Ripple-65B Preview vs Mistral Large 4.0: 65 miliardi di parametri densi contro un MoE da mille miliardi di parametri

Metti Ripple-65B Preview e Mistral Large 4.0 fianco a fianco su un disco e la differenza non è sottile: 129,6 GB di shard BF16 contro 1.060,6 GB di shard FP8, per due modelli che si definiscono entrambi open weight e che puntano entrambi sul coding agentico. Uno è un transformer denso da 65B addestrato da zero su 12 trilioni di token da un gruppo di ricerca di cinque persone che dichiara di aver speso 32 milioni di dollari. L'altro è una mixture of experts da 1,05 trilioni di parametri con 52 miliardi di parametri attivi e un encoder visivo da 1,6 miliardi di parametri, di un'azienda che ha una linea di prodotti alle spalle.

La parte interessante non è il divario dimensionale. È che entrambi i laboratori hanno scelto di pubblicare un numero per DeepSWE 1.1 — lo stesso benchmark, la stessa versione — e il modello più piccolo perde di 17,4 punti su di esso. La scheda di Ripple stessa riporta 44,3. Mistral riporta 61,7 per Large 4.0. Quindi, prima di qualsiasi argomentazione su efficienza, licenze o self-hosting, c'è sul tavolo un confronto pulito, sulla stessa versione e sullo stesso set di attività, e non favorisce il nuovo modello.

Cosa ha effettivamente rilasciato ciascun laboratorio

Ripple-65B Preview è il primo modello pubblico di Ricursive Intelligence, rilasciato il 4 novembre 2026 con licenza Apache 2.0, senza gate e senza clausole aggiuntive sull'uso accettabile oltre alla licenza stessa. L'architettura è volutamente sottile e profonda — 80 strati con una larghezza del modello di 5.120 — con teste di attenzione sovradimensionate, un elevato rapporto tra strati a finestra scorrevole e strati globali, attenzione gated, NoPE globale e residui di valore. La scheda lo descrive come relativamente poco post-addestrato, con 700 passi di RL e un'enfasi dichiarata sul coding agentico. Insieme a esso vengono distribuiti un drafter speculativo da 4,04B, un checkpoint NVFP4 e un modello base senza gate.

Mistral Large 4.0 è la quarta generazione di una linea che è stata il fiore all'occhiello dell'azienda dal 2023, e questa è arrivata in due fasi: un'anteprima API il 6 ottobre 2026, poi i pesi il 29 ottobre con la Mistral Ecosystem Open Weight License, un documento MIT modificato con una clausola sui fornitori di servizi. È multimodale dove Ripple non lo è — un encoder visivo da 1,6B accetta immagini in input — ed espone tre livelli di sforzo di ragionamento invece di uno.

• Parametri — 65B dense, ogni parametro attivo per token, rispetto a 1.05T totali con 52B attivi e 128 esperti instradati, 4 per token

• Pesi su disco — 129,6 GB in BF16 distribuiti su 16 shard rispetto a 1.060,6 GB in FP8 distribuiti su 54 shard, più una variante gemella NVFP4 da 610,1 GB

• Contesto — fino a 1M dichiarati, sebbene il primo endpoint ospitato ne servisse 16.384 e una nuova scheda riporti in evidenza 128K rispetto a 1M su tutta la linea

• Modalità — testo in input, testo in output vs testo e immagine in input, testo in output

• Licenza — Apache 2.0 vs Mistral Ecosystem Open Weight License, che richiede un accordo commerciale per offrire il modello come servizio

• Prezzo dove ospitato — $0,20 / $0,60 per milione di token rispetto a $0,70 / $2,10, con $0,07 per input in cache

La licenza è la differenza più netta, e non c’è partita.

Apache 2.0 significa ciò che ha sempre significato. Puoi prendere Ripple-65B Preview, ottimizzarlo, rinominarlo, fornirlo ai clienti e non pubblicare nulla. Non esiste alcuna soglia di ricavi, alcun obbligo di notifica e alcuna clausola che trasformi un livello di routing in un licenziatario. Per un'azienda il cui prodotto è un modello dietro un'API, è tutta la questione: è la differenza tra un modello su cui puoi costruire un business e un modello su cui puoi costruire una funzionalità.

