Ripple-65B Preview vs. Mistral Large 4.0: 65 Milliarden dicht gegen ein Billionen-Parameter-MoE

Legt man Ripple-65B Preview und Mistral Large 4.0 nebeneinander auf eine Festplatte, ist der Unterschied nicht subtil: 129,6 GB BF16-Shards gegen 1.060,6 GB FP8-Shards, für zwei Modelle, die sich beide als Open Weight bezeichnen und beide agentisches Coding anpreisen. Das eine ist ein dichter 65B-Transformer, der von einer fünfköpfigen Forschungsgruppe von Grund auf auf 12 Billionen Tokens trainiert wurde und nach eigenen Angaben 32 Millionen Dollar gekostet hat. Das andere ist ein Mixture-of-Experts-Modell mit 1,05 Billionen Parametern, 52 Milliarden aktiven Parametern und einem Vision-Encoder mit 1,6 Milliarden Parametern, von einem Unternehmen, hinter dem eine ganze Produktpalette steht.

Der interessante Punkt ist nicht der Größenunterschied. Es ist die Tatsache, dass beide Labore beschlossen haben, einen DeepSWE-1.1-Wert zu veröffentlichen – denselben Benchmark, dieselbe Version –, und das kleinere Modell verliert darauf um 17,4 Punkte. Ripples eigene Modellkarte gibt 44,3 an. Mistral gibt 61,7 für Large 4.0 an. Bevor also irgendeine Argumentation über Effizienz, Lizenzierung oder Self-Hosting beginnt, liegt ein sauberer Vergleich mit gleicher Version und gleichem Aufgabensatz auf dem Tisch, und er spricht nicht für das neue Modell.

Was jedes Lab tatsächlich ausgeliefert hat

Ripple-65B Preview ist das erste öffentliche Modell von Ricursive Intelligence, veröffentlicht am 4. November 2026 unter Apache 2.0 ohne Zugangsbeschränkung und ohne Zusatzklausel zur zulässigen Nutzung über die Lizenz selbst hinaus. Die Architektur ist bewusst schlank und tief — 80 Layer bei einer Modellbreite von 5.120 — mit überdimensionierten Attention-Heads, einem hohen Verhältnis von Sliding-Window- zu globalen Layern, gated Attention, globalem NoPE und Value-Residuals. Die Modellkarte beschreibt es als relativ leicht nachtrainiert, mit 700 RL-Schritten und einem betonten Schwerpunkt auf agentischem Coding. Ein 4,04B-Speculative-Drafter, ein NVFP4-Checkpoint und ein ungated Basismodell werden zusammen damit ausgeliefert.

Mistral Large 4.0 ist die vierte Generation einer Reihe, die seit 2023 das Flaggschiff des Unternehmens ist, und diese kam in zwei Etappen: eine API-Vorschau am 6. Oktober 2026, dann Gewichte am 29. Oktober unter der Mistral Ecosystem Open Weight License, einem modifizierten MIT-Dokument mit einer Service-Provider-Klausel. Es ist multimodal, was Ripple nicht ist – ein 1,6-Milliarden-Parameter-Vision-Encoder nimmt Bilder entgegen – und es bietet drei Stufen des Reasoning-Aufwands statt einer.

• Parameter — 65B dense, jeder Parameter pro Token aktiv, vs. 1,05T insgesamt mit 52B aktiv und 128 gerouteten Experten, 4 pro Token

• Gewichte auf der Festplatte — 129,6 GB BF16 verteilt auf 16 Shards vs. 1.060,6 GB FP8 verteilt auf 54 Shards, plus eine 610,1 GB große NVFP4-Variante

• Kontext — bis zu 1M angegeben, obwohl der erste gehostete Endpunkt 16.384 bereitstellte und ein neueres Listing durchgängig mit 128K gegenüber 1M wirbt

• Modalität — Text als Eingabe, Text als Ausgabe vs. Text und Bild als Eingabe, Text als Ausgabe

• Lizenz — Apache 2.0 vs. Mistral Ecosystem Open Weight License, die eine kommerzielle Vereinbarung erfordert, um das Modell als Dienst anzubieten

Preis je nach Hosting-Anbieter – 0,20 $ / 0,60 $ pro Million Tokens gegenüber 0,70 $ / 2,10 $, mit 0,07 $ für gecachte Eingabe

Die Lizenz ist der schärfere Unterschied, und das ist nicht knapp.

Apache 2.0 bedeutet, was es schon immer bedeutet hat. Du kannst Ripple-65B Preview nehmen, es feinabstimmen, umbenennen, Kunden zur Verfügung stellen und nichts veröffentlichen. Es gibt keine Umsatzschwelle, keine Benachrichtigungspflicht und keine Klausel, die eine Routing-Schicht zum Lizenznehmer macht. Für ein Unternehmen, dessen Produkt ein Modell hinter einer API ist, ist das das Entscheidende – es ist der Unterschied zwischen einem Modell, auf dem man ein Geschäft aufbauen kann, und einem Modell, auf dem man nur ein Feature aufbauen kann.

