Ripple 65B Preview vs GPT-6.1 Sol : la ligne manquante du classement

Toute comparaison sérieuse de modèles dans cette gamme de prix commence désormais au même endroit : l'Intelligence Index d'Artificial Analysis, version 5.0.1, la refonte qui a remplacé 60 % du composite par des jeux de tests privés ou non publics le 27 octobre. Claude Opus 5.5 y affiche 59. GPT-6.1 Sol affiche 55. Gemini 4 Argon affiche 50. Grok 4.7 affiche 35. Ripple 65B Preview n'affiche rien, car il n'a pas d'entrée. Le modèle lancé le 4 novembre 2026 avec les affirmations de codage les plus retentissantes de la semaine est le seul de ce groupe qu'un acheteur ne peut pas placer sur le classement neutre — et cette absence, plus que n'importe quel graphique de fournisseur, est ce qui devrait orienter la décision.

GPT-6.1 Sol est le contrepoint utile précisément parce qu’il est l’option au meilleur rapport qualité-prix de ce classement : 55 sur l’indice pour 2,00 $ par million de tokens d’entrée et 10,00 $ par million de tokens de sortie, et — le chiffre qui décide réellement des budgets d’agents — 1,27 $ de calcul par tâche d’indice, contre 10,04 $ pour Opus 5.5. Si Ripple doit remplacer quoi que ce soit dans une stack de codage en production, c’est Sol le sortant qu’il doit battre sur le plan économique, et non sur un percentile Terminal-Bench.

Pourquoi n'y a-t-il pas de ligne Ripple

Artificial Analysis a besoin d’un endpoint servi et de poids stables pour exécuter son harnais d’évaluation. Ripple 65B Preview a deux jours, a été publié sous forme de poids plutôt que via une API de fournisseur, et la page de lancement nomme des partenaires d’hébergement tandis que la fiche Hugging Face indique simultanément que le modèle « n’est déployé par aucun fournisseur d’inférence ». Cette contradiction à elle seule explique une ligne manquante : tant qu’un hôte ne sert pas un checkpoint stable, il n’y a rien qu’un harnais d’évaluation puisse appeler.

Il existe une seconde raison, moins flatteuse. L’indice est délibérément construit à partir d’ensembles privés et tenus à l’écart, actualisés selon un calendrier. Un modèle peut être excellent sur des benchmarks publics que ses données d’entraînement ont vus et ordinaire sur les privés. Les chiffres de lancement de Ripple sont tous des benchmarks publics : Terminal-Bench 2.1 à 80,52, SWE-bench Pro v2.0-Hard à 79,1, DeepSWE v1.1 à 44,3, MMLU 89,6, GPQA Diamond 85,2, AIME 2025 à 98,3. Ce sont de solides chiffres. Ce sont aussi, sans exception, les benchmarks qu’une équipe choisit lorsqu’elle veut publier un lancement.

Ce n’est pas une accusation de mauvaise conduite. C’est l’état ordinaire d’un aperçu de deux jours, et la réponse correcte est de traiter Ripple comme non classé plutôt que comme classé premier.

Ce qu’est réellement Sol

GPT-6.1 Sol est sorti le 29 septembre 2026 lors du DevDay d'OpenAI comme le niveau inférieur à GPT-6 Astra, remplaçant GPT-6 Sol. Il dispose d'une fenêtre de contexte de 1 050 000 tokens, de 128 000 tokens de sortie maximale, d'une date de coupure des connaissances au 30 avril 2026, d'une entrée texte et image, et de cinq niveaux de raisonnement allant de faible à maximal, avec moyen comme valeur par défaut.

La structure tarifaire comporte un piège qu'il vaut la peine de connaître. En dessous de 272 000 tokens d'entrée, le tarif est de 2,00 $ en entrée et de 10,00 $ en sortie, avec l'entrée mise en cache à 0,10 $ et les écritures de cache à 2,50 $. Au-delà de ce seuil, l'intégralité de la requête est refacturée à 4,00 $ en entrée et 15,00 $ en sortie — et non seulement le dépassement. Un prompt de 300 K tokens coûte donc deux fois plus cher qu'un prompt de 270 K, ce qui fait du découpage en fragments une véritable optimisation plutôt qu'un simple raffinement.

• Prix — Sol 2,00 $ / 10,00 $ par million, 0,10 $ par lecture du cache ; Ripple n'a pas de prix catalogue, tarifs hébergés proches de 0,20 $ / 0,60 $

• Coût par tâche d'indexation — Sol 1,27 $ ; Ripple non mesuré

• Contexte — Sol 1,05 M avec un palier de facturation de 272 K ; Ripple jusqu’à 1 M revendiqué

• Poids — Sol fermé ; Ripple sous Apache 2.0, téléchargeable

• Vitesse de sortie — 55 tok/s mesurés pour Sol ; 250 tok/s annoncés pour Ripple sur 2×B200

• DeepSWE v1.1 — Sol 75,22 (fournisseur) contre Ripple 44,3 (fournisseur), la même version du benchmark

La seule comparaison propre, et l’écart n’est pas mince.

Au milieu de la valse des versions, il existe un benchmark que les deux laboratoires ont exécuté et tous deux publié : DeepSWE v1.1. OpenAI annonce 75,22 pour Sol en mode effort élevé. Ricursive annonce 44,3 pour Ripple. Cela représente un écart de 31 points sur un benchmark d’agents d’ingénierie logicielle, publié par les deux parties, sans ambiguïté de version de harnais derrière laquelle se cacher.

