Ripple 65B Preview vs Claude Opus 5.5: due programmatori agentici, due esami diversi

Ripple 65B Preview riporta 80.5 su Terminal-Bench. Claude Opus 5.5 riporta 66.4. Metti quei due numeri in un'unica colonna e un modello open-weight da 65 miliardi di parametri rilasciato il 4 novembre 2026 da Ricursive Intelligence sembra superare il modello di punta di Anthropic di quattordici punti sul benchmark più vicino al lavoro di coding agentico. Non è così. Il dato di Ripple è Terminal-Bench 2.1. Quello di Opus 5.5 è Terminal-Bench 4.0. Non sono lo stesso esame, non sono valutati allo stesso modo, e la storia delle due versioni è la cosa più utile che un acquirente possa sapere prima di considerare l'uno o l'altro numero come un verdetto.

Quel divario non è un tecnicismo inventato per proteggere il detentore del primato. È un crollo documentato. Quando, l'8 settembre 2026, SemiAnalysis ha eseguito gli stessi modelli su entrambe le versioni, Claude Fable 5.1 è sceso da 91,4 su 2.1 a 55,8 su 4.0, GPT-6 Astra da 88,4 a 57,7 e Gemini 3.8 Flash da 89,4 a 19,1: un calo di 70 punti per un modello che non era cambiato. Terminal-Bench 4.0 ha rimosso otto attività, ne ha corrette altre diciannove, ha applicato un timeout fisso di otto ore e ha aggiunto controlli di resistenza alle manomissioni. Un punteggio 2.1 e un punteggio 4.0 condividono il nome e nient'altro.

Cosa è realmente ciascun modello

Ripple 65B Preview è un modello denso, non un mixture of experts: 65 miliardi di parametri, tutti attivi su ogni token, in un transformer "thin-and-deep" a 80 strati con un residual stream ampio 5.120. La model card di Ricursive elenca teste di attenzione aggiuntive, un rapporto più alto tra attenzione a finestra scorrevole e attenzione globale, una finestra scorrevole più piccola, clipping dell'attivazione FFN, gated attention, NoPE globale e value residual — una serie di scelte che descrive come simili a Gemma 3N. È Apache 2.0, addestrato su 12 trilioni di token, e dichiara fino a 1 milione di token di contesto.

Claude Opus 5.5 è un modello chiuso rilasciato il 22 settembre 2026, con una finestra da 1 milione di token, 128.000 token di output massimo, input testuale e immagini e pensiero adattivo sempre attivo — un cambiamento radicale rispetto a Opus 5, dove il pensiero richiedeva l'attivazione. Espone cinque livelli di impegno con medio come impostazione predefinita, il che è importante: quasi tutti i benchmark pubblicati di Opus 5.5 sono stati eseguiti a max o xhigh, non all'impostazione che utilizzerà la maggior parte delle chiamate API.

• Parametri — 65B dense, tutti attivi vs non divulgati, pesi chiusi

• Licenza — Apache 2.0, scaricabile vs proprietaria, solo API

• Contesto — fino a 1M dichiarati vs 1M, con output massimo di 128K

• Rilascio — 4 novembre 2026 vs 22 settembre 2026

• Prezzo — nessun prezzo di listino del fornitore; tariffe hosted intorno a $0,20 / $0,60 per milione di token rispetto a $4,00 input / $20,00 output, $0,20 lettura cache

• Punteggio indipendente — nessuno finora rispetto a 59 su Artificial Analysis Intelligence Index v5.0.1

L'unica riga in cui le versioni coincidono

Terminal-Bench è dove il lancio vuole che si accenda la discussione. SWE-bench Pro è dove la cosa diventa interessante, e DeepSWE v1.1 è dove diventa scomoda.

Il valore di Opus 5.5 su SWE-bench Pro è 89,9, secondo la scheda di sistema di Anthropic. Quello di Ripple è 79,1 — ma su v2.0-Hard, e la sua stessa scheda riporta separatamente 61,42 su v1.0. Tre numeri, due fornitori, almeno due set di attività. Qui non si può sottrarre nulla da nient'altro.

DeepSWE v1.1 è diverso. Entrambi i laboratori hanno pubblicato un punteggio su di esso, e nessuno dei due lo ha ri-versionato nel modo in cui è stato ri-versionato Terminal-Bench. Opus 5.5 segna 74,2. Ripple 65B Preview segna 44,3. Si tratta di un divario di trenta punti su un benchmark che entrambe le parti hanno scelto di pubblicare, e punta nella direzione opposta rispetto al grafico di Terminal-Bench. DeepSWE è un benchmark per agenti di ingegneria del software costruito attorno al lavoro su repository reali anziché su attività da shell, quindi per il pubblico a cui si rivolge Ripple — gli agenti di programmazione — è senza dubbio il più rilevante dei due.

