Ripple 65B Preview vs Nemotron 3.5 Bolt 74B : la facture VRAM avant tout

Ces deux modèles sont vendus sur la même promesse — vous pouvez faire tourner un agent de codage sérieux sur du matériel que vous possédez. Ripple 65B Preview nécessite environ 130 Go de mémoire en BF16 avant même que vous ayez chargé un seul token de contexte. Nemotron 3.5 Bolt 74B-A9B nécessite 24 Go, parce que NVIDIA l’a compressé à 2,0625 bits. Cela représente une différence d’un facteur cinq dans le matériel que vous devez acheter, et cela décide de cette comparaison avant même que le tableau des benchmarks n’ait son mot à dire.

C’est là que cela devient intéressant, car sur le seul benchmark que les deux laboratoires ont publié à la même version, le modèle compact n’est pas le vainqueur. Le Nemotron 3.5 Bolt 74B-A9B de NVIDIA affiche 50,98 sur Terminal-Bench 2.1. Le Ripple 65B Preview de Ricursive affiche 80,5 sur la même révision. Trente points, le même examen — mais passé dans des conditions si différentes que la lecture honnête est plus étroite que ne le suggère le titre.

L’arithmétique, avant toute chose.

Ripple 65B Preview est dense. Les 65 milliards de paramètres sont tous actifs à chaque token, donc en BF16, les poids seuls représentent 65 × 2 octets = 130 Go, et c'est sans compter le cache KV. Ricursive propose bien une variante NVFP4, qui ramène les poids à environ un quart de cela — disons 33 Go plus le cache — et c'est cette version qui rend réaliste un déploiement sur un seul GPU ou sur DGX Spark. L'objectif annoncé par l'entreprise est un DGX Spark, avec 250 tokens par seconde sur deux B200 à une taille de lot de 8, avant les kernels personnalisés.

Nemotron 3.5 Bolt 74B-A9B est un modèle Mixture-of-Experts avec 9B de paramètres actifs, dérivé du modèle parent Nemotron 3.5 Super VL 120B-A12B de NVIDIA en réduisant le top-K des experts de 22 à 9 grâce à une recherche guidée par routeur que l’entreprise appelle Star Elastic. À 2,0625 bits en IQ2_XXS, il atteint environ 19 Go de poids et tient sur une carte de 24 Go avec une taille de lot de 1. C’est là tout l’objectif de conception, et il est atteint.

• Mémoire — ~130 Go BF16 / ~33 Go NVFP4 contre ~19 Go à 2,06 bits, carte de 24 Go à batch 1

• Forme — 65B dense vs 74B au total / 9B actifs MoE

• Contexte — 1 M annoncé contre 262 144, avec des recettes vLLM qui recommandent 64 K sur une carte de 28 Go

• Modalité — texte uniquement vs entrée texte, image et vidéo

• Licence — Apache 2.0 vs OpenMDW-1.1

• Prix — $0.20 / $0.60 par million sur le premier point de terminaison hébergé, contre aucun prix par token hébergé du tout

Même harnais, conditions différentes

Terminal-Bench 2.1 est le rare cas où les deux laboratoires ont cité la même version, ce qui rend la comparaison de 80,5 contre 50,98 légitime d'une manière que ne le sont pas la plupart des discussions de benchmarks entre modèles. Mais la légitimité n'est pas la même chose que l'équité, et il y a deux asymétries que vous devez garder à l'esprit.

Le premier point est la quantification. Le 50,98 de NVIDIA est un chiffre rapporté par le fournisseur pour un modèle distribué principalement sous forme de build en 2 bits ; le chiffre phare de la carte pour GPQA, 86,43, est mesuré sur ce checkpoint compressé. Ricursive indique explicitement que ses scores ont été obtenus « aux niveaux d’effort maximaux en BF16 » — la version en pleine précision. Comparer une exécution en 2 bits à une exécution en BF16 revient à comparer deux modèles différents qui se trouvent partager un dépôt.

Le deuxième point est que le chiffre de NVIDIA est l’affirmation la plus prudente. L’entreprise a publié un sobre 50,98 sur Terminal-Bench tout en publiant 86,43 sur GPQA Diamond, et des évaluateurs indépendants ont depuis classé le modèle à 21 sur l’Intelligence Index d’Artificial Analysis — noté sur la v4.3.2, une version de l’indice différente de la refonte v5 sur laquelle sont cités les autres modèles de cette gamme de prix. Ne placez pas ce 21 à côté d’un chiffre v5 pour faire une soustraction. Les versions d’indice ne sont pas interchangeables, et les mélanger est l’erreur la plus courante dans les articles de comparaison écrits cette semaine.

Là où le modèle de 24 Go l’emporte haut la main

GPQA Diamond est le cas le plus clair. Ripple 65B Preview rapporte 85,2. Nemotron 3.5 Bolt 74B-A9B rapporte 86,43. Le modèle qui tient sur une seule carte grand public est en avance de 1,2 point sur les questions scientifiques de niveau supérieur — un écart assez faible pour n’être que du bruit, mais pas un écart en faveur de Ripple. Un modèle dense de 65B entraîné sur 12 000 milliards de tokens à partir de zéro n’a pas pris d’avance en connaissances sur un MoE compressé de 74B distillé à partir d’un parent plus grand, et il n’y a aucune raison qu’il en ait pris une.

