Ripple-65B Preview: pesos Apache 2.0, una afirmación de 1M de tokens y una API de 16K

Ripple-65B Preview, publicado por Ricursive Intelligence el 4 de noviembre de 2026, es dos productos diferentes según cómo se acceda a él. La descarga son 129,6 GB de pesos bajo Apache 2.0 cuya ficha del modelo anuncia un contexto de “hasta 1M” tokens. El primer endpoint comercial que incluye el mismo checkpoint anuncia 16.384. Ambas cifras describen el mismo modelo, y la distancia entre ellas es lo más útil que un desarrollador puede saber sobre este lanzamiento antes de dedicarle un día.

El titular del laboratorio es más acotado de lo que sugiere la publicación de lanzamiento y más interesante de lo que la cobertura ha notado hasta ahora. Ricursive afirma un estado del arte estadounidense de pesos abiertos en codificación agéntica —80,52 en Terminal-Bench 2.1— a partir de un modelo de 65B denso entrenado con un coste declarado de 32 millones de dólares. Es una afirmación real sobre un artefacto real: los pesos se pueden descargar, no tienen restricciones de acceso y tienen licencia para uso comercial sin un acuerdo negociado. Además, a fecha de 5 de noviembre, está enteramente declarado por el proveedor. Artificial Analysis no tiene ninguna entrada para el modelo.

Qué llegó realmente a Hugging Face

Cuatro repositorios se publicaron el 4 de noviembre, y las diferencias importan porque cambian el hardware que necesitas:

• Ripple-65B Preview — el checkpoint ajustado por instrucciones en BF16, 16 fragmentos de safetensors que totalizan 129,57 GB, Apache 2.0, sin acceso restringido.

• Ripple-65B Preview NVFP4 — una compilación experimental de 4 bits de 57,22 GB distribuida en 6 fragmentos, que cuantiza las capas MLP mientras mantiene la atención en BF16.

• Ripple-65B Base Preview — el checkpoint solo de preentrenamiento, sin entrenamiento intermedio, sin datos sintéticos de preguntas y respuestas, también 129.57 GB.

• Ripple-65B Preview DFlash2 — un modelo borrador de 8,08 GB para decodificación especulativa, con 4,04 mil millones de parámetros, que genera bloques de 16 tokens frente al modelo objetivo.

La arquitectura es un regreso deliberado al pasado. Mientras que todos los demás laboratorios de este tamaño han optado por la mezcla de expertos, Ricursive construyó un Transformer denso, delgado y profundo: d_model 5120, 80 capas, 80 cabezas de atención que comparten 8 cabezas clave-valor, un vocabulario de 100,352 tokens y una ventana deslizante de 1,024 tokens aplicada a lo largo de un patrón de capas híbrido. El recorte de activación de la FFN, la atención con compuertas, el NoPE global y los residuales de valor completan las modificaciones que el equipo adoptó mientras escalaba desde una base Olmo 3.

El stack de entrenamiento se publica con más detalle del que suelen incluir la mayoría de las tarjetas de modelo: 12T tokens de preentrenamiento con longitud de secuencia de 8K, 200B tokens de midtraining con 64K, 6,5B tokens de extensión de contexto largo con 2M, 183B tokens de SFT con 128K y 700 pasos de RL con 128K. El equipo pasó de una persona a cinco durante el desarrollo y reporta 40% de MFU sin kernels personalizados.

Una advertencia sobre el nombre, porque los resultados de búsqueda ya lo están confundiendo: Ricursive Intelligence es el laboratorio de diseño de chips cuya publicación de lanzamiento describe la cooptimización de hardware, software y modelos. No es Recursive, la startup de IA que se auto-mejora detrás de Flint. Las dos empresas no tienen relación, y la cobertura que las mezcla es errónea.

La afirmación sobre el benchmark, y hasta dónde llega

Terminal-Bench 2.1 es donde se decide si el lanzamiento triunfa o fracasa, y la cifra es 80,52. Ricursive lo sitúa por delante de Reflection Beam 501B con 80,1, Meta Muse Spark Open 816B con 76,4, Thinking Machines Inkling 975B con 63,8 y NVIDIA Nemotron 3 Ultra 550B con 56,4; todos ellos entre siete y quince veces más grandes en parámetros totales.

Lo que hace que esa tabla valga más que la típica hoja de proveedor es una segunda columna. Ricursive volvió a ejecutar la comparación con el arnés oficial Terminus 2 a 128K con summarización, y reporta que las puntuaciones se movieron en casi todos los casos excepto en el suyo: Ripple se mantuvo en 80,5, Muse Spark subió a 78,7, Reflection Beam bajó de 80,1 a 70,8, Inkling de 63,8 a 56,2, Nemotron de 56,4 a 55,1. Un laboratorio que publica el arnés con el que su propia puntuación queda plana y las de sus competidores se desploman está haciendo algo que la mayoría de los posts de lanzamiento evita. Sigue siendo un laboratorio que califica su propia tarea —cada número de esa tabla lo produjo el flujo de evaluación de Ricursive—, pero el gradiente va en la dirección correcta.

