behandeln statt als auf Platz eins eingestuft.

Was Sol eigentlich ist

GPT-6.1 Sol wurde am 29. September 2026 auf dem DevDay von OpenAI als die Stufe unterhalb von GPT-6 Astra veröffentlicht und löste GPT-6 Sol ab. Es verfügt über ein Kontextfenster von 1.050.000 Tokens, eine maximale Ausgabe von 128.000 Tokens, einen Wissens-Cutoff vom 30. April 2026, Text- und Bildeingabe sowie fünf Reasoning-Stufen von niedrig bis max mit medium als Standard.

Die Preisstruktur hat eine Falle, die man kennen sollte. Unter 272.000 Eingabe-Tokens beträgt der Satz 2,00 $ für Eingabe und 10,00 $ für Ausgabe, wobei zwischengespeicherte Eingabe 0,10 $ und Cache-Schreibvorgänge 2,50 $ kosten. Oberhalb dieser Schwelle wird die gesamte Anfrage mit 4,00 $ für Eingabe und 15,00 $ für Ausgabe neu abgerechnet – nicht nur der Überschuss. Ein 300K-Token-Prompt kostet daher doppelt so viel wie ein 270K-Prompt, was Chunking zu einer echten Optimierung statt zu einem Nice-to-have macht.

• Preis — Sol 2,00 $ / 10,00 $ pro Million, 0,10 $ Cache-Lesezugriff; Ripple hat keinen Listenpreis, gehostete Preise nahe 0,20 $ / 0,60 $

• Kosten pro Indexierungsaufgabe — Sol 1,27 $; Ripple nicht gemessen

• Kontext — Sol 1,05 Mio. mit einer Abrechnungs-Klippe bei 272K; Ripple bis zu 1 Mio. beansprucht

• Gewichte — Sol geschlossen; Ripple Apache 2.0, herunterladbar

• Ausgabegeschwindigkeit — Sol 55 tok/s gemessen; Ripple 250 tok/s auf 2×B200 angegeben

DeepSWE v1.1 — Sol 75,22 (Anbieter) vs. Ripple 44,3 (Anbieter), dieselbe Benchmark-Version

Der eine saubere Vergleich – und er ist alles andere als knapp.

Angesichts des ständigen Versionswechsels gibt es einen Benchmark, den beide Labore durchgeführt und beide veröffentlicht haben: DeepSWE v1.1. OpenAI meldet 75,22 für Sol bei hohem Aufwand. Ricursive meldet 44,3 für Ripple. Das ist eine 31-Punkte-Lücke bei einem Software-Engineering-Agenten-Benchmark, von beiden Seiten veröffentlicht, ohne dass man sich hinter Unklarheiten bei der Harness-Version verstecken könnte.

Vergleicht man das mit dem Terminal-Bench-Bild, ist die Spannung offensichtlich. Ripple veröffentlicht 80,52 auf Terminal-Bench 2.1; Sols Terminal-Bench-4.0-Wert von Drittanbietern liegt bei etwa 55. Auf dem einen Benchmark wirkt Ripple wie ein Frontier-Konkurrent, auf dem anderen wie eine Generation zurück. Der Unterschied ist die Prüfung: 2.1 ist ein Patch-Release des 2.0-Sets mit 89 Aufgaben, das 28 Aufgaben wegen Abhängigkeits- und Spezifikationsproblemen korrigierte, während 4.0 ein anderes Aufgabenset mit Prüfungen gegen adversariales Schummeln und einer pauschalen Acht-Stunden-Zeitgrenze ist; als es Ende August erschien, halbierte es die Punktzahl jedes Frontier-Modells ungefähr.

Die vernünftige Synthese ist, dass Ripple ein wirklich leistungsfähiges 65B-Modell ist, dessen veröffentlichte Stärken auf der älteren, stärker gesättigten Prüfung liegen und dessen einziger versionsgleicher Vergleich mit einem Frontier-Modell ein Defizit von 31 Punkten ist. Sol ist die sicherere Wahl bei der Codequalität; Ripple ist die interessantere Wahl bei den Betriebskosten.

Wo Ripple ohne Benchmark gewinnt

Drei Dinge gelten für Ripple und nicht für Sol, und keines davon erfordert eine Bestenliste.

Das erste ist die Lizenz. Apache 2.0 auf einem dichten 65B-Modell bedeutet, dass Fine-Tuning erlaubt ist, Weiterverbreitung erlaubt ist und eine Sicherheitsüberprüfung nichts zu beanstanden hat. Ein geschlossenes Frontier-Modell kann, so günstig es pro Token auch sein mag, nicht auf Ihrer Codebasis feinabgestimmt werden und nicht in einer luftgetrennten Umgebung ausgeführt werden.

