Ripple-65B Preview: pesi Apache 2.0, una dichiarazione da 1M token e un'API da 16K

Ripple-65B Preview, rilasciato da Ricursive Intelligence il 4 novembre 2026, è due prodotti diversi a seconda di come lo si raggiunge. Il download è di 129,6 GB di pesi Apache 2.0 la cui model card pubblicizza una context “fino a 1M” token. Il primo endpoint commerciale che porta lo stesso checkpoint ne pubblicizza 16.384. Entrambi i numeri descrivono lo stesso modello, e la distanza tra loro è la cosa più utile che uno sviluppatore possa sapere su questo rilascio prima di dedicarci una giornata.

Il titolo del laboratorio è più ristretto di quanto il post di lancio faccia sembrare e più interessante di quanto la copertura abbia notato finora. Ricursive rivendica uno stato dell'arte statunitense a pesi aperti sul coding agentico — 80,52 su Terminal-Bench 2.1 — da un modello dense da 65B addestrato con un costo riportato di 32 milioni di dollari. Si tratta di un'affermazione reale su un artefatto reale: i pesi sono scaricabili, senza limitazioni e con licenza per uso commerciale senza un accordo negoziato. È anche, al 5 novembre, interamente riportato dal fornitore. Artificial Analysis non ha alcuna voce per il modello.

Cosa è effettivamente arrivato su Hugging Face

Quattro repository sono stati pubblicati il 4 novembre, e le distinzioni contano perché cambiano l'hardware di cui hai bisogno:

• Ripple-65B Preview — il checkpoint BF16 ottimizzato per le istruzioni, 16 shard safetensors per un totale di 129,57 GB, Apache 2.0, senza restrizioni di accesso.

• Ripple-65B Preview NVFP4 — una build sperimentale a 4 bit da 57.22 GB su 6 shard, che quantizza i layer MLP mantenendo l'attenzione in BF16.

• Ripple-65B Base Preview — il checkpoint solo pretrain, senza midtraining, senza dati QA sintetici, anche 129,57 GB.

• Ripple-65B Preview DFlash2 — un modello di bozza da 8,08 GB per la decodifica speculativa, 4,04 miliardi di parametri, che genera blocchi di 16 token rispetto al modello target.

L'architettura è un consapevole ritorno al passato. Mentre ogni altro laboratorio di queste dimensioni è passato alle mixture-of-experts, Ricursive ha costruito un Transformer denso, sottile e profondo: d_model 5120, 80 layer, 80 teste di attenzione che condividono 8 teste chiave-valore, un vocabolario da 100.352 token e una finestra scorrevole da 1.024 token applicata su un pattern ibrido di layer. Il clipping dell'attivazione FFN, l'attenzione con gating, il NoPE globale e i residui sui value completano le modifiche che il team ha adottato progredendo da una baseline Olmo 3.

La stack di addestramento è pubblicata con un livello di dettaglio maggiore di quanto la maggior parte delle schede si preoccupi di fornire: 12T token di pre-addestramento con lunghezza di sequenza di 8K, 200B token di midtraining a 64K, 6,5B token di estensione per contesto lungo a 2M, 183B token di SFT a 128K e 700 passi di RL a 128K. Il team è passato da una a cinque persone durante lo sviluppo e riporta il 40% di MFU senza kernel personalizzati.

Una precisazione sui nomi, perché i risultati di ricerca stanno già facendo confusione: Ricursive Intelligence è il laboratorio di progettazione di chip il cui post di lancio descrive la co-ottimizzazione di hardware, software e modelli. Non è Recursive, la startup di AI auto-migliorante dietro Flint. Le due aziende non sono correlate, e la copertura che le mescola è sbagliata.

La pretesa del benchmark, e fin dove arriva

Terminal-Bench 2.1 è il banco di prova da cui dipende il successo o il fallimento del lancio, e il numero è 80,52. Ricursive lo colloca davanti a Reflection Beam 501B con 80,1, Meta Muse Spark Open 816B con 76,4, Thinking Machines Inkling 975B con 63,8 e NVIDIA Nemotron 3 Ultra 550B con 56,4 — tutti tra sette e quindici volte più grandi in termini di parametri totali.

Ciò che rende quella tabella più preziosa della solita scheda del fornitore è una seconda colonna. Ricursive ha rieseguito il confronto con l’harness ufficiale Terminus 2 a 128K con summarizzazione, e riporta che i punteggi sono cambiati quasi ovunque tranne che per il proprio: Ripple è rimasto fermo a 80,5, Muse Spark è salito a 78,7, Reflection Beam è sceso da 80,1 a 70,8, Inkling da 63,8 a 56,2, Nemotron da 56,4 a 55,1. Un laboratorio che pubblica l’harness in cui il proprio punteggio resta invariato e i punteggi dei concorrenti crollano fa qualcosa che la maggior parte dei post di lancio evita. Resta comunque un laboratorio che si corregge da solo il compito — ogni numero in quella tabella è stato prodotto dal flusso di valutazione di Ricursive — ma il gradiente va nella direzione giusta.

