Ripple 65B Preview vs Muse Wonder: cosa offre davvero un prezzo 20× superiore

C'è esattamente un benchmark che Ripple 65B Preview e Muse Wonder hanno entrambi pubblicato, alla stessa versione, con numeri che si possono mettere nella stessa frase: DeepSWE 1.1. Muse Wonder di Meta riporta 78,8. Ripple 65B Preview di Ricursive riporta 44,3. Si tratta di un divario di 34,5 punti sul lavoro degli agenti di ingegneria del software, ed è l'unico confronto pulito che i due lanci offrono — tutto il resto è o una revisione diversa del benchmark o una colonna con un trattino.

Quindi la domanda non è se Muse Wonder sia migliore in quel compito. Lo è chiaramente, stando ai numeri dei laboratori stessi. La domanda è se sia migliore quanto basta da giustificare un costo circa venti volte superiore in input e trentatré volte superiore in output. È una decisione reale con una risposta reale, e non è la stessa risposta per ogni carico di lavoro.

Perché DeepSWE 1.1 è una sfida ad armi pari

Entrambi i laboratori hanno eseguito la versione 1.1 della stessa valutazione. Nessuno dei due ha pubblicato una nuova esecuzione da parte di terzi, quindi entrambi i numeri presentano la stessa avvertenza — sono riportati dall'azienda e non riprodotti — ed è proprio questa simmetria a rendere utilizzabile il confronto. Quando due affermazioni sono ugualmente di parte, il divario tra esse resta comunque informativo.

Contrastalo con Terminal-Bench, dove i due laboratori non sono affatto sullo stesso esame. Ripple riporta 80,5 su Terminal-Bench 2.1. Meta riporta Muse Wonder Full a 57,1 su Terminal-Bench 4.0, una revisione successiva e più difficile. Chiunque li allinei per dichiarare Ripple vincitore sta confrontando un modello che ha sostenuto l’esame del 2024 con uno che ha sostenuto quello del 2026. L’impostazione di Meta qui è attenta, mentre il thread di lancio di Ricursive non lo era.

Un'ulteriore avvertenza sul fronte Meta: la tabella JobBench dell'azienda dichiara 75,3 per Muse Wonder Full contro 30,8 per Muse Wonder standard, un divario di 44 punti che nessun valutatore indipendente ha riprodotto. Considera le tabelle di benchmark interne di qualsiasi laboratorio come marketing finché qualcuno esterno all'edificio non le esegue.

Qual è effettivamente la differenza di prezzo

Muse Wonder costa $4,00 per milione di token di input e $20,00 per milione di token di output, con l'input in cache a $0,20. Ripple 65B Preview è listato a $0,20 e $0,60 sul suo primo endpoint ospitato — un dato da prendere con le molle, dato che Ricursive non ha pubblicato alcun listino prezzi e quell'endpoint serve un contesto di 16.384 token rispetto a una finestra pubblicizzata di 1M. Anche prendendo il listino al valore nominale, il rapporto è di 20× sull'input e 33× sull'output.

I rapporti per token lusingano i modelli piccoli e inducono in errore sulle bollette reali, quindi ecco l’aritmetica su un carico di lavoro che potresti effettivamente eseguire. Supponiamo che il tuo agente di programmazione emetta 50 milioni di token di output al mese e legga 200 milioni di token di input per farlo.

• Su Muse Wonder: 200 × $4.00 = $800 di input, più 50 × $20.00 = $1.000 di output. Totale $1.800 al mese.

• Su Ripple 65B Preview alla tariffa indicata: 200 × $0,20 = $40 di input, più 50 × $0,60 = $30 di output. Totale $70 al mese.

• La differenza: {{1}}$1.730 al mese{{/1}}, ovvero circa {{2}}$20.760 all'anno{{/2}}, per lo stesso numero nominale di token.

Ora, la parte che il foglio di calcolo non coglie. Se Ripple fallisce un compito una volta su tre e lo ritenti, il volume effettivo di output aumenta della metà. Con due tentativi aggiuntivi l'hai raddoppiato. Il punto di pareggio non è sottile — Ripple può essere trentatré volte meno efficiente per token e costare comunque meno — ma la modalità di fallimento è peggiore della fattura. Un agente di coding che fallisce un terzo dei suoi compiti non costa solo di più; ti costa l'ingegnere che deve accorgersene, districare e rieseguire il lavoro. Valuta la supervisione, non solo i token.

Artificial Analysis colloca Muse Wonder (Max) a 6,95 $ per attività dell'indice sulla sua pagina live dei modelli — un'unità più onesta rispetto ai dollari per milione, e che non ha equivalente per Ripple, perché nessuno lo ha sottoposto a un set di attività standard.

Cosa fa pagare Meta, oltre ai pesi

Muse Wonder è un modello chiuso con una superficie di input insolitamente ampia: testo, immagini, video, audio e PDF in ingresso, testo in uscita, su un contesto di 1.048.576 token con un limite di output di 131.072 token. Funziona con ragionamento sempre attivo e sei livelli di impegno selezionabili, supporta chiamate parallele agli strumenti e output strutturati, ed espone due funzionalità del tutto assenti dalla scheda di Ripple — Active Memory, che mantiene il contesto tra le conversazioni, e Active Focus, progettata per tenere insieme un compito lungo senza derive.