Si l’on met cela en regard du tableau Terminal-Bench, la tension saute aux yeux. Ripple publie 80,52 sur Terminal-Bench 2.1 ; le score de Sol sur Terminal-Bench 4.0, établi par un tiers, est d’environ 55. Sur un benchmark, Ripple passe pour un concurrent de frontière ; sur l’autre, il semble avoir une génération de retard. La différence tient à l’examen : la 2.1 est une version corrective de 89 tâches de l’ensemble 2.0, qui a corrigé 28 tâches pour des problèmes de dépendances et de spécifications, tandis que la 4.0 est un ensemble de tâches différent, avec des contrôles anti-triche adversariaux et un délai d’expiration fixe de huit heures qui a à peu près divisé par deux le score de chaque modèle de frontière lors de son arrivée fin août.

La synthèse raisonnable est la suivante : Ripple est un modèle 65B réellement capable, dont les points forts publiés concernent l'examen plus ancien et plus saturé, et dont la seule comparaison à version identique avec un modèle de pointe révèle un déficit de 31 points. Sol est le pari le plus sûr en matière de qualité de code ; Ripple est le pari le plus intéressant en matière de coût de possession.

Là où Ripple gagne sans benchmark

Trois choses sont vraies de Ripple et non de Sol, et aucune d’elles ne nécessite de classement.

Le premier point est la licence. Apache 2.0 sur un modèle dense de 65B signifie que le fine-tuning est autorisé, la redistribution est autorisée, et une revue de sécurité n’a rien à y redire. Un modèle de pointe fermé, aussi peu cher par token soit-il, ne peut pas être fine-tuné sur votre base de code et ne peut pas être exécuté dans un environnement isolé du réseau.

Le second est la portabilité. La fiche de Ricursive décrit un modèle conçu pour un service efficace sur du matériel NVIDIA et suffisamment petit pour un DGX Spark, avec un checkpoint NVFP4 et un notebook Colab fournis. C’est une forme de déploiement différente de celle d’une API : c’est un modèle que l’on peut installer dans un runner CI ou sur le bureau d’un développeur.

Le troisième point concerne l’économie de l’entraînement. Douze billions de tokens de préentraînement, un budget total déclaré de 32 millions de dollars, 1,4 million de rollouts RL et 40 % de MFU se traduisent par l’affirmation que ce niveau de capacité est désormais accessible pour huit chiffres. Si cela se généralise, le plancher de prix des API de frontière est désormais sur le compte à rebours.

Comment exécuter les deux sans parier sur l’un ou l’autre

La réponse pratique pour le prochain trimestre est de ne pas choisir. GPT-6.1 Sol figure au catalogue OrcaRouter, sur la même clé que plus de 200 autres modèles, avec 0 % de marge sur les tarifs OpenAI — ainsi, le tarif de 2 $/10 $ et toute modification future de celui-ci sont répercutés tels quels. Cela compte ici car le prix de Sol est l’élément auquel Ripple est comparé ; un routeur qui appliquerait une marge fausserait la comparaison.

Pour une stack qui veut Ripple dans la boucle, l'architecture consiste en une répartition plutôt qu'en un remplacement : appeler Sol ou un autre modèle de frontière pour les étapes de planification et de revue où l'écart de 31 points sur DeepSWE coûte cher, et router la génération à fort volume et à faible ambiguïté vers un 65B auto-hébergé où le coût marginal s'effondre. Le DSL de routage d'OrcaRouter existe précisément pour cette composition — plusieurs modèles derrière un seul appel, avec bascule automatique si un fournisseur se dégrade — même si Ripple lui-même resterait en dehors, puisque nous ne le fournissons pas.

Trois questions auxquelles il vaut la peine de répondre avant de vous engager

Ripple 65B Preview est-il meilleur que GPT-6.1 Sol ?

Pas sur la foi de preuves qui existent aujourd’hui. Sur le seul benchmark que les deux ont publié à la même version, Sol mène de 31 points. L’avantage mis en avant par Ripple provient d’une autre version de Terminal-Bench, au plafond plus bas. Tant qu’un harnais neutre n’aura pas évalué Ripple, « meilleur » est une affirmation sur le prix, pas sur la capacité.

Puis-je appeler Ripple en tant qu'API, ou dois-je l'héberger ?

Les deux sont en évolution. Les poids sont clairement téléchargeables depuis Hugging Face sous Apache 2.0, en BF16 et NVFP4. L’accès hébergé est annoncé mais pas encore fixé — la fiche modèle indique qu’aucun fournisseur d’inférence ne le sert, tandis que la page de lancement cite des partenaires. Partez du principe d’un auto-hébergement jusqu’à ce qu’un point de terminaison réponde.

Combien coûte Sol au-delà de 272K tokens d'entrée ?

Double en entrée, une fois et demie en sortie, appliqué à l’ensemble de la requête : 4,00 $ et 15,00 $ par million. En dessous de ce seuil, c’est 2,00 $ et 10,00 $. C’est la plus grande surprise de facturation de cette comparaison, et cela n’a rien à voir avec Ripple.

Le chiffre à surveiller n’est pas un autre tableau de fournisseur. C’est la première entrée Artificial Analysis pour Ripple 65B Preview sur l’index v5.0.1. Tout ce qui précède est provisoire tant que cette ligne n’existe pas.