L'affermazione smette di essere valida non appena si esce dal terminale. Su DeepSWE 1.1, Ripple ottiene 44,3 contro il 60,0 di Muse Spark. Su MCP Atlas è a 71,67, dietro Muse Spark a 89,2 e Inkling a 76,0. Su SciCode è ultimo dei cinque a 39,4, dietro Beam a 49,2 e Muse Spark a 58,5. Lo schema è coerente: Ripple è forte nelle attività terminali a lungo orizzonte e nei compiti software a più passaggi, mentre è nella media nella generazione di codice scientifico e nell'ampiezza dei protocolli di tool. Se il tuo carico di lavoro è un agente che si muove in una shell, l'affermazione è rivolta a te. Se è un assistente con forte uso di MCP, non lo è.

E l’impostazione fa un lavoro silenzioso. “Stato dell’arte open-weight statunitense” è una qualificazione, non un prefisso da saltare. Esclude DeepSeek, Qwen e ogni altro laboratorio non statunitense, quindi è un’affermazione sul miglior modello open-weight addestrato negli Stati Uniti, non sul miglior modello open-weight.

Il modello base è il documento più onesto

La card Base Preview contiene una frase che il post di lancio non mette in apertura: il checkpoint pre-addestrato è "paragonabile a DeepSeek V3.1 e V4 Flash su ragionamento, matematica e codice", mentre Nemotron 3 Ultra "domina sulle valutazioni tradizionali di pre-addestramento". I numeri confermano la modestia. Il Base MMLU-Pro è 61,5, contro 68,3 di DeepSeek V4 Flash 284B e 79,1 di Nemotron 3 Ultra 550B. Il Base GPQA Diamond è 38,4, ben al di sotto del 44,4 di V4 Flash.

Leggi quelle due tabelle insieme e la storia diventa più nitida. Il prior pretrained di Ripple è rispettabile ma di fascia media per una corsa da 12T token — il budget di pretraining più piccolo nel suo stesso set di confronto, contro i 20T di Nemotron e i 32T+ di V4 Flash. Quasi tutto il vantaggio nel coding agentico arriva dallo stack di post-training: il mix di dati di midtraining, l'estensione del contesto lungo e 700 passi di RL che Ricursive dice abbiano raggiunto 80,5 in 1,4M rollout, circa 70 volte meno di quanto servisse a Reflection Beam. È un risultato più interessante della tabella dei benchmark, e più fragile: una scalata RL pesante su ambienti sintetici a lungo orizzonte è esattamente il tipo di ricetta che si trasferisce in modo disomogeneo a compiti sui quali il laboratorio non ha addestrato.

Perché il numero del contesto è formato da due numeri?

La scheda del modello dice 1M. La configurazione dice max_position_embeddings 2,097,152. L'endpoint ospitato dice 16,384 con un tetto di output di 14,745 token. Nessuno mente; sono tre cose diverse, e l'aritmetica spiega perché il primo host ha scelto il numero che ha scelto.

La KV cache è ciò per cui si paga con il contesto lungo. Con 80 layer, 8 teste KV, una dimensione della testa di 128 e memorizzazione BF16, ogni layer costa 4.096 byte di cache per token — 2.048 per le chiavi e 2.048 per i valori. Su tutti gli 80 layer, sono circa 0,33 MB per token. Ai 16.384 token dell'endpoint, sono circa 5,4 GB. A un milione di token, con ogni layer che applica l'attenzione globalmente, sarebbero circa 344 GB di cache che si aggiungono a 130 GB di pesi.

È a questo che serve la finestra scorrevole. La maggior parte dei layer di Ripple applica l’attenzione entro una finestra di 1.024 token; una minoranza la applica a livello globale, e solo questi crescono con il contesto. Se 16 degli 80 layer sono globali, un milione di token costa circa 69 GB di cache invece di 344 GB — una quantità grande, ma servibile su un nodo multi-GPU. La suddivisione precisa è determinata dal pattern di layer ibrido in config.json, ed è la prima cosa da controllare con qualunque stack di serving si usi, perché è quella suddivisione, non il numero di copertina, a determinare il costo in memoria.

Considera quindi i due numeri come due fatti distinti. Un milione di token è una capacità architetturale che esiste nei pesi e che richiederebbe un nodo serio per essere servita. Sedicimila è ciò che offre il primo endpoint commerciale: sufficiente per la maggior parte dei cicli degli agenti, non abbastanza per ragionamenti su scala di repository o per lavorare su documenti lunghi. Se il motivo per cui provavi Ripple-65B Preview era il contesto da 1M, la via ospitata oggi non te lo offre, e l'auto-hosting è l'unico percorso che lo consente.

