Pratinjau Ripple-65B: Bobot Apache 2.0, Klaim 1M Token, dan API 16K

Ripple-65B Preview, yang dirilis oleh Ricursive Intelligence pada 4 November 2026, adalah dua produk berbeda bergantung pada bagaimana Anda mengaksesnya. Unduhannya berupa bobot Apache 2.0 sebesar 129,6 GB yang kartu modelnya mengiklankan konteks “hingga 1 juta” token. Endpoint komersial pertama yang membawa checkpoint yang sama mengiklankan 16.384. Kedua angka tersebut menggambarkan model yang sama, dan selisih di antara keduanya adalah hal paling berguna yang dapat diketahui seorang pengembang tentang rilis ini sebelum menghabiskan sehari untuknya.

Judul utama lab itu lebih sempit daripada yang tersirat dari tulisan peluncuran dan lebih menarik daripada yang telah dicatat liputan sejauh ini. Ricursive mengklaim state of the art open-weight AS untuk pengodean agentik — 80.52 pada Terminal-Bench 2.1 — dari model dense 65B yang dilatih dengan biaya yang dilaporkan sebesar $32M. Itu adalah klaim nyata tentang artefak nyata: bobotnya dapat diunduh, tanpa gating, dan dilisensikan untuk penggunaan komersial tanpa perjanjian yang dinegosiasikan. Per 5 November, klaim itu juga sepenuhnya dilaporkan vendor. Artificial Analysis tidak memiliki entri untuk model tersebut.

Apa yang sebenarnya muncul di Hugging Face

Empat repositori dirilis pada 4 November, dan perbedaannya penting karena mengubah perangkat keras yang Anda butuhkan:

• Ripple-65B Preview — checkpoint BF16 yang disetel instruksi, 16 shard safetensors dengan total 129.57 GB, Apache 2.0, tidak dibatasi aksesnya.

• Ripple-65B Preview NVFP4 — build 4-bit eksperimental sebesar 57,22 GB di 6 shard, mengkuantisasi lapisan MLP sementara attention tetap dalam BF16.

• Ripple-65B Base Preview — checkpoint yang hanya melalui pretrain, tanpa midtraining, tanpa data QA sintetis, juga 129,57 GB.

• Ripple-65B Preview DFlash2 — model draf 8,08 GB untuk decoding spekulatif, 4,04 miliar parameter, menyusun blok 16 token terhadap model target.

Arsitektur ini adalah langkah mundur yang sengaja dilakukan. Saat setiap lab lain pada ukuran ini beralih ke mixture-of-experts, Ricursive membangun Transformer dense yang tipis dan dalam: d_model 5120, 80 lapisan, 80 attention head yang berbagi 8 key-value head, kosakata 100.352 token, dan jendela geser 1.024 token yang diterapkan pada pola lapisan hibrida. Pemotongan aktivasi FFN, gated attention, NoPE global, dan value residual melengkapi modifikasi yang dipelajari tim saat berjenjang dari baseline Olmo 3.

Stack pelatihan dipublikasikan dengan detail yang lebih rinci daripada yang biasanya diungkapkan kebanyakan kartu model: 12T token pra-pelatihan pada panjang sekuens 8K, 200B token pelatihan menengah pada 64K, 6,5B token ekstensi konteks panjang pada 2M, 183B token SFT pada 128K, dan 700 langkah RL pada 128K. Tim berkembang dari satu orang menjadi lima selama pengembangan, dan melaporkan 40% MFU tanpa kernel kustom.

Satu peringatan soal penamaan, karena hasil pencarian sudah mengaburkannya: Ricursive Intelligence adalah lab desain chip yang tulisan peluncurannya menjabarkan ko-optimisasi perangkat keras, perangkat lunak, dan model. Ini bukan Recursive, startup AI yang mengembangkan diri di balik Flint. Kedua perusahaan tidak terkait, dan liputan yang mencampuradukkan keduanya salah.

