Ripple-65B Preview vs Ripple-65B: Mengapa Nama Kedua Tidak Memiliki Model di Baliknya

Cari Ripple-65B Preview dan Anda akan menemukan model yang terdokumentasi: checkpoint padat 65B Apache 2.0 dari Ricursive Intelligence, dibuat 4 November 2026, dengan kartu, empat repositori, dan 80,52 yang dilaporkan vendor pada Terminal-Bench 2.1. Cari Ripple-65B — nama yang sama dengan akhiran dihilangkan — dan Anda akan menemukan model itu, berulang kali, dengan nama file berbeda. Tidak ada rilis final terpisah. Organisasi Hugging Face mencantumkan empat repo publik — Ripple-65B-Preview, Ripple-65B-Preview-NVFP4, Ripple-65B-Base-Preview, dan Ripple-65B-Preview-DFlash2 — dan tidak satu pun menghilangkan kata "Preview."

Itu membuat halaman perbandingan ini tidak biasa, dan cara jujur untuk menulisnya adalah mengatakannya sejak awal. Ripple-65B bukan pesaing Ripple-65B Preview. Itu adalah nama yang dicari orang, penanda tempat untuk rilis yang belum terjadi, dan — yang paling berguna — kesempatan untuk menjawab pertanyaan yang sebenarnya diajukan oleh pencarian tersebut: apakah Anda mendapatkan model yang sudah jadi, atau Anda mendapatkan snapshot yang menurut lab minim post-training?

Apa arti "Preview" pada kartu khusus ini

Sufiks di sini bukan sekadar hiasan, dan Ricursive sangat eksplisit tentang hal itu. Kartu model menggambarkan rilis ini sebagai relatif ringan dalam pasca-pelatihan: 200 miliar token mid-training, 183 miliar token fine-tuning terawasi, 13,5 miliar token SFT konteks panjang, 700 langkah RL, di atas proses pra-pelatihan 12 triliun token dengan panjang urutan 8K. Semuanya dilatih dari awal, dan framing perusahaan adalah bahwa anggaran pasca-pelatihan sengaja dibuat kecil relatif terhadap pra-pelatihan.

Kombinasi itu — basis yang sangat besar, penyelarasan yang tipis — adalah yang menghasilkan checkpoint dengan skor 80,52 pada Terminal-Bench 2.1, sementara berada di 44,3 pada DeepSWE 1.1 dan 39,4 pada SciCode. Performa terminal agentik itu adalah hasil kerja nyata. Keluasan rekayasa perangkat lunak tampak seperti bagian yang akan lebih dulu disentuh oleh proses pasca-pelatihan yang lebih panjang. Ripple-65B final, menurut pembacaan ini, akan menjadi model yang lebih baik tepat pada sumbu-sumbu di mana Preview paling lemah.

Ricursive belum berkomitmen pada satu pun. Tidak ada peta jalan, tidak ada baris "rilis final pada Q4" di pos peluncuran, dan tidak ada repo penerus bertanggal. Saat ArtificialWatch melacak peluncuran itu, ia mencatat bahwa "GA tanpa label Preview masih di depan" — ringkasan akurat tentang keadaan yang belum berubah sejak saat itu.

Keempat repositori tersebut, dan untuk apa masing-masing sebenarnya digunakan

Kebingungan penamaan menjadi lebih buruk sebelum membaik, karena dua dari empat repo terdengar seperti mungkin model final, padahal keduanya bukan.

• Ripple-65B-Preview — checkpoint instruct utama. BF16, 64.782.689.360 parameter, 129,6 GB dalam 16 shard, Apache 2.0, tanpa gate. Inilah model yang dirujuk oleh setiap angka benchmark.

• Ripple-65B-Preview-NVFP4 — model instruct yang sama yang dikuantisasi dengan ModelOpt, 39,616,865,360 parameter tersimpan, ditandai 8-bit. Bukan model yang berbeda; wadah yang lebih kecil untuk bobot yang sama.