Der zweite Punkt ist Portabilität. Die Modellkarte von Ricursive beschreibt ein Modell, das für effizientes Serving auf NVIDIA-Hardware konzipiert und klein genug für einen DGX Spark ist, mit einem NVFP4-Checkpoint und einem bereitgestellten Colab-Notebook. Das ist eine andere Bereitstellungsform als eine API: Es ist ein Modell, das man in einen CI-Runner oder auf den Schreibtisch eines Entwicklers stellen kann.

Das dritte ist die Trainingsökonomie. Zwölf Billionen Pretraining-Token, ein angegebenes Gesamtbudget von 32 Millionen US-Dollar, 1,4 Millionen RL-Rollouts und 40 % MFU summieren sich zu der Behauptung, dass diese Fähigkeitsstufe nun für einen achtstelligen Betrag erreichbar ist. Wenn sich das verallgemeinern lässt, tickt für die Preisuntergrenze der Frontier-APIs eine Uhr.

Wie man beides betreibt, ohne auf eines zu setzen

Die praktische Antwort für das nächste Quartal lautet nicht, sich zu entscheiden. GPT-6.1 Sol ist im OrcaRouter-Katalog, unter demselben Schlüssel wie über 200 andere Modelle, mit 0 % Aufschlag auf OpenAIs Listenpreis — daher werden der $2/$10-Tarif und jede künftige Änderung daran unverändert durchgereicht. Das ist hier wichtig, weil Sols Preis der Maßstab ist, an dem Ripple gemessen wird; ein Router, der Aufschläge erhebt, würde den Vergleich verfälschen.

Für einen Stack, der Ripple im Loop haben möchte, ist die Architektur eine Aufteilung statt eines Austauschs: Rufen Sie Sol oder ein anderes Frontier-Modell für die Planungs- und Review-Schritte auf, bei denen die 31-Punkte-Lücke bei DeepSWE teuer ist, und leiten Sie die Generierung mit hohem Volumen und geringer Mehrdeutigkeit an ein selbst gehostetes 65B-Modell weiter, bei dem die Grenzkosten drastisch sinken. Die Routing-DSL von OrcaRouter existiert genau für diese Komposition – mehrere Modelle hinter einem Aufruf, mit automatischem Failover, falls die Leistung eines Anbieters nachlässt –, wobei Ripple selbst außerhalb davon läge, da wir es nicht anbieten.

Drei Fragen, die es sich zu beantworten lohnt, bevor Sie sich festlegen

Ist Ripple 65B Preview besser als GPT-6.1 Sol?

Nicht auf Grundlage irgendeiner heute existierenden Evidenz. Beim einzigen Benchmark, den beide in derselben Version veröffentlicht haben, liegt Sol mit 31 Punkten vorn. Ripples prominent beworbener Vorteil stammt aus einer anderen Terminal-Bench-Version mit einer niedrigeren Obergrenze. Solange kein neutraler Harness Ripple bewertet, ist „besser“ eine Aussage über den Preis, nicht über die Leistungsfähigkeit.

Kann ich Ripple als API aufrufen, oder muss ich es selbst hosten?

Beide sind im Fluss. Die Gewichte sind eindeutig von Hugging Face unter Apache 2.0 herunterladbar, und zwar in BF16 und NVFP4. Der gehostete Zugriff ist angekündigt, aber noch nicht geklärt – die Modellkarte besagt, dass kein Inferenzanbieter ihn bereitstellt, während die Launch-Seite Partner nennt. Gehen Sie von Self-Hosting aus, bis ein Endpunkt antwortet.

Was kostet Sol oberhalb von 272K Eingabe-Tokens?

Doppelt bei der Eingabe, anderthalbmal bei der Ausgabe, angewendet auf die gesamte Anfrage: 4,00 $ und 15,00 $ pro Million. Unterhalb dieser Grenze sind es 2,00 $ und 10,00 $. Das ist die größte Abrechnungsüberraschung in diesem Vergleich, und sie hat nichts mit Ripple zu tun.

Die entscheidende Zahl ist nicht eine weitere Anbietertabelle. Es ist der erste Eintrag von Artificial Analysis für Ripple 65B Preview auf Index v5.0.1. Alles oben Genannte ist vorläufig, bis es diese Zeile gibt.