Locale significa 57 GB, non 130

Il post di lancio afferma che il modello “può stare su hardware di consumo come NVIDIA DGX Spark”, e la copertura mediatica lo ha consolidato in “gira su un MacBook”. Le dimensioni del download indicano a quale artefatto si riferisce ciascuna affermazione.

• Il checkpoint instruct BF16 è 129.57 GB. Da solo, prima di qualsiasi KV cache o overhead di runtime, richiede un acceleratore di classe 192 GB o una suddivisione multi-GPU.

• La build NVFP4 è di 57,22 GB. Sta comodamente in una macchina da 128 GB con memoria unificata, con spazio per un contesto di lavoro — ed è etichettata come sperimentale, con l'attenzione lasciata in BF16.

• Il drafter DFlash2 aggiunge 8.08 GB e introduce la decodifica speculativa, non la qualità.

La cifra di 250 tok/s è un numero da datacenter: 2×B200 con batch 8, prima della quantizzazione e dei kernel personalizzati. Su uno Spark stai scambiando throughput con il fatto che la macchina è sulla tua scrivania. Nessuno dei due valori è sbagliato; appartengono semplicemente a macchine diverse, e la storia locale funziona solo con il checkpoint quantizzato.

Quanto costa una chiamata

Il primo endpoint ospitato riporta $0,20 per milione di token di input e $0,60 per milione di output, con le letture di input dalla cache a $0,05. Facendo il calcolo su una chiamata agente realistica — un prompt da 16.000 token rispetto all'intera finestra, che restituisce 2.000 token — sono $0,0032 in input e $0,0012 in output, ovvero circa $0,0044. Con 10 milioni di token al giorno e una ripartizione input-output 80/20, si arriva a $2,80.

La cache è la leva su cui vale la pena agire. Un prompt di sistema ripetuto da 16.000 token costa 0,0008 $ alla tariffa con cache invece di 0,0032 $, un taglio di 4 volte sul lato input — che per un agente che reinvia le stesse definizioni degli strumenti a ogni turno rappresenta la maggior parte della spesa.

Dove si colloca OrcaRouter: oggi non disponiamo di Ripple-65B Preview, quindi non c'è alcun ricarico da confrontare e nessun motivo per fingere il contrario. Ciò che l'anteprima cambia è l'argomento a favore del tenere un modello non comprovato fuori dal percorso di produzione mentre lo misuri. Instrada il modello incumbent da cui il tuo traffico già dipende attraverso un'unica chiave — oltre 200 modelli, prezzo di listino del provider trasferito con 0% di ricarico, failover automatico quando un provider vacilla — e metti Ripple accanto a esso in una valutazione offline anziché davanti agli utenti. Se i numeri reggono, il DSL di routing sposta una fetta di traffico senza una seconda integrazione; se non reggono, il fallback non è mai stato in discussione.

Chi dovrebbe provarlo e cosa cambierebbe il quadro

Provalo ora se stai sviluppando un agente terminale o shell, se vuoi un checkpoint Apache 2.0 che puoi fine-tunare senza consultare un avvocato e se una finestra da 16K è sufficiente per il tuo loop. L'architettura dense è un vantaggio concreto per chiunque faccia inferenza su hardware modesto — nessun routing tra esperti, nessun all-to-all, latenza prevedibile — e un modello dense da 65B con 80,5 su Terminal-Bench è un risultato che vale la pena riprodurre sui propri task invece di discuterne.

Aspetta se hai bisogno di un contesto lungo da un endpoint ospitato, se il tuo lavoro è incentrato su MCP o su codice scientifico, o se hai bisogno di qualsiasi numero che non sia stato prodotto dal laboratorio che ha addestrato il modello. Non esiste ancora una valutazione indipendente: nessuna voce in Artificial Analysis e nessuna riproduzione di terze parti dell'80,52. Per una release Preview vecchia di un giorno, questo è normale più che sospetto — ma significa che ogni cifra in questo articolo che proviene da Ricursive è etichettata come loro per un motivo.

Tre cose lo risolverebbero. Un secondo harness eseguito da qualcuno che non ha addestrato il modello. Un host che serve più di 16.384 token, il che ci direbbe se l'affermazione sul contesto da 1M sopravvive al contatto con uno scheduler. E un checkpoint non-preview, dato che Ricursive è stata esplicita sul fatto che il post-training qui è stato leggero e la variante interna dietro la sua piattaforma di progettazione di chip è il prodotto che sta davvero costruendo. Fino ad allora, il titolo è un'affermazione e il download è reale — e il divario tra i due è esattamente dove avverrà il prossimo mese di valutazione.