Klaim tolok ukur, dan seberapa jauh klaim itu menyebar

Terminal-Bench 2.1 adalah tempat peluncuran ini hidup atau mati, dan angkanya 80,52. Ricursive menempatkannya di depan Reflection Beam 501B pada 80,1, Meta Muse Spark Open 816B pada 76,4, Thinking Machines Inkling 975B pada 63,8, dan NVIDIA Nemotron 3 Ultra 550B pada 56,4 — semuanya berukuran antara tujuh hingga lima belas kali lebih besar dalam hal total parameter.

Yang membuat tabel itu lebih bernilai daripada lembar vendor biasa adalah kolom kedua. Ricursive menjalankan ulang perbandingan tersebut dengan harness resmi Terminus 2 pada 128K dengan peringkasan, dan melaporkan bahwa skor bergerak hampir di semua tempat kecuali skornya sendiri: Ripple bertahan di 80,5, Muse Spark naik ke 78,7, Reflection Beam turun dari 80,1 ke 70,8, Inkling dari 63,8 ke 56,2, Nemotron dari 56,4 ke 55,1. Lab yang menerbitkan harness tempat skornya sendiri datar dan skor para pesaingnya anjlok sedang melakukan sesuatu yang dihindari sebagian besar postingan peluncuran. Ini tetap saja lab yang menilai pekerjaannya sendiri — setiap angka di tabel itu dihasilkan oleh alur eval Ricursive — tetapi gradiennya bergerak ke arah yang benar.

Klaim itu berhenti berlaku begitu Anda meninggalkan terminal. Pada DeepSWE 1.1, Ripple mencetak 44.3 berbanding 60.0 milik Muse Spark. Pada MCP Atlas, nilainya 71.67, di belakang Muse Spark pada 89.2 dan Inkling pada 76.0. Pada SciCode, ia berada di posisi terakhir dari lima dengan 39.4, di belakang Beam pada 49.2 dan Muse Spark pada 58.5. Polanya konsisten: Ripple kuat dalam pekerjaan terminal berjangka panjang dan tugas perangkat lunak bertahap, serta biasa saja dalam pembuatan kode ilmiah dan cakupan protokol alat. Jika beban kerja Anda adalah agen yang menelusuri shell, klaim itu ditujukan untuk Anda. Jika asisten yang berat MCP, tidak.

Dan pembingkaian itu bekerja secara diam-diam. “U.S. open-weight state of the art” adalah kualifikasi, bukan awalan yang bisa dilewati. Ini mengecualikan DeepSeek, Qwen, dan setiap lab non-AS lainnya, jadi ini adalah klaim tentang model open-weight terbaik yang dilatih di dalam Amerika Serikat, bukan model open-weight terbaik.

Model dasar adalah dokumen yang lebih jujur.

Kartu Base Preview memuat sebuah kalimat yang tidak dijadikan pembuka dalam postingan peluncuran: checkpoint pretrained tersebut “sebanding dengan DeepSeek V3.1 dan V4 Flash pada penalaran, matematika, dan kode,” sementara Nemotron 3 Ultra “mendominasi pada evaluasi pretraining tradisional.” Angka-angkanya mendukung kerendahan hati itu. Base MMLU-Pro adalah 61,5, dibandingkan dengan 68,3 untuk DeepSeek V4 Flash 284B dan 79,1 untuk Nemotron 3 Ultra 550B. Base GPQA Diamond adalah 38,4, jauh di bawah V4 Flash pada 44,4.

Bacalah kedua tabel itu secara bersamaan dan ceritanya jadi lebih tajam. Prior prapelatihan Ripple cukup terhormat tetapi berada di kelas menengah untuk pelatihan 12T token — anggaran prapelatihan terkecil dalam set pembandingnya sendiri, dibandingkan 20T untuk Nemotron dan 32T+ untuk V4 Flash. Hampir seluruh keunggulan pengodean agentik berasal dari tumpukan pasca-pelatihan: campuran data pelatihan menengah, ekstensi konteks panjang, dan 700 langkah RL yang menurut Ricursive mencapai 80,5 dalam 1,4 juta rollout, sekitar 70x lebih sedikit daripada yang dibutuhkan Reflection Beam. Itu hasil yang lebih menarik daripada tabel benchmark, dan juga lebih rapuh — pendakian RL yang berat pada lingkungan cakrawala panjang sintetis persis merupakan jenis resep yang bertransfer secara tidak merata ke tugas-tugas yang tidak digunakan lab untuk pelatihan.