Die Lizenz von Mistral Large 4.0 ist großzügiger, als der Name vermuten lässt, und weniger großzügig als Apache. Sie ist eine modifizierte MIT-Lizenz mit einer zusätzlichen Bedingung: Wenn man das Modell Dritten als Dienst bereitstellt, braucht man eine kommerzielle Vereinbarung. Die Definition klammert zwei wichtige Dinge aus – das Einbetten des Modells in ein Endnutzerprodukt und „die bloße Weiterleitung von Anfragen an Modelle, die von anderen gehostet werden“, was ein Gateway tut, wenn es eine Anfrage an Mistrals eigene Inferenz weiterleitet. Liest man genau, hält diese Ausnahme einen Router auf der richtigen Seite der Grenze. Liest man nachlässig oder nur die Marketingseite, auf der „Open Weight“ steht, kann man sich selbst in ein Compliance-Problem hineinreden.

Die ehrliche Einordnung lautet also nicht „Apache gegen restriktiv“, sondern „Apache gegen eine Lizenz, die man einmal von einem Anwalt lesen lassen sollte“. Wenn Ihr Plan ist, die Gewichte selbst zu hosten und Zugang zu verkaufen, sind Ripples Bedingungen kategorisch einfacher. Wenn Ihr Plan ist, einen Endpunkt aufzurufen, kommen beide Lizenzen für Sie infrage und der Unterschied verschwindet weitgehend.

Terminal-Bench ist der Benchmark, den du hier nicht verwenden kannst.

Beide Labore veröffentlichen einen Terminal-Bench-Score, und es handelt sich nicht um denselben Test. Ripple meldet 80,52 auf Terminal-Bench 2.1 und bezeichnet das als US-amerikanischen Open-Weight-State-of-the-Art. Mistral meldet 28,3 % auf Terminal-Bench 4.0. Nebeneinander gestellt wirken diese beiden Zahlen wie eine 52-Punkte-Klatsche. Sie sind nicht vergleichbar, und sie als vergleichbar zu behandeln, ist der mit Abstand häufigste Fehler in der Berichterstattung über beide Modelle.

Terminal-Bench 4.0 ist ein schwierigeres, späteres Aufgabenset, und die Kluft zwischen den Versionen ist groß genug, dass eine gute 2.1-Punktzahl und eine mittelmäßige 4.0-Punktzahl dasselbe Modell beschreiben können. Unser eigener Vergleich von Ripple mit Claude Opus 5.5 dient vor allem dazu, zu erklären, warum man auch die 80,5 und die 66,4 von Opus nicht voneinander subtrahieren kann. Die einzige haltbare Aussage hier ist, dass Ripple keine 4.0-Zahl und Mistral keine 2.1-Zahl veröffentlicht hat, sodass diese spezielle Achse leer bleibt.

Was bleibt, ist DeepSWE 1.1, und dort ist das Bild lesbar. Ripples 44,3 stammt aus der eigenen Model Card. Mistrals 61,7 stammt aus Mistrals eigenem Lauf. Keines von beiden ist unabhängig, aber sie sind dieselbe Version desselben Benchmarks, was mehr ist, als Terminal-Bench bieten kann. Eine Lücke von 17,4 Punkten bei Software-Engineering-Aufgaben ist kein Rauschen und passt zum Rest der jeweiligen Card: Mistral Large 4.0 meldet außerdem 87,6 bei GPQA Diamond, 89,4 bei MMLU-Pro und 81,3 im Long-Context-Reasoning-Set von Artificial Analysis, gegenüber Ripples 85,2, 84,2 und 75,0.

Ripples Gegenargument stützt sich auf Benchmarks, in denen es seine eigene Vergleichsgruppe anführt, und auf eine Zahl, mit der Mistral nicht mithalten kann: 80,52 gegen 80,1 von Reflection Beam 501B auf Terminal-Bench 2.1 – von einem Modell, das fünfzehnmal kleiner ist. Das ist ein echtes Ergebnis zur Trainingseffizienz. Es ist kein Ergebnis dafür, besser als Mistral Large 4.0 zu sein, und die beiden Behauptungen werden in der Sekundärberichterstattung immer wieder vermischt.

Kosten pro Token schmeicheln Ripple; Kosten pro Aufgabe kommen näher.

Auf Listenbasis beträgt die Hosting-Lücke in beide Richtungen etwa das 3,5-Fache: 0,20 $ und 0,60 $ pro Million Tokens gegenüber 0,70 $ und 2,10 $. Für einen Agenten mit hohem Volumen ist dieser Unterschied die gesamte Budgetfrage, und er ist der Grund, warum ein dichtes 65B-Modell interessant bleibt, selbst wenn es bei Benchmarks verliert.

