Ripple-65B Preview vs Ripple-65B: por qué el segundo nombre no tiene ningún modelo detrás

Busca Ripple-65B Preview y encontrarás un modelo documentado: un checkpoint denso de 65B con licencia Apache 2.0 de Ricursive Intelligence, creado el 4 de noviembre de 2026, con una tarjeta, cuatro repositorios y un 80,52 reportado por el proveedor en Terminal-Bench 2.1. Busca Ripple-65B —el mismo nombre con el sufijo recortado— y encontrarás ese modelo, una y otra vez, bajo nombres de archivo diferentes. No hay una versión final separada. La organización de Hugging Face enumera cuatro repositorios públicos —Ripple-65B-Preview, Ripple-65B-Preview-NVFP4, Ripple-65B-Base-Preview y Ripple-65B-Preview-DFlash2— y ninguno de ellos omite la palabra «Preview».

Eso hace que esta sea una página de comparación poco habitual, y la forma honesta de escribirla es decirlo desde el principio. Ripple-65B no es un rival de Ripple-65B Preview. Es un nombre que la gente está buscando, un marcador de posición para un lanzamiento que no ha ocurrido y —lo más útil— una ocasión para responder a la pregunta que esas búsquedas realmente plantean: ¿estás obteniendo el modelo terminado o estás obteniendo una instantánea que el laboratorio te dijo que era ligera en post-entrenamiento?

Qué significa "Preview" en esta tarjeta en particular

El sufijo no es decorativo aquí, y Ricursive es inusualmente explícito al respecto. La tarjeta del modelo describe el lanzamiento como relativamente poco posentrenado: 200 mil millones de tokens de entrenamiento intermedio, 183 mil millones de tokens de ajuste fino supervisado, 13,5 mil millones de tokens de SFT de contexto largo, 700 pasos de RL, además de una ejecución de preentrenamiento de 12 billones de tokens con una longitud de secuencia de 8K. Todo se entrena desde cero, y el planteamiento de la empresa es que el presupuesto de posentrenamiento fue deliberadamente pequeño en relación con el preentrenamiento.

Esa combinación —base enorme, alineación escasa— es lo que produce un checkpoint que obtiene 80,52 en Terminal-Bench 2.1 mientras se sitúa en 44,3 en DeepSWE 1.1 y 39,4 en SciCode. El rendimiento agéntico en terminal es trabajo real. La amplitud en ingeniería de software parece la parte que una ejecución de posentrenamiento más prolongada tocaría primero. Un Ripple-65B final sería, según esta lectura, un mejor modelo justo en los ejes donde el Preview es más débil.

Ricursive no se ha comprometido con una fecha. No hay hoja de ruta, no hay una línea de "lanzamiento final en el Q4" en la publicación de lanzamiento, y no hay un repositorio sucesor con fecha. Cuando ArtificialWatch siguió el lanzamiento, señaló que "el GA sin la etiqueta Preview todavía está por llegar" — un resumen preciso de un estado que no ha cambiado desde entonces.

Los cuatro repositorios, y para qué sirve realmente cada uno

La confusión con los nombres empeora antes de mejorar, porque dos de los cuatro repositorios suenan como si pudieran ser el modelo final y ninguno lo es.

• Ripple-65B-Preview — el checkpoint instruct principal. BF16, 64.782.689.360 parámetros, 129,6 GB en 16 fragmentos, Apache 2.0, sin restricciones de acceso. Es el que se usa como referencia para todas las cifras de los benchmarks.

• Ripple-65B-Preview-NVFP4 — el mismo modelo instruct cuantizado con ModelOpt, 39.616.865.360 parámetros almacenados, etiquetado como 8 bits. No es un modelo diferente; un contenedor más pequeño para los mismos pesos.

• Ripple-65B-Base-Preview — creado el 14 de octubre de 2026, tres semanas antes del lanzamiento instruct. Esta es la base preentrenada, evaluada por separado: MMLU 83.7, MMLU-Pro 61.5, GPQA Diamond 38.4, HumanEval 70.9, MBPP Sanitized 81.5. Esos números parecen alarmantes junto a los 89.6 y 85.2 de la ficha del instruct hasta que recuerdas que son puntuaciones de modelo base —antes de SFT, antes de RL, respondiendo al estilo de completado—. Es el punto de partida correcto si pretendes hacer tu propio post-entrenamiento, y el incorrecto si quieres un asistente.

• Ripple-65B-Preview-DFlash2 — 4.04B parámetros, un borrador de decodificación especulativa. Propone tokens para que el modelo de 65B los verifique y no puede generar nada por sí solo; su tarjeta indica claramente que «requiere que el modelo objetivo genere texto».

Cuatro repositorios, un modelo, tres de ellos variantes de un checkpoint y uno de ellos un componente. Nadie ha publicado un quinto.

Si finalmente se lanzara un Ripple-65B final, ¿qué cambiaría?

Esta es la parte constructiva de la comparación, y vale la pena ser concreto en lugar de aludir vagamente a un «mejor post-entrenamiento».