Mengapa nomor konteksnya terdiri dari dua angka

Kartu model menyebutkan 1M. Konfigurasi menyebutkan max_position_embeddings 2.097.152. Endpoint yang di-hosting menyebutkan 16.384 dengan batas keluaran 14.745 token. Tidak ada yang berbohong; ini tiga hal berbeda, dan perhitungannya menjelaskan mengapa host pertama memilih angka yang dipilihnya.

KV cache adalah tempat konteks panjang harus dibayar. Dengan 80 lapisan, 8 head KV, dimensi head 128, dan penyimpanan BF16, setiap lapisan membutuhkan 4.096 byte cache per token — 2.048 untuk key dan 2.048 untuk value. Di seluruh 80 lapisan, itu kira-kira 0,33 MB per token. Pada 16.384 token milik endpoint, itu sekitar 5,4 GB. Pada satu juta token dengan setiap lapisan melakukan atensi secara global, itu akan menjadi sekitar 344 GB cache di atas 130 GB bobot.

Itulah gunanya sliding window. Sebagian besar lapisan Ripple melakukan atensi dalam jendela 1.024 token; sebagian kecil melakukan atensi secara global, dan hanya lapisan itulah yang bertambah seiring konteks. Jika 16 dari 80 lapisan bersifat global, satu juta token membutuhkan sekitar 69 GB cache, bukan 344 GB — besar, tetapi masih bisa dilayani pada node multi-GPU. Pembagian yang tepat ditetapkan oleh pola lapisan hibrida di config.json, dan itu adalah hal pertama yang perlu diperiksa dengan stack serving apa pun yang Anda gunakan, karena pembagian itulah, bukan angka utamanya, yang menjadi tagihan memori Anda.

Jadi perlakukan kedua angka itu sebagai dua fakta. Satu juta token adalah kemampuan arsitektural yang ada di dalam bobot dan memerlukan node yang serius untuk melayaninya. Enam belas ribu adalah yang ditawarkan endpoint komersial pertama — cukup untuk sebagian besar loop agen, tetapi tidak cukup untuk penalaran berskala repositori atau pengerjaan dokumen panjang. Jika alasan Anda mencoba Ripple-65B Preview adalah konteks 1M, rute hosted tidak memberikannya kepada Anda saat ini, dan self-hosting adalah satu-satunya jalur yang memberikannya.

Lokal berarti 57 GB, bukan 130

Post peluncuran menyatakan bahwa model tersebut "dapat berjalan pada perangkat keras konsumen seperti NVIDIA DGX Spark," dan liputan media telah mengeraskannya menjadi "berjalan di MacBook." Ukuran unduhan memberi tahu Anda artefak mana yang dirujuk oleh masing-masing klaim.

• Checkpoint instruct BF16 berukuran 129,57 GB. Dengan sendirinya, sebelum ada KV cache atau overhead runtime apa pun, ukuran itu memerlukan akselerator kelas 192 GB atau pemisahan multi-GPU.

• Build NVFP4 berukuran 57,22 GB. Itu muat di mesin dengan memori terpadu 128 GB dengan ruang untuk konteks kerja — dan build ini diberi label eksperimental, dengan attention dibiarkan dalam BF16.

• Drafter DFlash2 menambahkan 8,08 GB dan menghadirkan speculative decoding, bukan kualitas.

Angka 250 tok/s adalah angka pusat data: 2×B200 pada batch 8, sebelum kuantisasi dan kernel khusus. Di Spark, Anda menukar throughput dengan fakta bahwa kotak itu ada di meja Anda. Tidak ada angka yang salah; keduanya hanya milik mesin yang berbeda, dan cerita lokal hanya berjalan dengan checkpoint terkuantisasi.

