Ripple 65B Preview vs Claude Opus 5.5: Dua Pengode Agentik, Dua Ujian yang Berbeda

Ripple 65B Preview melaporkan 80,5 pada Terminal-Bench. Claude Opus 5.5melaporkan 66,4. Letakkan kedua angka itu dalam satu kolom dan sebuah model open-weight berparameter 65 miliar yang dirilis pada 4 November 2026 oleh Ricursive Intelligence tampak mengalahkan model unggulan Anthropic dengan selisih empat belas poin pada benchmark yang paling dekat dengan pekerjaan coding agentic. Tidak demikian. Angka Ripple adalah Terminal-Bench 2.1. Angka Opus 5.5 adalah Terminal-Bench 4.0. Keduanya bukan ujian yang sama, bukan dinilai dengan cara yang sama, dan sejarah kedua versi itu adalah satu hal paling berguna yang bisa diketahui seorang pembeli sebelum menganggap salah satu angka sebagai vonis.

Celah itu bukan sekadar persoalan teknis yang diciptakan untuk melindungi pemain incumbent. Ini adalah keruntuhan yang terdokumentasi. Ketika SemiAnalysis menjalankan model-model yang sama pada kedua versi pada 8 September 2026, Claude Fable 5.1 turun dari 91,4 pada 2.1 menjadi 55,8 pada 4.0, GPT-6 Astra dari 88,4 menjadi 57,7, dan Gemini 3.8 Flash dari 89,4 menjadi 19,1 — penurunan 70 poin untuk model yang tidak berubah. Terminal-Bench 4.0 menghapus delapan tugas, memperbaiki sembilan belas tugas lainnya, menerapkan batas waktu seragam delapan jam, dan menambahkan pemeriksaan ketahanan terhadap manipulasi. Skor 2.1 dan skor 4.0 hanya berbagi nama dan tidak ada yang lain.

Apa sebenarnya masing-masing model

Ripple 65B Preview adalah model dense, bukan mixture of experts: 65 miliar parameter, semuanya aktif pada setiap token, dalam transformer "tipis-dan-dalam" 80 lapis dengan aliran residual selebar 5.120. Kartu model Ricursive mencantumkan attention head tambahan, rasio attention jendela geser terhadap global yang lebih tinggi, jendela geser yang lebih kecil, clipping aktivasi FFN, gated attention, NoPE global, dan residual nilai — serangkaian pilihan yang digambarkannya mirip Gemma 3N. Model ini berlisensi Apache 2.0, dilatih pada 12 triliun token, dan mengklaim konteks hingga 1 juta token.

Claude Opus 5.5 adalah model tertutup yang dirilis pada 22 September 2026, dengan jendela 1 juta token, output maksimum 128.000 token, input teks dan gambar, serta adaptive thinking yang selalu aktif — perubahan yang tidak kompatibel dari Opus 5, yang thinking-nya bersifat opt-in. Model ini menawarkan lima tingkat effort dengan medium sebagai default, yang penting: hampir setiap benchmark Opus 5.5 yang dipublikasikan dijalankan pada max atau xhigh, bukan pada pengaturan yang akan digunakan oleh sebagian besar panggilan API.

• Parameter — 65B dense, semua aktif vs tidak diungkapkan, bobot tertutup

• Lisensi — Apache 2.0, dapat diunduh vs proprietari, hanya API

• Konteks — hingga 1M yang diklaim vs 1M, dengan output maksimal 128K

• Rilis — 4 November 2026 vs 22 September 2026

• Harga — tidak ada harga daftar vendor; tarif hosting sekitar $0.20 / $0.60 per juta token vs $4.00 input / $20.00 output, $0.20 pembacaan cache

• Skor independen — belum ada dibandingkan 59 pada Artificial Analysis Intelligence Index v5.0.1

Satu-satunya baris tempat versi-versinya cocok

Terminal-Bench adalah tempat peluncuran itu ingin argumennya disampaikan. SWE-bench Pro adalah tempat hal itu menjadi menarik, dan DeepSWE v1.1 adalah tempat hal itu menjadi tidak nyaman.

Angka SWE-bench Pro Opus 5.5 adalah 89,9, dari kartu sistem Anthropic. Angka Ripple 79,1 — tetapi pada v2.0-Hard, dan kartunya sendiri secara terpisah mencantumkan 61,42 pada v1.0. Tiga angka, dua vendor, setidaknya dua kumpulan tugas. Tidak ada apa pun di sini yang dapat dikurangkan dari yang lain.

DeepSWE v1.1 berbeda. Kedua lab menerbitkan skor pada benchmark itu, dan tidak ada yang membuat versi barunya seperti Terminal-Bench dibuat versi baru. Opus 5.5 mencetak 74,2. Ripple 65B Preview mencetak 44,3. Itu adalah selisih tiga puluh poin pada benchmark yang kedua pihak pilih untuk diterbitkan, dan arahnya berlawanan dengan grafik Terminal-Bench. DeepSWE adalah benchmark agen rekayasa perangkat lunak yang dibangun di sekitar pekerjaan repositori nyata alih-alih tugas shell, jadi bagi audiens yang disasar Ripple — agen pengodean — bisa dibilang benchmark ini yang lebih relevan di antara keduanya.