La afirmación deja de sostenerse en cuanto se sale de la terminal. En DeepSWE 1.1, Ripple obtiene 44,3 frente a los 60,0 de Muse Spark. En MCP Atlas obtiene 71,67, por detrás de Muse Spark con 89,2 e Inkling con 76,0. En SciCode queda en último lugar entre los cinco con 39,4, por detrás de Beam con 49,2 y Muse Spark con 58,5. El patrón es consistente: Ripple es fuerte en trabajo de terminal de horizonte largo y en tareas de software de varios pasos, y normal en generación de código científico y amplitud de protocolos de herramientas. Si tu carga de trabajo es un agente que navega por una shell, la afirmación va dirigida a ti. Si es un asistente con uso intensivo de MCP, no.

Y el encuadre está haciendo un trabajo silencioso. «Estado del arte de pesos abiertos de EE. UU.» es un calificativo, no un prefijo que se pueda omitir. Excluye a DeepSeek, Qwen y a todos los demás laboratorios no estadounidenses, así que es una afirmación sobre el mejor modelo de pesos abiertos entrenado dentro de Estados Unidos, no sobre el mejor modelo de pesos abiertos.

El modelo base es el documento más honesto

La tarjeta Base Preview contiene una frase con la que la publicación de lanzamiento no abre: el checkpoint preentrenado es «comparable con DeepSeek V3.1 y V4 Flash en razonamiento, matemáticas y código», mientras que Nemotron 3 Ultra «domina en las evaluaciones tradicionales de preentrenamiento». Los números respaldan esa modestia. Base MMLU-Pro es 61,5, frente a 68,3 de DeepSeek V4 Flash 284B y 79,1 de Nemotron 3 Ultra 550B. Base GPQA Diamond es 38,4, muy por debajo de V4 Flash con 44,4.

Lee esas dos tablas en conjunto y la historia se afina. El prior preentrenado de Ripple es respetable, pero está a mitad de tabla para una ejecución de 12T tokens —el presupuesto de preentrenamiento más pequeño de su propio conjunto de comparación, frente a 20T de Nemotron y 32T+ de V4 Flash—. Casi toda la ventaja en codificación agéntica proviene de la pila de postentrenamiento: la mezcla de datos de entrenamiento intermedio, la extensión de contexto largo y 700 pasos de RL que, según Ricursive, alcanzaron 80,5 en 1,4M de rollouts, aproximadamente 70 veces menos de los que necesitó Reflection Beam. Ese es un resultado más interesante que la tabla de benchmarks, y también más frágil: una subida intensiva de RL sobre entornos sintéticos de horizonte largo es exactamente el tipo de receta que se transfiere de forma desigual a tareas contra las que el laboratorio no entrenó.

¿Por qué el número de contexto son dos números?

La ficha del modelo dice 1M. La configuración dice max_position_embeddings 2,097,152. El endpoint alojado dice 16,384 con un límite de salida de 14,745 tokens. Nadie miente; son tres cosas diferentes, y la aritmética explica por qué el primer host eligió el número que eligió.

La caché KV es donde se paga el contexto largo. Con 80 capas, 8 cabezas KV, una dimensión de cabeza de 128 y almacenamiento BF16, cada capa cuesta 4.096 bytes de caché por token —2.048 para las claves y 2.048 para los valores—. En las 80 capas, eso es aproximadamente 0,33 MB por token. Con los 16.384 tokens del endpoint, son unos 5,4 GB. Con un millón de tokens y todas las capas aplicando atención global, serían aproximadamente 344 GB de caché sobre 130 GB de pesos.

Eso es para lo que sirve la ventana deslizante. La mayoría de las capas de Ripple atienden dentro de una ventana de 1.024 tokens; una minoría atiende de forma global, y solo esas crecen con el contexto. Si 16 de las 80 capas son globales, un millón de tokens cuesta unos 69 GB de caché en lugar de 344 GB — mucho, pero se puede servir en un nodo multi-GPU. La división exacta la establece el patrón de capas híbridas en config.json, y es lo primero que hay que comprobar con cualquier pila de servicio que uses, porque esa división, no el titular, es tu factura de memoria.

