Ripple 65B Preview vs Claude Opus 5.5 : deux agents de codage, deux examens différents

Ripple 65B Preview obtient 80,5 sur Terminal-Bench. Claude Opus 5.5affiche 66,4. Mettez ces deux chiffres dans une même colonne et un modèle à poids ouverts de 65 milliards de paramètres publié le 4 novembre 2026 par Ricursive Intelligence semble battre de quatorze points le fleuron d'Anthropic sur le benchmark le plus proche du travail de codage agentique. Ce n'est pas le cas. Le chiffre de Ripple porte sur Terminal-Bench 2.1. Celui d'Opus 5.5 porte sur Terminal-Bench 4.0. Ce ne sont pas les mêmes épreuves, elles ne sont pas notées de la même manière, et l'histoire des deux versions est la chose la plus utile qu'un acheteur puisse savoir avant de prendre l'un ou l'autre chiffre pour un verdict.

Cette lacune n’est pas un point de détail technique inventé pour protéger le tenant du titre. C’est un effondrement documenté. Lorsque SemiAnalysis a exécuté les mêmes modèles sur les deux versions le 8 septembre 2026, Claude Fable 5.1 est passé de 91,4 sur 2.1 à 55,8 sur 4.0, GPT-6 Astra de 88,4 à 57,7, et Gemini 3.8 Flash de 89,4 à 19,1 — une chute de 70 points pour un modèle qui n’avait pas changé. Terminal-Bench 4.0 a supprimé huit tâches, en a corrigé dix-neuf autres, appliqué un délai d’expiration uniforme de huit heures et ajouté des contrôles de résistance à la falsification. Un score 2.1 et un score 4.0 partagent un nom et rien d’autre.

Ce qu’est réellement chaque modèle

Ripple 65B Preview est un modèle dense, et non un mélange d’experts : 65 milliards de paramètres, tous actifs sur chaque token, dans un transformeur « fin et profond » de 80 couches avec un flux résiduel d’une largeur de 5 120. La fiche du modèle de Ricursive mentionne des têtes d’attention supplémentaires, un ratio plus élevé entre attention à fenêtre glissante et attention globale, une fenêtre glissante plus petite, un écrêtage de l’activation FFN, une attention à portes, NoPE global et des résidus de valeur — un ensemble de choix qu’il décrit comme semblables à Gemma 3N. Il est sous Apache 2.0, entraîné sur 12 billions de tokens et revendique jusqu’à 1 million de tokens de contexte.

Claude Opus 5.5 est un modèle fermé publié le 22 septembre 2026, doté d’une fenêtre de 1 million de tokens, d’une sortie maximale de 128 000 tokens, d’une entrée texte et image et d’une réflexion adaptative toujours activée — un changement radical par rapport à Opus 5, où la réflexion était optionnelle. Il expose cinq niveaux d’effort avec medium comme valeur par défaut, ce qui a son importance : presque tous les benchmarks Opus 5.5 publiés ont été exécutés en max ou xhigh, et non avec le réglage que la plupart des appels API utiliseront.

• Paramètres — 65B dense, tous actifs vs non divulgués, poids fermés

• Licence — Apache 2.0, téléchargeable vs propriétaire, API uniquement

• Contexte — jusqu’à 1M annoncé contre 1M, avec 128K de sortie max

• Sortie — 4 novembre 2026 vs 22 septembre 2026

• Prix — pas de prix catalogue du fournisseur ; tarifs hébergés autour de 0,20 $ / 0,60 $ par million de jetons contre 4,00 $ en entrée / 20,00 $ en sortie, 0,20 $ pour la lecture du cache

• Score indépendant — aucun pour l'instant contre 59 sur l'Artificial Analysis Intelligence Index v5.0.1

La seule ligne où les versions correspondent

Terminal-Bench est l’endroit où le lancement veut porter le débat. SWE-bench Pro est l’endroit où cela devient intéressant, et DeepSWE v1.1 est l’endroit où cela devient inconfortable.

Le score d'Opus 5.5 sur SWE-bench Pro est de 89,9, d'après la system card d'Anthropic. Celui de Ripple est de 79,1 — mais sur v2.0-Hard, et sa propre system card indique séparément 61,42 sur v1.0. Trois chiffres, deux fournisseurs, au moins deux ensembles de tâches. Rien ici ne peut être soustrait d'autre chose.

DeepSWE v1.1 est différent. Les deux laboratoires ont publié un score sur ce benchmark, et aucun ne l'a ré-versionné comme Terminal-Bench l'a été. Opus 5.5 obtient 74,2. Ripple 65B Preview obtient 44,3. Cela fait un écart de trente points sur un benchmark que les deux parties ont choisi de publier, et il va dans le sens opposé au graphique Terminal-Bench. DeepSWE est un benchmark d'agents d'ingénierie logicielle construit autour d'un travail sur des dépôts réels plutôt que de tâches shell ; pour le public que Ripple cible — les agents de codage —, c'est sans doute le plus pertinent des deux.