Questa è la lettura onesta del lancio: il dato di punta di Ripple è un punteggio di 2.1, la sua stessa scheda mostra un 44.3 sull'unico benchmark di coding agentico in cui esiste un confronto sulla stessa versione, e il modello con cui viene confrontato vince quella riga con un ampio margine. Niente di tutto ciò rende Ripple un cattivo modello. Rende l'80.5 un numero relativo a uno specifico esame.

Cosa si può comprare con 32 milioni di dollari, e cosa no

L'affermazione più interessante di Ricursive non è un benchmark. È che l'intero sforzo di ricerca e sviluppo è costato 32 milioni di dollari, circa un decimo di quanto l'azienda afferma sia costato il precedente stato dell'arte a pesi aperti nel coding agentico, raggiunto con 1,4 milioni di rollout di reinforcement learning — circa settanta volte in meno rispetto a Reflection Beam 501B — con un'utilizzazione dei FLOP del modello del 40%.

Se regge, conta più di un 80,5 su qualsiasi benchmark, perché significa che il prezzo per entrare in questo livello di capacità è calato di un ordine di grandezza. Spiega anche la forma del modello: 65B densi a 80 layer è un design che si può addestrare e servire a basso costo, e Ricursive riporta 250 token al secondo su due B200 con batch size otto, prima di qualsiasi quantizzazione. Un punto di confronto: Opus 5.5 misura 112 token al secondo sull'harness di Artificial Analysis.

Ciò che 32 milioni di dollari non comprano è la verifica indipendente. Non esiste ancora alcuna ri-esecuzione di terze parti pubblicata dei numeri di Ripple, e il modello non compare affatto sull'Artificial Analysis Intelligence Index — la classifica neutrale di riferimento. Opus 5.5 si colloca a 59 su quell'indice, versione 5.0.1, con 10,04 dollari di calcolo per attività dell'indice. Finché Ripple non avrà una voce, ogni affermazione comparativa tra modelli che lo riguarda si basa sulle tabelle del fornitore.

La questione del prezzo, affrontata come si deve

La frase allettante è che Ripple costa da venti a trenta volte meno per token. La frase accurata è che Ripple non ha un prezzo di listino, perché non c'è nulla per cui indicare un prezzo: i pesi sono Apache 2.0 e scaricabili. I cataloghi di terze parti riportano tariffe di hosting vicine a $0,20 per milione di token di input e $0,60 per milione di output, e quelle sono tariffe di hosting, non un listino prezzi del fornitore. L'auto-hosting trasforma il costo in GPU e tempo di ingegneria, che è economico a regime e costoso il primo giorno.

Opus 5.5 è il trade opposto. Quattro dollari in entrata e venti dollari in uscita per milione di token è un numero reale che puoi inserire in un foglio di calcolo oggi, con una lettura della cache da $0,20 che rende i lunghi cicli degli agenti con un prefisso stabile notevolmente più economici di quanto suggerisca il prezzo di facciata. Su OrcaRouter è uno dei oltre 200 modelli raggiungibili con una singola chiave a markup dello 0% — il prezzo di listino del provider viene trasferito così com'è, quindi una variazione dei prezzi di Anthropic è attiva lo stesso giorno anziché alla successiva riconciliazione di fatturazione.

Ripple non è nel catalogo OrcaRouter, e nulla in questo articolo deve essere interpretato come un'indicazione che lo serviamo. I suoi pesi sono su Hugging Face, e il lancio nomina partner di hosting; se vuoi chiamarlo come API anziché eseguirlo, quella è la strada.

Quale scegliere?

Se il lavoro è un agente di coding su un codebase proprietario con una revisione di conformità, Opus 5.5 è la scelta difendibile e il confronto sui benchmark non è nemmeno ravvicinato: ha un punteggio indipendente su un indice, una system card, un numero pubblicato su SWE-bench Pro e una finestra da 1M con 128K di output. Stai pagando per l'audit trail tanto quanto per il modello.

Se il lavoro è un ciclo di agenti ad alto volume e ambito ristretto in cui il prompt è stabile, il corpus è tuo e il vincolo è la spesa, un modello da 65B Apache-2.0 che sta su due B200 è una proposta davvero diversa da un'API da 20 $ per milione di token in output. La domanda a cui rispondere prima di impegnarsi non è «80.5 è più grande di 66.4» — è «quanto ottiene Ripple su DeepSWE rispetto al modello che sto sostituendo», e al momento la risposta agli atti è 44.3 contro 74.2.

La cosa che vale la pena osservare non è l'ennesimo grafico di un fornitore. È la prima esecuzione indipendente di Ripple 65B Preview su Terminal-Bench 4.0. Tutto in questo confronto dipende da quel numero.