Nemotron prend aussi des images et de la vidéo. Ripple prend du texte. Si votre agent doit examiner une page rendue, un graphique ou une capture d’écran d’une tâche CI en échec, ce n’est pas une différence de benchmark que vous pouvez contourner avec un prompt.

Les avantages de Ripple apparaissent ailleurs sur sa propre fiche : 76,5 sur SWE-bench Verified, 71,67 sur MCP Atlas, 79,2 sur IFBench, 83,8 sur FORTRESS Adversarial. Ce sont de solides chiffres pour un modèle de 65B, et ils indiquent la même chose que le score Terminal-Bench — il s'agit d'un modèle post-entraîné spécifiquement pour l'utilisation d'outils et le codage agentique, au détriment de l'étendue.

Des allégations de vitesse incomparables

Les 250 tokens par seconde de Ricursive correspondent à deux B200 en taille de lot de 8. Les 83,99 tokens par seconde de NVIDIA correspondent à une machine RTX Spark de classe ordinateur portable dotée d’un drafter spéculatif, sur le benchmark de codage d’AIPerf. Il ne s’agit pas de la même mesure sur le même matériel, et les citer dans une même phrase serait malhonnête. Ce que l’on peut dire est directionnel : Ripple a besoin d’accélérateurs de classe centre de données pour atteindre son chiffre, et Nemotron a été ajusté pour produire un débit utilisable sur une machine qui tient sous un bureau.

En pratique, cela se traduit par le débit par dollar de matériel, et personne n'a publié ce chiffre pour l'un ou l'autre des modèles. Si vous devez choisir entre les deux, c'est la valeur que vous devriez calculer vous-même, car elle dépend de la taille de votre lot, de la longueur de votre contexte et du fait que vous exécutez la version NVFP4 ou la version BF16.

Deux licences permissives, une différence significative

Ripple est sous Apache 2.0, ce qui ne nécessite aucune explication et n’impose aucun seuil. Nemotron 3.5 Bolt est distribué sous OpenMDW-1.1, la propre licence de modèle ouvert de NVIDIA, qui autorise l’usage commercial mais n’est pas la référence standard OSI que les services juridiques ont déjà prévalidée. En pratique, les deux sont utilisables ; côté achats, l’une des deux prendra deux semaines de plus.

La date de coupure des connaissances de Nemotron est mai 2026 et sa couverture linguistique privilégie l’anglais et le code, avec prise en charge de l’espagnol, du français, de l’allemand, de l’italien et du japonais. La fiche de Ripple indique que son corpus est majoritairement composé d’anglais et de code, point final. Aucun des deux n’est un modèle multilingue, et si c’est là votre exigence, aucun des deux n’a sa place dans la présélection.

Quand ne pas exécuter l’un ou l’autre vous-même

Le vrai reproche qu’on peut faire aux deux est d’ordre opérationnel. Un modèle sur votre propre GPU est un modèle que vous devez corriger, surveiller, dimensionner et maintenir en chauffe — et une carte de 24 Go faisant tourner un MoE en 2 bits avec une taille de lot de 1 n’est pas un niveau de service de production, c’est une machine de développement très performante. Dès que votre trafic est en rafales ou multi-locataire, l’hébergement facturé au token l’emporte sur le coût total, même avec un tarif moins favorable, parce que vous cessez de payer pour de la VRAM inactive.

C'est le vide que comble OrcaRouter pour la partie de votre stack qui doit, elle, être hébergée : une seule clé API pour plus de 200 modèles au prix catalogue du fournisseur, avec 0 % de marge, de sorte qu'une baisse de prix d'un fournisseur vous parvienne le jour même plutôt qu'à la prochaine renégociation de contrat, et un basculement automatique en cas de dégradation d'un fournisseur. Aucun de ces deux modèles ne figure aujourd'hui à notre catalogue — Nemotron 3.5 Bolt n'a tout simplement aucun point de terminaison facturé à l'usage publié, et Ripple accède à une API par le biais du point de terminaison propre à Ricursive et de plateformes tierces. Ce que le routeur vous offre, c'est la voie de sortie : prototyper en local sur les poids, puis basculer le chemin de production vers un modèle hébergé sans réécrire le client.

La règle empirique

Achetez le modèle de 24 Go si c'est la machine qui est la contrainte. Nemotron 3.5 Bolt 74B-A9B est le seul des deux à tourner sur une seule carte grand public sans que vous ayez à le quantifier vous-même, il lit les images, et il se situe à un point de Ripple sur GPQA. Vous renoncez à environ trente points sur Terminal-Bench 2.1 et vous acceptez un checkpoint 2 bits, ce qui représente un coût réel en fiabilité agentique que l'écart au benchmark sous-estime probablement.

Achetez le modèle de 130 GB si le travail consiste en du codage agentique en texte uniquement et que vous disposez du matériel ou d’un point de terminaison hébergé peu coûteux. Le score de 80,5 de Ripple 65B Preview sur Terminal-Bench 2.1 est l’affirmation la plus solide en matière de codage agentique faite par l’un ou l’autre laboratoire ce mois-ci, et sa licence Apache 2.0 est celle qui présente le moins de friction que vous puissiez trouver. Exécutez simplement la version NVFP4, prévoyez la mémoire, et reproduisez le chiffre sur votre propre jeu de tâches avant d’y croire — la fiche elle-même avertit que la réplication a été difficile.