La licenza di Mistral Large 4.0 è più permissiva di quanto suggerisca il suo nome e meno permissiva di Apache. È una MIT modificata con una condizione aggiuntiva: se fornisci il modello a terzi come servizio, hai bisogno di un accordo commerciale. La definizione esclude due cose importanti: l'incorporamento del modello all'interno di un prodotto per l'utente finale e il «mero inoltro di richieste a modelli ospitati da altri», che è ciò che fa un gateway quando inoltra una richiesta all'inferenza di Mistral stessa. Letta con attenzione, tale esclusione mantiene un router dalla parte giusta della linea. Letta con superficialità, o leggendo solo la pagina di marketing che dice «open weight», puoi finire per convincerti di avere un problema di conformità.

Quindi l'inquadramento onesto non è "Apache contro restrittiva". È "Apache contro una licenza che dovresti far leggere una volta a un avvocato". Se il tuo piano è ospitare tu stesso i pesi e vendere l'accesso, i termini di Ripple sono categoricamente più semplici. Se il tuo piano è chiamare un endpoint, entrambe le licenze ti vengono incontro e la differenza per lo più scompare.

Terminal-Bench è il benchmark che non puoi usare qui

Entrambi i laboratori pubblicano un punteggio Terminal-Bench, e non si tratta dello stesso test. Ripple riporta 80,52 su Terminal-Bench 2.1 e lo definisce lo stato dell'arte statunitense tra i modelli open-weight. Mistral riporta 28,3% su Terminal-Bench 4.0. Messi uno accanto all'altro, quei due numeri sembrano una disfatta di 52 punti. Non sono comparabili, e considerarli tali è l'errore più comune in assoluto nella trattazione di entrambi i modelli.

{{1}}Terminal-Bench 4.0{{/1}} è un insieme di attività più difficile e più recente, e il divario tra le versioni è abbastanza ampio che un buon punteggio 2.1 e un mediocre punteggio 4.0 possono descrivere lo stesso modello. Il nostro confronto tra {{2}}Ripple{{/2}} e {{3}}Claude Opus 5.5{{/3}} serve soprattutto a spiegare perché anche 80.5 e il 66.4 di Opus non possano essere sottratti. L'unica affermazione difendibile qui è che {{4}}Ripple{{/4}} non ha pubblicato un numero 4.0 e {{5}}Mistral{{/5}} non ha pubblicato un numero 2.1, quindi questo particolare asse è vuoto.

Ciò che resta è DeepSWE 1.1, e lì il quadro è leggibile. Il 44,3 di Ripple proviene dalla sua stessa scheda modello. Il 61,7 di Mistral proviene dall'esecuzione di Mistral stessa. Nessuno dei due è indipendente, ma si tratta della stessa versione dello stesso benchmark, cosa che Terminal-Bench non può offrire. Un divario di 17,4 punti nei compiti di ingegneria del software non è rumore, ed è coerente con il resto di ciascuna scheda: Mistral Large 4.0 riporta anche 87,6 su GPQA Diamond, 89,4 su MMLU-Pro e 81,3 sul set di ragionamento a contesto lungo di Artificial Analysis, contro 85,2, 84,2 e 75,0 di Ripple.

La contro-argomentazione di Ripple si basa su benchmark in cui è in testa nel proprio set di confronto e su un numero che Mistral non può eguagliare: 80,52 contro 80,1 di Reflection Beam 501B su Terminal-Bench 2.1, da un modello quindici volte più piccolo. È un risultato reale sull'efficienza di addestramento. Non è un risultato sul fatto di essere migliore di Mistral Large 4.0, e le due affermazioni continuano a essere fuse nei resoconti secondari.

Il costo per token lusinga Ripple; il costo per attività è più vicino.

A listino, il divario hosted è di circa 3,5× in entrambe le direzioni: $0,20 e $0,60 per milione di token contro $0,70 e $2,10. Per un agente ad alto volume quella differenza è l'intera conversazione sul budget, ed è il motivo per cui un modello dense da 65B resta interessante anche quando perde i benchmark.