Artificial Analysis führt Mistral Large 4.0 mit einem Intelligence Index von 26 und Kosten von 2,06 US-Dollar pro Index-Aufgabe. Ripple-65B Preview hat überhaupt keinen Eintrag im Index, daher gibt es keinen entsprechenden Wert zum Teilen — was selbst die ehrliche Antwort auf die Frage ist, welches Modell pro Einheit Leistungsfähigkeit günstiger ist. Ein Modell wurde auf dem neutralen Board gemessen, das andere nicht. Wenn Sie heute eine Planungszahl benötigen, enthält nur eine dieser Spalten überhaupt einen Wert.

Die Arithmetik des Selbsthostings verändert erneut die Rahmenbedingungen. Ein dichtes 65B-Modell in BF16 passt bei Tensor-Parallel-4 auf vier 80-GB-Karten, und die am 5. November zusammengeführte vLLM-Unterstützung bedeutet, dass es nun ohne --trust-remote-code lädt. Ein 1,05T-FP8-Modell benötigt eine Größenordnung mehr Hardware und einen Serving-Stack, der Experten-Parallelismus versteht. Für ein Team mit vier GPUs und einer Compliance-Anforderung ist das 65B-Modell nicht die Kompromisslösung – es ist die einzige Option auf dieser Liste.

Wo die Routing-Entscheidung tatsächlich landet

Keines der beiden Modelle ist im OrcaRouter-Katalog. Darin gibt es überhaupt keine Mistral-Modelle, und Ripple-65B Preview ist auch nicht dabei – jeder Artikel, der Ihnen sagt, Sie könnten beide mit einem Schlüssel erreichen, einschließlich diesem, würde das also erfinden. Was stimmt, ist enger gefasst: Die Open-Weight-Modelle, die wir tatsächlich routen, sind diejenigen, die ein kostenbewusster Käufer am Ende üblicherweise mit diesen beiden vergleicht. Kimi K3.1 Pro bietet einen Kontext von 1 Mio. und eine maximale Ausgabe von 943 K zu 2,00 USD und 10,00 USD pro Million. DeepSeek V4 Pro bietet 1 Mio. Kontext und 384 K Ausgabe zu 0,66 USD und 1,98 USD. Beide sind über einen einzigen OpenAI-kompatiblen Endpunkt mit automatischem Failover erreichbar, und die Listenpreise der Anbieter werden ohne Aufschlag durchgereicht, sodass eine Preisänderung eines Anbieters bei uns noch am selben Tag live ist.

Das ist für diesen Vergleich in einer bestimmten Hinsicht wichtig. Mistral Large 4.0 wurde zu 1,36 $ und 4,18 $ eingeführt, und die 0,70 $ und 2,10 $, die in der heutigen Mistral-Dokumentation angegeben sind, sind der darauffolgende rabattierte Preis. Ein Preis, der sich innerhalb eines Monats halbiert, ist ein Preis, den man besser überprüft, statt ihn auswendig zu lernen – und es ist die Art von Bewegung, die ein Pass-through-Gateway widerspiegelt, ohne dass Sie etwas ändern müssen.

Wer sollte was auswählen?

Wähle Ripple-65B Preview, wenn du die Gewichte uneingeschränkt unter Bedingungen besitzen willst, die du nicht interpretieren musst, wenn deine Arbeitslast aus agentischem Programmieren im Terminal-Stil statt aus breitem Software-Engineering besteht und wenn 65B zu deiner Hardware passt. Akzeptiere, dass du einer Herstellerkarte vertraust, die kein unabhängiges Labor reproduziert hat, dass die Kontextangabe vollständig davon abhängt, wie du das Modell bereitstellst, und dass 44,3 bei DeepSWE die Zahl ist, die es zu schlagen gilt, bevor du ablöst, was du derzeit einsetzt.

Wählen Sie Mistral Large 4.0, wenn Sie sowohl Bilder als auch Text benötigen, wenn ein 1M-Kontext mit einer dokumentierten Serving-Story wichtiger ist als Lizenz-Einfachheit und wenn ein gemessener Intelligence Index von 26 bei Kosten von 2,06 $ pro Aufgabe die Art von Zahl ist, die Ihr Beschaffungsprozess akzeptiert. Akzeptieren Sie, dass die Lizenz eine juristische Prüfung erfordert, dass 1.060,6 GB Gewichte eine andere Klasse von Infrastrukturverpflichtung darstellen und dass Terminal-Bench 4.0 mit 28,3 % der Wert ist, den Ihre eigene Evaluierung höchstwahrscheinlich reproduzieren wird.

Das Einzige, was ich nicht tun würde, ist, zwischen ihnen anhand der Schlagzeilen-Benchmarks zu wählen. Zwei Labore, zwei Benchmark-Versionen, zwei selbst gemeldete DeepSWE-Läufe — der Vergleich, der hier entscheidet, ist der, den man im eigenen Repository durchführt, und beide Modelle sind offen genug, um das ohne jemandes Erlaubnis zu ermöglichen.