Así que trata los dos números como dos hechos. Un millón de tokens es una capacidad arquitectónica que existe en los pesos y requeriría un nodo serio para servirla. Dieciséis mil es lo que ofrece el primer endpoint comercial: suficiente para la mayoría de los bucles de agente, pero no para razonamiento a escala de repositorio ni para trabajo con documentos largos. Si tu razón para probar Ripple-65B Preview era el contexto de 1M, la ruta alojada no te lo proporciona hoy, y el autoalojamiento es la única vía que sí lo hace.

Local significa 57 GB, no 130

La publicación de lanzamiento dice que el modelo «puede caber en hardware de consumo como el NVIDIA DGX Spark», y la cobertura ha convertido eso en «funciona en un MacBook». Los tamaños de descarga te indican a qué artefacto se refiere cada afirmación.

• El checkpoint instruct BF16 es de 129.57 GB. Por sí solo, antes de cualquier caché KV o sobrecarga del entorno de ejecución, eso requiere un acelerador de clase 192 GB o una división entre varias GPU.

• La compilación NVFP4 es de 57,22 GB. Cabe en una máquina de 128 GB con memoria unificada y espacio para un contexto de trabajo, y está etiquetada como experimental, con la atención todavía en BF16.

• El borrador DFlash2 añade 8,08 GB y lo que aporta es decodificación especulativa, no calidad.

La cifra de 250 tok/s es un dato de centro de datos: 2×B200 con batch 8, antes de la cuantización y de los kernels personalizados. En un Spark, cambias rendimiento por el hecho de que el equipo está en tu escritorio. Ninguna de las dos cifras está mal; simplemente pertenecen a máquinas distintas, y el argumento local solo funciona con el checkpoint cuantizado.

Cuánto cuesta una llamada

El primer endpoint alojado indica $0.20 por millón de tokens de entrada y $0.60 por millón de salida, con lecturas de entrada en caché a $0.05. Calculado en una llamada de agente realista —un prompt de 16,000 tokens contra la ventana completa, que devuelve 2,000 tokens—, eso es $0.0032 de entrada y $0.0012 de salida, o alrededor de $0.0044. Si le pasas 10 millones de tokens al día con una división de entrada-salida de 80/20, llegas a $2.80.

El almacenamiento en caché es la palanca que vale la pena accionar. Un prompt de sistema repetido de 16.000 tokens cuesta $0,0008 a la tarifa con caché en lugar de $0,0032, una reducción de 4x en el lado de entrada —lo que, para un agente que reenvía las mismas definiciones de herramientas en cada turno, representa la mayor parte de la factura.

Dónde encaja OrcaRouter: hoy no ofrecemos Ripple-65B Preview, así que no hay margen que comparar ni motivo para fingir lo contrario. Lo que sí cambia la preview es el argumento para mantener un modelo no probado fuera de tu ruta de producción mientras lo mides. Enruta el modelo actual del que ya depende tu tráfico a través de una sola clave —más de 200 modelos, precio de lista del proveedor repercutido con un 0 % de margen, failover automático cuando un proveedor falla— y pon Ripple a su lado en una evaluación offline en lugar de delante de los usuarios. Si los números se sostienen, el DSL de routing mueve una parte del tráfico sin una segunda integración; si no, el fallback nunca estuvo en duda.

¿Quién debería probarlo y qué cambiaría el panorama?

Pruébalo ahora si estás creando un agente de terminal o de shell, quieres un checkpoint Apache 2.0 que puedas afinar sin necesidad de un abogado, y una ventana de 16K es suficiente para tu bucle. La arquitectura densa es una ventaja real para cualquiera que despliegue en hardware modesto —sin enrutamiento de expertos, sin all-to-all, latencia predecible—, y un modelo denso de 65B con 80.5 en Terminal-Bench es un resultado que vale la pena reproducir en tus propias tareas en lugar de discutir.

Espera si necesitas contexto largo desde un endpoint alojado, si tu trabajo depende mucho de MCP o de código científico, o si necesitas cualquier cifra que no haya producido el laboratorio que entrenó el modelo. Todavía no hay ninguna evaluación independiente: ni una entrada en Artificial Analysis ni una reproducción por terceros del 80,52. Para un lanzamiento Preview de un día, eso es normal más que sospechoso, pero significa que cada cifra de este artículo que procede de Ricursive está etiquetada como suya por algún motivo.

Tres cosas lo resolverían. Un segundo arnés ejecutado por alguien que no entrenó el modelo. Un host que sirva más de 16,384 tokens, lo que nos diría si la afirmación del contexto de 1M sobrevive al contacto con un planificador. Y un checkpoint que no sea preview, ya que Ricursive ha sido explícito en que el post-entrenamiento aquí fue ligero y la variante interna detrás de su plataforma de diseño de chips es el producto que realmente está construyendo. Hasta entonces, el titular es una afirmación y la descarga es real — y la brecha entre ambos es exactamente donde ocurrirá el próximo mes de evaluación.