Ripple 65B Preview vs Muse Wonder : ce que 20× le prix permet réellement d’obtenir

Il existe exactement un benchmark que Ripple 65B Preview et Muse Wonder ont tous deux publié, à la même version, avec des chiffres que l’on peut mettre dans la même phrase : DeepSWE 1.1. Muse Wonder de Meta rapporte 78,8. Ripple 65B Preview de Ricursive rapporte 44,3. Cela représente un écart de 34,5 points sur le travail d’agent en ingénierie logicielle, et c’est la seule comparaison propre que les deux lancements offrent — tout le reste est soit une révision différente du benchmark, soit une colonne avec un tiret.

La question n’est donc pas de savoir si Muse Wonder est meilleur pour cette tâche. Il l’est manifestement, selon les chiffres des laboratoires eux-mêmes. La question est de savoir s’il l’est suffisamment pour justifier un coût environ vingt fois supérieur en entrée et trente-trois fois supérieur en sortie. C’est une véritable décision, avec une véritable réponse, et cette réponse n’est pas la même pour toutes les charges de travail.

Pourquoi DeepSWE 1.1 est un combat équitable

Les deux laboratoires ont exécuté la version 1.1 de la même évaluation. Aucun n’a publié de réexécution par un tiers, si bien que les deux chiffres portent la même réserve — ils sont déclarés par le fournisseur et non reproduits — et c’est cette symétrie qui rend la comparaison utilisable. Lorsque deux affirmations sont tout aussi intéressées, l’écart entre elles reste informatif.

À comparer avec Terminal-Bench, où les deux laboratoires ne passent pas du tout le même examen. Ripple annonce 80,5 sur Terminal-Bench 2.1. Meta annonce Muse Wonder Full à 57,1 sur Terminal-Bench 4.0, une révision plus tardive et plus difficile. Quiconque aligne ces chiffres pour déclarer Ripple vainqueur compare un modèle qui a passé l’épreuve de 2024 avec un modèle qui a passé celle de 2026. La formulation de Meta est prudente sur ce point, et le fil de lancement de Ricursive ne l’était pas.

Une mise en garde supplémentaire du côté de Meta : le tableau JobBench de l’entreprise annonce 75,3 pour Muse Wonder Full contre 30,8 pour Muse Wonder standard, soit un écart de 44 points qu’aucun évaluateur indépendant n’a reproduit. Considérez les tableaux de benchmark internes de n’importe quel laboratoire comme du marketing tant que quelqu’un de l’extérieur du bâtiment ne les a pas fait tourner.

What the price difference actually is

Muse Wonder coûte 4,00 $ par million de tokens d’entrée et 20,00 $ par million de tokens de sortie, l’entrée mise en cache étant à 0,20 $. Ripple 65B Preview est affiché à 0,20 $ et 0,60 $ sur son premier point de terminaison hébergé — un chiffre à prendre avec des pincettes, puisque Ricursive n’a publié aucune grille tarifaire et que ce point de terminaison sert un contexte de 16 384 tokens face à une fenêtre annoncée de 1 M. Même en prenant l’affichage au pied de la lettre, le ratio est de 20× en entrée et de 33× en sortie.

Les ratios par token flattent les petits modèles et donnent une idée fausse des factures réelles ; voici donc le calcul pour une charge de travail que vous pourriez réellement exécuter. Supposons que votre agent de codage émette 50 millions de tokens de sortie par mois et lise 200 millions de tokens d’entrée pour ce faire.

• Sur Muse Wonder : 200 × 4,00 $ = 800 $ en entrée, plus 50 × 20,00 $ = 1 000 $ en sortie. Total : 1 800 $ par mois.

• Pour Ripple 65B Preview au tarif indiqué : 200 × 0,20 $ = 40 $ en entrée, plus 50 × 0,60 $ = 30 $ en sortie. Total : 70 $ par mois.

La différence : 1 730 $ par mois, soit environ 20 760 $ par an, pour un même nombre nominal de tokens.

Maintenant, la partie que le tableur omet. Si Ripple échoue à une tâche une fois sur trois et que vous la relancez, votre volume de production effectif augmente de moitié. Deux relances et vous l'avez doublé. Le seuil de rentabilité n'est pas subtil — Ripple peut être trente-trois fois moins efficace par token et coûter malgré tout moins cher — mais le mode de défaillance est pire que la facture. Un agent de codage qui échoue à un tiers de ses tâches ne coûte pas seulement plus cher ; il vous coûte l'ingénieur qui doit le remarquer, défaire et relancer le travail. Chiffrez la supervision, pas seulement les tokens.

Artificial Analysis place Muse Wonder (Max) à 6,95 $ par tâche de l’indice sur sa page de modèle en direct — une unité plus honnête que les dollars par million, et une unité sans équivalent pour Ripple, car personne ne l’a soumis à un ensemble de tâches standard.

Ce que Meta facture, au-delà des poids

Muse Wonder est un modèle fermé doté d'une surface d'entrée exceptionnellement large : texte, images, vidéo, audio et PDF en entrée, texte en sortie, sur un contexte de 1 048 576 tokens avec un plafond de sortie de 131 072 tokens. Il fonctionne avec un raisonnement permanent et six niveaux d'effort sélectionnables, prend en charge les appels d'outils parallèles et les sorties structurées, et propose deux fonctionnalités sans aucun équivalent sur la fiche de Ripple : Active Memory, qui conserve le contexte d'une conversation à l'autre, et Active Focus, conçue pour maintenir une longue tâche sans dérive.

