Ripple 65B Preview vs Claude Opus 5.5: Dos programadores agénticos, dos exámenes diferentes

Ripple 65B Preview reporta 80.5 en Terminal-Bench. Claude Opus 5.5 reporta 66.4. Ponga esos dos números en una sola columna y un modelo de pesos abiertos de 65 mil millones de parámetros lanzado el 4 de noviembre de 2026 por Ricursive Intelligence parece superar al buque insignia de Anthropic por catorce puntos en el benchmark más cercano al trabajo de codificación agéntica. No lo hace. La cifra de Ripple es Terminal-Bench 2.1. La de Opus 5.5 es Terminal-Bench 4.0. No son el mismo examen, no se puntúan de la misma manera, y la historia de las dos versiones es lo más útil que un comprador puede saber antes de tratar cualquiera de los dos números como un veredicto.

Esa brecha no es un tecnicismo inventado para proteger al proveedor dominante. Es un colapso documentado. Cuando SemiAnalysis ejecutó los mismos modelos en ambas versiones el 8 de septiembre de 2026, Claude Fable 5.1 cayó de 91,4 en 2.1 a 55,8 en 4.0; GPT-6 Astra pasó de 88,4 a 57,7; y Gemini 3.8 Flash, de 89,4 a 19,1: una caída de 70 puntos para un modelo que no había cambiado. Terminal-Bench 4.0 eliminó ocho tareas, corrigió diecinueve más, aplicó un límite de tiempo uniforme de ocho horas y añadió controles de resistencia a la manipulación. Una puntuación de 2.1 y una de 4.0 comparten un nombre y nada más.

Lo que cada modelo realmente es

Ripple 65B Preview es un modelo denso, no una mezcla de expertos: 65 mil millones de parámetros, todos activos en cada token, en un transformer "delgado y profundo" de 80 capas con un flujo residual de 5.120 de ancho. La tarjeta del modelo de Ricursive enumera más cabezas de atención, una mayor proporción de atención de ventana deslizante frente a global, una ventana deslizante más pequeña, recorte de activación de FFN, atención con compuertas, NoPE global y residuales de valor —un conjunto de decisiones que describe como similares a Gemma 3N. Es Apache 2.0, entrenado con 12 billones de tokens y afirma hasta 1 millón de tokens de contexto.

Claude Opus 5.5 es un modelo cerrado lanzado el 22 de septiembre de 2026, con una ventana de 1 millón de tokens, 128.000 tokens de salida máxima, entrada de texto e imágenes, y un razonamiento adaptativo que siempre está activado — un cambio incompatible respecto a Opus 5, donde el razonamiento era opcional. Expone cinco niveles de esfuerzo con medium como predeterminado, lo cual es importante: casi todos los benchmarks publicados de Opus 5.5 se ejecutaron en max o xhigh, no en la configuración que usará la mayoría de las llamadas a la API.

• Parámetros — 65B denso, todos activos frente a no divulgados, pesos cerrados

• Licencia — Apache 2.0, descargable vs. propietario, solo API

• Contexto — hasta 1M declarados frente a 1M, con una salida máxima de 128K

• Lanzamiento — 4 de noviembre de 2026 vs 22 de septiembre de 2026

• Precio — sin precio de lista del proveedor; tarifas de alojamiento alrededor de $0.20 / $0.60 por millón de tokens frente a $4.00 de entrada / $20.00 de salida, $0.20 por lectura de caché

• Puntuación independiente — aún ninguna frente a 59 en Artificial Analysis Intelligence Index v5.0.1

La única fila en la que coinciden las versiones

Terminal-Bench es donde el lanzamiento quiere plantear el debate. SWE-bench Pro es donde se pone interesante, y DeepSWE v1.1 es donde se vuelve incómodo.

La cifra de Opus 5.5 en SWE-bench Pro es 89.9, según la tarjeta de sistema de Anthropic. La de Ripple es 79.1, pero en v2.0-Hard, y su propia tarjeta indica por separado 61.42 en v1.0. Tres cifras, dos proveedores, al menos dos conjuntos de tareas. Nada de aquí puede restarse de nada más.

DeepSWE v1.1 es distinto. Ambos laboratorios publicaron una puntuación sobre él, y ninguno lo ha cambiado de versión como sí se hizo con Terminal-Bench. Opus 5.5 obtiene 74.2. Ripple 65B Preview obtiene 44.3. Eso es una diferencia de treinta puntos en un benchmark que ambas partes eligieron publicar, y apunta en la dirección opuesta a la del gráfico de Terminal-Bench. DeepSWE es un benchmark de agentes de ingeniería de software construido en torno a trabajo real sobre repositorios en lugar de tareas de shell, así que para el público al que se dirige Ripple —los agentes de programación— podría decirse que es el más relevante de los dos.