Berapa biaya sebuah panggilan

Endpoint hosted pertama mencantumkan $0.20 per juta token input dan $0.60 per juta output, dengan pembacaan input dari cache sebesar $0.05. Jika dihitung pada panggilan agen yang realistis — prompt 16,000 token terhadap jendela penuh, yang mengembalikan 2,000 token — itu berarti $0.0032 untuk input dan $0.0012 untuk output, atau sekitar $0.0044. Jika Anda memproses 10 juta token per hari melaluinya dengan rasio input-output 80/20, Anda berada pada $2.80.

Cache adalah tuas yang layak ditarik. System prompt 16.000 token yang dikirim berulang hanya berbiaya $0,0008 dengan tarif cache, bukan $0,0032 — potongan 4x di sisi input, yang bagi agen yang mengirim ulang definisi tool yang sama di setiap giliran merupakan porsi terbesar dari tagihan.

Di mana OrcaRouter cocok: kami tidak menyediakan Ripple-65B Preview saat ini, jadi tidak ada markup untuk dibandingkan dan tidak ada alasan untuk berpura-pura sebaliknya. Yang diubah oleh pratinjau ini adalah alasan untuk menjaga model yang belum terbukti tetap di luar jalur produksi Anda selama Anda mengukurnya. Rutekan model incumbent yang sudah menjadi andalan lalu lintas Anda melalui satu kunci — 200+ model, harga daftar penyedia diteruskan dengan markup 0%, failover otomatis saat penyedia bermasalah — dan tempatkan Ripple di sampingnya dalam evaluasi offline, bukan di depan pengguna. Jika angkanya bertahan, routing DSL memindahkan sebagian lalu lintas tanpa integrasi kedua; jika tidak, fallback tidak pernah dipertanyakan.

Siapa yang sebaiknya mencobanya, dan apa yang akan mengubah gambaran besar

Cobalah sekarang jika Anda sedang membangun agen terminal atau shell, Anda menginginkan checkpoint Apache 2.0 yang bisa Anda fine-tune tanpa perlu pengacara, dan jendela 16K sudah cukup untuk loop Anda. Arsitektur dense adalah keunggulan nyata bagi siapa pun yang menyajikan model di perangkat keras sederhana — tanpa expert routing, tanpa all-to-all, latensi yang dapat diprediksi — dan model dense 65B dengan skor 80.5 pada Terminal-Bench adalah hasil yang layak direproduksi pada tugas Anda sendiri daripada diperdebatkan.

Tunggu jika Anda memerlukan konteks panjang dari endpoint yang dihosting, jika pekerjaan Anda banyak menggunakan MCP atau kode ilmiah, atau jika Anda memerlukan angka apa pun yang tidak dihasilkan oleh lab yang melatih model. Belum ada evaluasi independen: tidak ada entri Artificial Analysis dan tidak ada reproduksi pihak ketiga atas 80.52. Untuk rilis Preview yang baru berumur sehari, itu wajar, bukan mencurigakan — tetapi itu berarti setiap angka dalam artikel ini yang berasal dari Ricursive diberi label sebagai milik mereka karena suatu alasan.

Tiga hal akan menyelesaikannya. Harness kedua yang dijalankan oleh orang yang tidak melatih model tersebut. Host yang melayani lebih dari 16.384 token, yang akan memberi tahu kita apakah klaim konteks 1M bertahan saat berhadapan dengan penjadwal. Dan checkpoint non-preview, karena Ricursive telah menyatakan secara eksplisit bahwa pelatihan pasca di sini ringan dan varian internal di balik platform desain chipnya adalah produk yang benar-benar sedang dibangunnya. Sampai saat itu, judul beritanya adalah klaim dan unduhannya nyata — dan celah di antara keduanya adalah tepat tempat evaluasi bulan depan akan terjadi.