Le fait que cela vous concerne ou non dépend entièrement de la forme de votre charge de travail. Si votre agent doit lire la capture d'écran d'un test en échec, transcrire un appel client et le rapprocher d'une facture PDF en une seule passe, aucun des scores de référence de Ripple ne vous sera d'aucune aide, car Ripple 65B Preview prend du texte et renvoie du texte. L'écart de modalité n'est pas une différence de performance que l'on peut combler avec un meilleur prompt.

Muse Wonder (Max) obtient 44 sur l’Intelligence Index d’Artificial Analysis — 26e sur 66 modèles de sa catégorie, et au-dessus de la médiane de 36 pour les modèles comparables, même s’il n’atteint plus le 52 proche de l’état de l’art que rapportait la couverture de la semaine de lancement. L’indice a été refondu fin octobre et plusieurs modèles ont changé de position. Ripple 65B Preview n’y figure pas du tout.

Ce que vaut Apache 2.0

Ripple 65B Preview est un modèle dense de 65 milliards de paramètres sous Apache 2.0, avec les poids complets sur Hugging Face en BF16, ainsi que des variantes NVFP4 et modèle de base. En BF16, ce checkpoint fait environ 130 Go, ce qui relève du territoire de la DGX Spark ou d'une exécution quantifiée sur une machine plus petite — pas d'un MacBook, malgré ce qu'a dit la couverture du lancement, à moins d'utiliser la version NVFP4. Ricursive revendique 250 tokens par seconde sur deux B200 avec une taille de lot de 8 avant tout noyau personnalisé, et environ 40 % de MFU pendant le pré-entraînement avec un simple sharding.

Ce que cela vous apporte, c’est tout ce qu’un modèle fermé hébergé ne peut pas offrir : la capacité de fine-tuner sur vos propres données, d’exécuter l’inférence sans facturation par token et sans que vos données quittent votre réseau, de figer une version indéfiniment et de le servir à 3 h du matin sans dépendre de la page de statut de quelqu’un d’autre. Pour une charge de travail réglementée, cette liste vaut souvent plus que 34 points DeepSWE. Pour une startup qui livre un agent ce trimestre, ce n’est généralement pas le cas.

Il y a aussi une asymétrie de licence qu’il vaut la peine de nommer. Apache 2.0 est à peu près aussi permissif que les poids ouverts peuvent l’être. Muse Wonder est entièrement fermé — le pendant à poids ouverts de Meta dans cette famille est Muse Spark Open, un modèle différent et bien plus grand de 816B, avec 42B de paramètres actifs et 256 experts, et non une version réduite de Wonder. Si les poids ouverts sont une exigence plutôt qu’une préférence, cette comparaison s’arrête ici.

Exécuter les deux côte à côte

Aucun des deux modèles ne figure dans notre catalogue aujourd’hui, et il ne sera pas non plus laissé entendre qu’ils y sont. Muse Wonder est accessible aux développeurs via l’API propre à Meta ; Ripple, via le point de terminaison de Ricursive et des plateformes tierces, avec les poids sur Hugging Face. L’utilité d’un routeur dans cette situation est précisément ce que les deux lancements mettent en évidence : vous ne voulez pas qu’un chemin de production soit câblé sur une Preview vieille d’un jour dont la propre fiche indique que ses scores sont difficiles à reproduire. Vous voulez ce modèle protégé par un mécanisme de repli, prenant une part du trafic que vous pouvez augmenter à mesure que les preuves s’accumulent — un basculement automatique vers un modèle réputé fiable en cas d’erreur ou de délai d’attente, plutôt qu’une réécriture lorsque l’expérience déçoit.

Ce schéma est aussi la façon de répondre empiriquement à la question du prix. Acheminez 10 % de votre trafic de codage vers Ripple, gardez 90 % sur Muse Wonder, et comparez non pas la facture de tokens mais le coût par tâche terminée — y compris les nouvelles tentatives et le temps humain. Une seule clé API, une seule ligne de facturation, et un chiffre que vous pouvez défendre en réunion de planification, ce qui est plus que ce que n’importe quel tableau de benchmarks vous donnera.

Qui devrait payer les vingt fois ?

Payez pour Muse Wonder si votre travail est multimodal, à long horizon ou orienté client : des agents qui lisent des captures d'écran, des assistants qui doivent se souvenir d'un utilisateur d'une session à l'autre, tous les cas où un taux d'hallucination de 27 % est déjà trop élevé et où vous avez besoin de la fiabilité que procure le post-entraînement d'un laboratoire de pointe. Les $6.95 par tâche d'indexation sont un prix juste pour un modèle qui termine la tâche.

Exécutez Ripple 65B Preview si le travail est uniquement textuel, délimité et à fort volume, et si vous disposez du matériel ou d’un point de terminaison bon marché : classification par lots, revue de code selon une grille fixe, assistant local, base de fine-tuning. À 0,20 $ et 0,60 $, il est trente-trois fois moins cher en sortie, et sur une charge de travail qui exploite ses points forts, ce ratio l’emporte sur un déficit de 34,5 points sur un benchmark.

L’erreur serait de lire l’écart DeepSWE comme un verdict. Il s’agit d’un seul examen, passé une seule fois, rapporté par le laboratoire qui l’a conçu. Le chiffre qui devrait vous permettre de trancher n’est pas 78.8 contre 44.3 — c’est ce que fait votre propre jeu de tâches lorsque vous exécutez les deux, et ce chiffre n’existe pas tant que vous ne l’avez pas généré.