Che tu te ne debba preoccupare dipende interamente dalla forma del tuo carico di lavoro. Se il tuo agente deve leggere lo screenshot di un test fallito, trascrivere una chiamata con un cliente e riconciliarla con una fattura PDF in un'unica passata, nessuno dei punteggi di benchmark di Ripple ti aiuta, perché Ripple 65B Preview prende testo e restituisce testo. Il divario di modalità non è una differenza di prestazioni che puoi colmare con un prompt migliore.

Muse Wonder (Max) ottiene 44 sull'Intelligence Index di Artificial Analysis — 26º su 66 modelli della sua classe, e sopra la mediana di 36 per i modelli comparabili, anche se non più il 52 vicino alla frontiera riportato dalla copertura della settimana del lancio. L'indice è stato ricostruito a fine ottobre e diversi modelli si sono spostati. Ripple 65B Preview non compare affatto.

Quanto vale Apache 2.0

Ripple 65B Preview è un modello denso da 65 miliardi di parametri con licenza Apache 2.0, con i pesi completi su Hugging Face in BF16 più le varianti NVFP4 e del modello base. In BF16 quel checkpoint pesa circa 130 GB, ovvero territorio DGX Spark o un'esecuzione quantizzata su una macchina più piccola — non un MacBook, nonostante quanto riportato dai resoconti del lancio, a meno che non si esegua la build NVFP4. Ricursive dichiara 250 token al secondo su due B200 con batch size 8 prima di qualsiasi kernel personalizzato, e circa il 40% di MFU durante il pretraining con semplice sharding.

Quello che ti offre è tutto ciò che un modello chiuso ospitato non può darti: la possibilità di fare fine-tuning sui tuoi dati, di eseguire inferenza senza un costo per token e senza che i dati escano dalla tua rete, di fissare una versione per sempre e di servirlo alle 3 di notte senza dipendere dalla status page di qualcun altro. Per un carico di lavoro regolamentato, quell'elenco spesso vale più di 34 punti DeepSWE. Per una startup che lancia un agente questo trimestre, di solito no.

C'è anche un'asimmetria nelle licenze che vale la pena menzionare. Apache 2.0 è pressoché la licenza più permissiva che si possa ottenere con pesi aperti. Muse Wonder è completamente chiuso — il modello gemello a pesi aperti di Meta in questa famiglia è Muse Spark Open, un modello diverso e molto più grande da 816B con 42B parametri attivi e 256 esperti, non una versione più piccola di Wonder. Se i pesi aperti sono un requisito anziché una preferenza, questo confronto finisce qui.

Eseguendo i due fianco a fianco

Nessuno dei due modelli è oggi nel nostro catalogo, e non si intende implicare che lo sarà. Muse Wonder raggiunge gli sviluppatori tramite l'API proprietaria di Meta; Ripple tramite l'endpoint di Ricursive e piattaforme di terze parti, con i pesi su Hugging Face. A cosa serve un router in questa situazione è ciò che entrambi i lanci rendono evidente: non vuoi un percorso di produzione collegato a una Preview vecchia di un giorno la cui stessa scheda dice che i suoi punteggi sono difficili da replicare. Vuoi quel modello dietro un fallback, che riceva una quota di traffico che puoi aumentare man mano che si accumulano le prove — failover automatico verso un modello collaudato in caso di errore o timeout, invece di una riscrittura quando l'esperimento delude.

Quello schema è anche il modo in cui rispondi empiricamente alla questione del prezzo. Instrada il 10% del tuo traffico di programmazione verso Ripple, mantieni il 90% su Muse Wonder e confronta non la bolletta dei token ma il costo per attività completata — incluse le ripetizioni e il tempo umano. Una sola chiave API, una sola riga di fatturazione, e un numero che puoi difendere in una riunione di pianificazione, che è più di quanto ti darà qualsiasi tabella di benchmark.

Chi dovrebbe pagare le venti volte?

Paga per Muse Wonder se il tuo lavoro è multimodale, a lungo termine o rivolto al cliente: agenti che leggono screenshot, assistenti che devono ricordare un utente tra sessioni diverse, qualsiasi caso in cui un tasso di allucinazione del 27% sia già troppo alto e ti serva l'affidabilità che garantisce il post-training di un laboratorio di frontiera. I $6,95 per attività di indicizzazione sono un prezzo equo per un modello che porta a termine il compito.

Esegui Ripple 65B Preview se il lavoro è solo testo, limitato e ad alto volume, e se disponi dell'hardware o di un endpoint economico: classificazione in batch, revisione del codice su una rubrica fissa, un assistente locale, una base per il fine-tuning. A $0,20 e $0,60 è trentatré volte più economico sull'output, e su un carico di lavoro che ne esalta i punti di forza quel rapporto batte un deficit di 34,5 punti su un benchmark.

L'errore sarebbe leggere il divario di DeepSWE come un verdetto. È un solo esame, sostenuto una sola volta, riportato dal laboratorio che lo ha definito. Il numero che dovrebbe farti decidere non è 78,8 contro 44,3 — è ciò che fa il tuo set di attività quando li esegui entrambi, e quel numero non esiste finché non lo generi.