Voici la lecture honnête du lancement : le titre de Ripple est un score de 2,1, sa propre fiche affiche 44,3 sur le seul benchmark de codage agentique où une comparaison à version identique existe, et le modèle auquel on le compare remporte cette ligne avec une large marge. Rien de tout cela ne fait de Ripple un mauvais modèle. Cela fait du 80,5 un chiffre relatif à un examen précis.

Ce que 32 millions de dollars permettent d’acheter, et ce qu’ils ne permettent pas

L’affirmation la plus intéressante de Ricursive n’est pas un benchmark. C’est que l’ensemble de l’effort de recherche et développement a coûté 32 millions de dollars, soit environ un dixième de ce que l’entreprise affirme avoir coûté au précédent état de l’art à poids ouverts en codage agentique, atteint avec 1,4 million de déroulés d’apprentissage par renforcement — environ soixante-dix fois moins que Reflection Beam 501B — avec une utilisation de 40 % des FLOPs du modèle.

Si cela se confirme, c’est plus important qu’un 80,5 sur n’importe quel benchmark, car cela signifie que le coût d’accès à ce niveau de capacité a chuté d’un ordre de grandeur. Cela explique aussi la forme du modèle : un modèle dense de 65B à 80 couches est une conception que l’on peut entraîner et servir à moindre coût, et Ricursive rapporte 250 tokens par seconde sur deux B200 avec une taille de lot de huit, avant toute quantification. Un point de comparaison : Opus 5.5 mesure 112 tokens par seconde sur le banc d’essai d’Artificial Analysis.

Ce que 32 millions de dollars n’achètent pas, c’est une vérification indépendante. Il n’existe pas encore de réexécution publique des chiffres de Ripple par un tiers, et le modèle n’apparaît pas du tout dans l’Artificial Analysis Intelligence Index — le tableau neutre de référence. Opus 5.5 y figure à 59, version 5.0.1, à 10,04 $ de calcul par tâche de l’indice. Tant que Ripple n’y aura pas d’entrée, toute affirmation comparative entre modèles à son sujet reposera sur des tableaux du fournisseur.

L'argument du prix, bien mené

La phrase tentante est que Ripple est vingt à trente fois moins cher par token. La phrase exacte est que Ripple n’a pas de prix catalogue, car il n’y a rien pour lequel établir un prix : les poids sont sous Apache 2.0 et téléchargeables. Les catalogues tiers citent des tarifs hébergés proches de 0,20 $ par million de tokens d’entrée et de 0,60 $ par million de tokens de sortie, et ce sont des tarifs d’hébergement, pas une grille tarifaire de fournisseur. L’auto-hébergement transforme le coût en GPU et en temps d’ingénierie, ce qui est bon marché en régime permanent et coûteux dès le premier jour.

Opus 5.5 est le pari inverse. Quatre dollars en entrée et vingt dollars en sortie par million de tokens, c’est un chiffre concret que vous pouvez mettre dans un tableur dès aujourd’hui, avec une lecture de cache à 0,20 $ qui rend les longues boucles d’agents dotées d’un préfixe stable nettement moins chères que ne le suggère le prix affiché. Sur OrcaRouter, il fait partie des plus de 200 modèles accessibles avec une seule clé à 0 % de marge — le prix catalogue du fournisseur est répercuté tel quel, de sorte qu’une modification tarifaire d’Anthropic est effective le jour même plutôt qu’à la prochaine réconciliation de facturation.

Ripple ne figure pas dans le catalogue d'OrcaRouter, et rien dans cet article ne doit être interprété comme le fait que nous le servons. Ses poids sont disponibles sur Hugging Face, et l'annonce de lancement nomme les partenaires d'hébergement ; si vous souhaitez l'appeler via une API plutôt que de l'exécuter vous-même, c'est la voie à suivre.

Lequel choisir

Si le travail consiste en un agent de codage sur une base de code propriétaire avec une revue de conformité, Opus 5.5 est le choix défendable et l'argument des benchmarks n'est pas serré : il dispose d'un score d'indice indépendant, d'une fiche système, d'un chiffre SWE-bench Pro publié et d'une fenêtre de 1 M avec 128 K de sortie. Vous payez la piste d'audit autant que le modèle.

Si le travail consiste en une boucle d’agent étroite et à fort volume, où le prompt est stable, où le corpus est le vôtre et où la facture est la contrainte, un modèle 65B sous Apache-2.0 qui tient sur deux B200s constitue une proposition véritablement différente de celle d’une API à 20 $ par million de tokens de sortie. La question à trancher avant de s’engager n’est pas « 80,5 est-il supérieur à 66,4 » — mais « quel score Ripple obtient-il sur DeepSWE face au modèle que je remplace », et à l’heure actuelle, la réponse consignée est 44,3 contre 74,2.

Ce qu’il faut surveiller, ce n’est pas un énième graphique de fournisseur. C’est la première exécution indépendante de Ripple 65B Preview sur Terminal-Bench 4.0. Tout, dans cette comparaison, dépend de ce chiffre.