Artificial Analysis colloca Mistral Large 4.0 a un Intelligence Index di 26 e a un costo di 2,06 $ per attività dell'indice. Ripple-65B Preview non ha alcuna voce nell'indice, quindi non c'è una cifra equivalente da dividere — il che è di per sé la risposta onesta a "quale costa meno per unità di capacità". Un modello è stato misurato sulla classifica neutrale e uno no. Se oggi ti serve un numero per la pianificazione, solo una di queste colonne contiene qualcosa.

L'aritmetica del self-hosting cambia ancora una volta i termini della questione. Un modello dense da 65B in BF16 entra in tensor-parallel-4 su quattro schede da 80 GB, e il supporto vLLM integrato a partire dal 5 novembre significa che ora si carica senza --trust-remote-code. Un modello FP8 da 1,05T richiede un ordine di grandezza in più di hardware e uno stack di serving che comprenda il parallelismo degli esperti. Per un team con quattro GPU e un requisito di conformità, il 65B non è l'opzione di compromesso — è l'unica opzione in questo elenco.

Dove ricade effettivamente la decisione di routing

Nessuno dei due modelli è nel catalogo OrcaRouter. Non ci sono affatto modelli Mistral, e neanche Ripple-65B Preview è presente — quindi qualsiasi articolo che ti dica di raggiungere entrambi con un'unica chiave, incluso questo, se lo starebbe inventando. Ciò che è vero è più limitato: i modelli open-weight che instradiamo sono quelli che un acquirente attento ai costi di solito finisce per confrontare con questi due. Kimi K3.1 Pro offre un contesto da 1M e un output massimo di 943K a $2,00 e $10,00 per milione. DeepSeek V4 Pro offre un contesto da 1M e un output da 384K a $0,66 e $1,98. Entrambi sono raggiungibili tramite un unico endpoint compatibile OpenAI con failover automatico, e i prezzi di listino dei fornitori passano senza ricarichi, quindi una variazione di prezzo del fornitore è attiva dalla nostra parte lo stesso giorno.

Ciò conta per questo confronto in un modo specifico. Mistral Large 4.0 è stato lanciato a $1.36 e $4.18, e i $0.70 e $2.10 che la documentazione di Mistral mostra oggi sono la tariffa scontata che ne è seguita. Un prezzo che si dimezza nel giro di un mese è un prezzo che vale la pena verificare anziché memorizzare — ed è il tipo di variazione che un gateway pass-through riflette senza che tu debba cambiare nulla.

Chi dovrebbe scegliere cosa

Scegli Ripple-65B Preview se vuoi possedere i pesi in modo definitivo secondo termini che non devi interpretare, se il tuo carico di lavoro è programmazione agentica in stile terminale anziché ingegneria del software su vasta scala, e se 65B si adatta al tuo hardware. Accetta il fatto che ti stai fidando di una scheda del fornitore che nessun laboratorio indipendente ha riprodotto, che il valore di contesto dipende interamente da come lo servi, e che un 44.3 su DeepSWE è il numero da battere prima di sostituire qualunque cosa tu stia usando ora.

Scegli Mistral Large 4.0 se ti servono anche immagini oltre al testo, se un contesto da 1M con una strategia di serving documentata conta più della semplicità della licenza e se un Intelligence Index misurato di 26 con un costo per task di $2.06 è il tipo di numero che il tuo processo di approvvigionamento accetta. Accetta che la licenza richieda una singola revisione legale, che 1,060.6 GB di pesi rappresentino un diverso livello di impegno infrastrutturale e che Terminal-Bench 4.0 al 28.3% sia il punteggio che la tua valutazione riprodurrà più probabilmente.

L'unica cosa che non farei è scegliere tra loro sulla base dei benchmark principali. Due laboratori, due versioni dei benchmark, due esecuzioni DeepSWE autodichiarate: il confronto che decide è quello che esegui sul tuo repository, ed entrambi i modelli sono abbastanza aperti da renderlo possibile senza chiedere il permesso a nessuno.