Ini adalah pembacaan jujur atas peluncuran tersebut: angka utama Ripple adalah skor 2.1, kartunya sendiri menunjukkan 44.3 pada satu-satunya benchmark pengodean agentik yang memiliki perbandingan versi yang sama, dan model yang dibandingkan dengannya memenangi baris itu dengan selisih yang lebar. Tidak satu pun dari itu menjadikan Ripple model yang buruk. Itu menjadikan 80.5 sebagai angka tentang ujian tertentu.

Apa yang bisa dibeli dengan $32 juta, dan apa yang tidak.

Klaim paling menarik dari Ricursive bukanlah sebuah benchmark. Klaimnya adalah bahwa seluruh upaya riset dan pengembangan hanya menelan biaya $32 juta, sekitar sepersepuluh dari yang menurut perusahaan merupakan biaya state of the art open-weight sebelumnya dalam coding agentik, yang dicapai dengan 1,4 juta rollout reinforcement learning — sekitar tujuh puluh kali lebih sedikit daripada Reflection Beam 501B — pada utilisasi FLOPs model sebesar 40%.

Jika itu terbukti benar, ini lebih penting daripada 80,5 pada tolok ukur mana pun, karena itu berarti biaya untuk masuk ke tingkat kemampuan ini telah turun sekitar satu orde besaran. Ini juga menjelaskan bentuk modelnya: 65B dense dengan 80 lapisan adalah desain yang dapat dilatih dan dilayani dengan murah, dan Ricursive melaporkan 250 token per detik pada dua B200 dengan ukuran batch delapan, sebelum kuantisasi apa pun. Sebagai titik pembanding: Opus 5.5 mengukur 112 token per detik pada harness Artificial Analysis.

Yang tidak bisa dibeli dengan $32 juta adalah verifikasi independen. Belum ada pengujian ulang pihak ketiga yang dipublikasikan atas angka-angka Ripple, dan model tersebut sama sekali tidak muncul di Artificial Analysis Intelligence Index — papan netral standar. Opus 5.5 berada di peringkat 59 pada indeks itu, versi 5.0.1, dengan biaya komputasi $10,04 per tugas indeks. Sampai Ripple memiliki entri, setiap klaim lintas model tentangnya hanya bertumpu pada tabel vendor.

Argumen harga, dilakukan dengan benar

Kalimat yang menggoda adalah bahwa Ripple dua puluh hingga tiga puluh kali lebih murah per token. Kalimat yang akurat adalah bahwa Ripple tidak memiliki harga daftar, karena tidak ada yang bisa dicantumkan harganya: bobotnya berlisensi Apache 2.0 dan dapat diunduh. Katalog pihak ketiga mencantumkan tarif hosted sekitar $0,20 per juta token masukan dan $0,60 per juta token keluaran, dan itu adalah tarif hosting, bukan kartu tarif vendor. Self-hosting mengubah biaya menjadi GPU dan waktu rekayasa, yang murah dalam kondisi stabil dan mahal pada hari pertama.

Opus 5.5 adalah perdagangan yang berlawanan. Empat dolar untuk input dan dua puluh dolar untuk output per juta token adalah angka nyata yang bisa Anda masukkan ke spreadsheet hari ini, dengan pembacaan cache $0.20 yang membuat loop agen panjang dengan prefiks stabil jauh lebih murah daripada yang terlihat dari angka utamanya. Di OrcaRouter, ini adalah salah satu dari lebih dari 200 model yang dapat diakses dengan satu kunci pada markup 0% — harga daftar penyedia diteruskan apa adanya, sehingga perubahan harga Anthropic berlaku pada hari yang sama, bukan pada rekonsiliasi penagihan berikutnya.

Ripple tidak ada dalam katalog OrcaRouter, dan tidak ada bagian dalam artikel ini yang boleh ditafsirkan sebagai kami menyediakannya. Bobotnya tersedia di Hugging Face, dan peluncurannya menyebutkan mitra hosting; jika Anda ingin memanggilnya sebagai API alih-alih menjalankannya sendiri, itulah jalurnya.

Mana yang harus dipilih

Jika pekerjaannya adalah agen coding pada basis kode milik sendiri dengan tinjauan kepatuhan, Opus 5.5 adalah pilihan yang dapat dipertahankan dan argumen benchmark-nya tidaklah tipis: model ini memiliki skor indeks independen, system card, angka SWE-bench Pro yang dipublikasikan, serta jendela 1M dengan output 128K. Anda membayar untuk jejak audit sama besarnya dengan modelnya.

Jika pekerjaannya adalah loop agen bervolume tinggi dan sempit dengan prompt yang stabil, korpusnya milik Anda, dan tagihannya menjadi kendala, model 65B Apache-2.0 yang muat di dua B200 adalah proposisi yang benar-benar berbeda dari API dengan biaya $20 per juta output. Pertanyaan yang perlu dijawab sebelum berkomitmen bukanlah "apakah 80,5 lebih besar dari 66,4" — melainkan "berapa skor Ripple pada DeepSWE dibandingkan dengan model yang saya gantikan", dan saat ini jawaban yang tercatat adalah 44,3 berbanding 74,2.

Yang layak diperhatikan bukanlah bagan vendor lain. Yang layak diperhatikan adalah uji mandiri pertama Ripple 65B Preview pada Terminal-Bench 4.0. Semua yang ada dalam perbandingan ini bergantung pada angka itu.