• {{1}}Ripple-65B-Base-Preview{{/1}} — dibuat 14 Oktober 2026, tiga minggu sebelum rilis instruct. Ini adalah base pretrained, dievaluasi secara terpisah: MMLU 83.7, MMLU-Pro 61.5, GPQA Diamond 38.4, HumanEval 70.9, MBPP Sanitized 81.5. Angka-angka itu tampak mengkhawatirkan dibandingkan dengan 89.6 dan 85.2 pada kartu instruct sampai Anda ingat bahwa itu adalah skor model base — pra-SFT, pra-RL, menjawab dengan gaya completion. Ini adalah titik awal yang tepat jika Anda berniat melakukan post-training sendiri, dan pilihan yang salah jika Anda menginginkan asisten.

• Ripple-65B-Preview-DFlash2 — 4,04B parameter, sebuah drafter speculative-decoding. Model ini mengusulkan token untuk diverifikasi oleh model 65B dan tidak dapat menghasilkan apa pun sendiri; kartunya menyatakan secara langsung bahwa model ini "memerlukan model target untuk menghasilkan teks."

Empat repo, satu model, tiga di antaranya varian dari sebuah checkpoint dan satu di antaranya sebuah komponen. Belum ada yang menerbitkan yang kelima.

Jika Ripple-65B final benar-benar dirilis, apa yang akan berubah?

Ini adalah bagian konstruktif dari perbandingan, dan ada baiknya bersikap konkret daripada hanya mengisyaratkan "post-training yang lebih baik".

Persoalan konteksnya kemungkinan besar akan tuntas. Preview mengiklankan hingga 1M, dilatih pada urutan 2M token dalam tahap konteks panjangnya, sementara listing komersial telah menyediakan 16.384 dan, lebih baru, menonjolkan 128K. Rilis final adalah momen alami bagi sebuah lab untuk menyatakan untuk apa model itu sebenarnya divalidasi, bukan apa yang didukung arsitekturnya.

• DeepSWE dan SciCode adalah angka yang perlu diperhatikan. Di situlah versi Preview tertinggal dari model-model yang dikalahkannya di tempat lain, dan itulah tolok ukur yang paling langsung merespons lebih banyak RL dan lebih banyak SFT pada repositori nyata.

• Skor independen kemungkinan besar sudah ada pada saat itu. Artificial Analysis tidak memiliki entri untuk slug Ripple apa pun saat ini, yang berarti setiap angka yang beredar dilaporkan oleh vendor. Rilis GA adalah titik ketika agregator biasanya mulai memasukkan suatu model.

• Lisensi tersebut kemungkinan besar akan tetap Apache 2.0. Tidak ada dalam peluncuran itu yang menunjukkan bahwa Ricursive berniat menariknya kembali, dan itu adalah aset paling berharga yang dimiliki rilis ini.

Tidak ada dari itu yang diumumkan. Itu adalah inferensi dari apa yang dikatakan kartu tentang anggaran pasca-pelatihannya sendiri, dan harus dibaca sebagai demikian.

Jebakan penamaan, dan mengapa itu penting secara praktis

Jika Anda menghubungkan model ini ke file konfigurasi, perbedaannya tidak lagi sekadar akademis. Pengenal yang berhasil diselesaikan adalah ricursiveAI/Ripple-65B-Preview. Permintaan untuk ricursiveAI/Ripple-65B tidak mengembalikan apa pun, karena tidak ada yang bernama itu — dan pipeline yang diam-diam beralih ke pencocokan fuzzy akan gagal atau, lebih buruk lagi, diam-diam menyajikan checkpoint base padahal Anda mengharapkan yang instruct.

Jebakan yang sama juga terjadi sebaliknya dengan model base. Ripple-65B-Base-Preview adalah repositori nyata dengan bobot nyata, dan ini benar-benar artefak yang berbeda dari rilis instruct: skor berbeda, perilaku berbeda, tujuan berbeda. Siapa pun yang membandingkan skor "Ripple-65B" di internet hampir pasti mencampur 89,6 MMLU dari kartu instruct dengan 83,7 dari kartu base tanpa menyadari bahwa keduanya berasal dari dua repo berbeda.