• Probablemente la historia del contexto quedaría resuelta. La Preview anuncia hasta 1M, entrenada con secuencias de 2M tokens en sus etapas de contexto largo, mientras que los listados comerciales han ofrecido 16.384 y, más recientemente, han destacado 128K. Un lanzamiento final es el momento natural para que un laboratorio diga para qué está realmente validado el modelo en lugar de qué admite la arquitectura.

• DeepSWE y SciCode serían las cifras a seguir. Ahí es donde Preview va por detrás de modelos a los que supera en otros aspectos, y son los benchmarks que responden más directamente a más RL y más SFT en repositorios reales.

• Para entonces, probablemente ya existiría una puntuación independiente. Artificial Analysis no tiene hoy ninguna entrada para ningún slug de Ripple, lo que significa que todas las cifras en circulación son reportadas por el proveedor. Un lanzamiento GA es el momento en el que los agregadores suelen empezar a incluir un modelo.

• La licencia probablemente seguiría siendo Apache 2.0. Nada en el lanzamiento sugiere que Ricursive tenga intención de retractarse, y es la propiedad más valiosa que tiene la versión.

Nada de eso se anuncia. Es una inferencia a partir de lo que la tarjeta dice sobre su propio presupuesto de post-entrenamiento, y debe leerse como tal.

La trampa de la denominación, y por qué importa en la práctica

Si estás integrando este modelo en un archivo de configuración, la distinción deja de ser académica. El identificador que se resuelve es ricursiveAI/Ripple-65B-Preview. Una solicitud para ricursiveAI/Ripple-65B no devuelve nada, porque no existe nada con ese nombre — y un pipeline que recurre silenciosamente a una coincidencia difusa fallará o, peor aún, servirá silenciosamente un checkpoint base donde esperabas uno de instrucción.

La misma trampa existe a la inversa con el modelo base. Ripple-65B-Base-Preview es un repositorio real con pesos reales, y es un artefacto genuinamente distinto de la versión instruct: puntuaciones distintas, comportamiento distinto, propósito distinto. Cualquiera que compare las puntuaciones de "Ripple-65B" en internet casi con toda seguridad está mezclando el 89,6 de MMLU de la ficha del instruct con el 83,7 de la ficha del base sin darse cuenta de que provienen de dos repositorios diferentes.

Siguen tres reglas prácticas. Fija el id exacto del repositorio y un hash de revisión, no un nombre de familia. No des por hecho que un endpoint alojado y la descarga BF16 son el mismo producto: el alojado puede ser NVFP4, puede ser una revisión distinta y casi con toda seguridad tendrá un límite de contexto diferente. Y si una herramienta o una tabla de clasificación menciona Ripple-65B sin el sufijo, comprueba a qué repositorio se refiere antes de citar la cifra.

Lo que puedes hacer hoy con la Vista previa

Bastante, de hecho, y más de lo que era cierto hace una semana. Los pesos no tienen restricciones y son Apache 2.0, así que no hay paso de aprobación. A partir del 5 de noviembre, vLLM integró soporte nativo —un RicursiveConfig incorporado, analizadores de razonamiento y de llamadas a herramientas, y una receta que usa NVFP4 por defecto en una única B300—, lo que significa que el checkpoint se carga sin --trust-remote-code en el motor que la mayoría de los equipos ya ejecuta. Una solicitud de extracción paralela de SGLang sigue abierta, por lo que vLLM es actualmente el único motor convencional donde esta es una arquitectura soportada en lugar de un script externo.

Comercialmente, el modelo se ofrece a aproximadamente $0,20 por millón de tokens de entrada y $0,60 por millón de salida, y la entrada en caché se factura a una fracción de eso. Esas tarifas corresponden a la Preview, ya que es lo único que hay para servir.

OrcaRouter no lo incluye. Vale la pena decirlo claramente, porque una página de comparación que termine dando a entender que puedes acceder a ambos lados a través de nosotros sería engañosa: solo hay un lado, y no lo alojamos. Lo que sí enrutamos es el campo que lo rodea: Kimi K3.1 Pro a $2.00 y $10.00 por millón con contexto de 1M, DeepSeek V4 Pro a $0.66 y $1.98 con contexto de 1M y salida de 384K, Qwen3.8 Max a $2.00 y $6.00. Si la razón por la que lees sobre un codificador de pesos abiertos de 65B es que quieres un modelo agéntico barato sin un ciclo de adquisición, esos son los que comparten la misma clave que todo lo demás, con conmutación por error y precios de paso directo. Ripple es el que alojas o compras por separado.

La respuesta corta

Si alguien te pregunta cuál es la diferencia entre Ripple-65B Preview y Ripple-65B, la respuesta correcta es que el segundo aún no existe. El Preview es el modelo: 65B denso, Apache 2.0, 12 billones de tokens de preentrenamiento, ligeramente postentrenado, 80.52 en Terminal-Bench 2.1 según su propia medición, sin posición en ninguna clasificación independiente, y servido con una ventana de contexto que depende de quién lo esté sirviendo.

Lo que añadiría una versión final es una cifra de contexto definitiva, mejores números en los benchmarks de ingeniería de software donde la Preview es más débil y, probablemente, la primera verificación externa que haya tenido el modelo. Hasta que Ricursive la lance, cada comparación de "Ripple-65B" que leas —incluidas las que afirman compararla con la Preview— está comparando un modelo con un término de búsqueda.