Esta es la lectura honesta del lanzamiento: el titular de Ripple es una puntuación de 2.1, su propia ficha muestra un 44.3 en el único benchmark de codificación agéntica donde existe una comparación de la misma versión, y el modelo con el que se le compara gana esa fila por un amplio margen. Nada de esto convierte a Ripple en un mal modelo. Convierte el 80.5 en un número sobre un examen específico.

Lo que 32 millones de dólares compran, y lo que no

La afirmación más interesante de Ricursive no es un benchmark. Es que todo el esfuerzo de investigación y desarrollo costó 32 millones de dólares, aproximadamente una décima parte de lo que, según la empresa, costó el anterior estado del arte de pesos abiertos en programación agéntica, alcanzado con 1,4 millones de rollouts de aprendizaje por refuerzo —unas setenta veces menos que Reflection Beam 501B— con una utilización del 40 % de los FLOPs del modelo.

Si eso se sostiene, es un asunto más importante que 80,5 en cualquier benchmark, porque indica que el precio de entrar en este nivel de capacidad ha caído en un orden de magnitud. También explica la forma del modelo: 65B denso con 80 capas es un diseño que se puede entrenar y servir de forma económica, y Ricursive informa 250 tokens por segundo en dos B200 con tamaño de lote ocho, antes de cualquier cuantización. Un punto de comparación: Opus 5.5 mide 112 tokens por segundo en el arnés de Artificial Analysis.

Lo que 32 millones de dólares no compran es una verificación independiente. Todavía no se ha publicado ninguna reejecución de las cifras de Ripple por parte de terceros, y el modelo no aparece en absoluto en el Artificial Analysis Intelligence Index —la tabla de clasificación neutral de referencia—. Opus 5.5 ocupa el puesto 59 en ese índice, versión 5.0.1, con 10,04 dólares de cómputo por tarea del índice. Hasta que Ripple tenga una entrada, toda afirmación comparativa entre modelos sobre él se basa en tablas del proveedor.

El argumento del precio, bien planteado

La frase tentadora es que Ripple es entre veinte y treinta veces más barato por token. La frase precisa es que Ripple no tiene precio de lista, porque no hay nada a lo que ponerle un precio: los pesos son Apache 2.0 y se pueden descargar. Los catálogos de terceros citan tarifas de alojamiento cercanas a $0.20 por millón de tokens de entrada y $0.60 por millón de salida, y esas son tarifas de alojamiento, no una tarifa de proveedor. El autoalojamiento convierte el costo en GPU y tiempo de ingeniería, que resulta barato en régimen estable y caro el primer día.

Opus 5.5 es la operación opuesta. Cuatro dólares de entrada y veinte dólares de salida por millón de tokens es una cifra real que puedes poner en una hoja de cálculo hoy, con una lectura de caché de $0,20 que hace que los bucles largos de agentes con un prefijo estable sean considerablemente más baratos de lo que sugiere el titular. En OrcaRouter es uno de más de 200 modelos accesibles con una sola clave y un 0 % de recargo —el precio de lista del proveedor se aplica tal cual, así que un cambio de precio de Anthropic está activo el mismo día en lugar de en la próxima conciliación de facturación.

Ripple no está en el catálogo de OrcaRouter, y nada en este artículo debe interpretarse como que lo ofrecemos. Sus pesos están en Hugging Face, y el anuncio de lanzamiento nombra a los socios de alojamiento; si quieres llamarlo como API en lugar de ejecutarlo, esa es la vía.

¿Cuál elegir?

Si el trabajo es un agente de programación sobre una base de código propietaria con una revisión de cumplimiento, Opus 5.5 es la opción defendible y el argumento de los benchmarks no está reñido: cuenta con una puntuación de índice independiente, una tarjeta de sistema, una cifra publicada de SWE-bench Pro y una ventana de 1M con 128K de salida. Estás pagando por la pista de auditoría tanto como por el modelo.

Si el trabajo es un bucle de agentes de gran volumen y alcance limitado, donde el prompt es estable, el corpus es tuyo y la factura es la restricción, un modelo de 65B con licencia Apache-2.0 que cabe en dos B200s es una propuesta genuinamente distinta a una API de 20 $ por millón de tokens de salida. La pregunta que hay que responder antes de comprometerse no es «¿80,5 es mayor que 66,4?», sino «¿qué puntuación obtiene Ripple en DeepSWE frente al modelo que voy a sustituir?», y ahora mismo la respuesta registrada es 44,3 frente a 74,2.

Lo que vale la pena observar no es otro gráfico de proveedor. Es la primera ejecución independiente de Ripple 65B Preview en Terminal-Bench 4.0. Todo en esta comparación depende de ese número.