Tiga aturan praktis berikut ini berlaku. Patok id repo yang persis dan hash revisi, bukan nama keluarga. Jangan mengasumsikan bahwa endpoint yang di-hosting dan unduhan BF16 adalah produk yang sama — yang di-hosting mungkin NVFP4, mungkin revisi yang berbeda, dan hampir pasti memiliki batas konteks yang berbeda. Dan jika sebuah alat atau papan peringkat mencantumkan "Ripple-65B" tanpa sufiksnya, periksa dulu repositori mana yang dimaksud sebelum Anda mengutip angkanya.

Apa yang dapat Anda lakukan dengan Preview hari ini

Cukup banyak, ternyata, dan lebih banyak daripada yang berlaku seminggu lalu. Bobotnya tidak dibatasi aksesnya dan berlisensi Apache 2.0, jadi tidak ada langkah persetujuan. Per 5 November, vLLM menggabungkan dukungan native — RicursiveConfig bawaan, parser penalaran dan pemanggilan alat, serta resep yang secara default menggunakan NVFP4 pada satu B300 — yang berarti checkpoint dimuat tanpa --trust-remote-code di mesin yang sudah dijalankan sebagian besar tim. Pull request SGLang yang paralel masih terbuka, jadi vLLM saat ini adalah satu-satunya mesin mainstream yang mendukung arsitektur ini secara resmi, bukan sebagai skrip eksternal.

Secara komersial, model ini dilayani dengan tarif sekitar $0.20 per juta token masukan dan $0.60 per juta token keluaran, dengan masukan yang di-cache ditagih hanya sebagian kecil dari itu. Tarif tersebut berlaku untuk Preview, karena hanya itu yang ada untuk dilayani.

OrcaRouter tidak menyediakannya. Itu perlu dinyatakan secara terus terang, karena halaman perbandingan yang berakhir dengan menyiratkan bahwa Anda dapat menjangkau kedua sisi melalui kami akan menyesatkan — hanya ada satu sisi, dan kami tidak menghostingnya. Yang kami rutekan adalah ranah di sekitarnya: Kimi K3.1 Pro dengan harga $2.00 dan $10.00 per juta dengan konteks 1M, DeepSeek V4 Pro dengan harga $0.66 dan $1.98 dengan konteks 1M dan output 384K, Qwen3.8 Max dengan harga $2.00 dan $6.00. Jika alasan Anda membaca tentang coder open-weight 65B adalah karena Anda menginginkan model agentik murah tanpa siklus pengadaan, itulah yang berada pada kunci yang sama dengan semua yang lain, dengan failover dan harga pass-through. Ripple adalah yang Anda hosting atau beli secara terpisah.

Jawaban singkatnya

Jika seseorang bertanya kepada Anda tentang perbedaan antara Ripple-65B Preview dan Ripple-65B, jawaban yang akurat adalah bahwa yang kedua belum ada. Preview adalah modelnya: 65B dense, Apache 2.0, 12 triliun token pra-pelatihan, pasca-pelatihan ringan, 80,52 pada Terminal-Bench 2.1 menurut pengukurannya sendiri, tidak diperingkat oleh dewan independen mana pun, dan disajikan pada jendela konteks yang bergantung pada siapa yang menyajikannya.

Yang akan ditambahkan oleh rilis final adalah angka konteks yang sudah pasti, angka yang lebih baik pada benchmark rekayasa perangkat lunak tempat Preview paling lemah, dan mungkin verifikasi eksternal pertama yang dimiliki model ini. Sampai Ricursive merilisnya, setiap perbandingan "Ripple-65B" yang Anda baca — termasuk yang mengklaim membandingkannya dengan Preview — membandingkan sebuah model dengan istilah pencarian.