Ripple-65B Preview vs Ripple-65B: perché il secondo nome non ha un modello dietro

Cerca Ripple-65B Preview e troverai un modello documentato: un checkpoint denso da 65B con licenza Apache 2.0 di Ricursive Intelligence, creato il 4 novembre 2026, con una card, quattro repository e un punteggio di 80,52 dichiarato dal fornitore su Terminal-Bench 2.1. Cerca Ripple-65B — lo stesso nome con il suffisso rimosso — e troverai quel modello, più e più volte, con nomi file diversi. Non esiste una versione finale separata. L'organizzazione Hugging Face elenca quattro repository pubblici — Ripple-65B-Preview, Ripple-65B-Preview-NVFP4, Ripple-65B-Base-Preview e Ripple-65B-Preview-DFlash2 — e nessuno di essi omette la parola "Preview".

Il che rende questa una pagina di confronto insolita, e il modo onesto di scriverla è dirlo subito. Ripple-65B non è un rivale di Ripple-65B Preview. È un nome che le persone cercano, un segnaposto per un rilascio che non è ancora avvenuto e — cosa più utile — un'occasione per rispondere alla domanda che quelle ricerche pongono davvero: stai ottenendo il modello finito o stai ottenendo uno snapshot che il laboratorio ti ha detto essere carente nel post-training?

Cosa significa "Preview" su questa particolare scheda

Il suffisso qui non è decorativo, e Ricursive è insolitamente esplicito al riguardo. La model card descrive il rilascio come caratterizzato da un post-training relativamente leggero: 200 miliardi di token di mid-training, 183 miliardi di token di supervised fine-tuning, 13,5 miliardi di token di SFT per contesti lunghi, 700 passi di RL, oltre a un ciclo di pretraining da 12 trilioni di token con una lunghezza di sequenza di 8K. Tutto è addestrato da zero, e l'impostazione dell'azienda è che il budget di post-training fosse deliberatamente ridotto rispetto al pretraining.

Quella combinazione — base enorme, allineamento ridotto — è ciò che produce un checkpoint che ottiene 80,52 su Terminal-Bench 2.1 mentre si ferma a 44,3 su DeepSWE 1.1 e 39,4 su SciCode. Le prestazioni agentiche al terminale rappresentano lavoro concreto. L'ampiezza nell'ingegneria del software sembra la parte che un ciclo di post-training più lungo toccherebbe per prima. Un Ripple-65B finale sarebbe, in questa lettura, un modello migliore proprio sugli assi in cui la Preview è più debole.

Ricursive non si è impegnata a fornirne uno. Non c'è una roadmap, nessuna riga "rilascio finale nel Q4" nel post di lancio e nessun repository successore con una data. Quando ArtificialWatch ha seguito il lancio, ha osservato che "la GA senza il tag Preview è ancora di là da venire" — una sintesi accurata di uno stato che non è cambiato da allora.

I quattro repository, e a cosa serve davvero ciascuno

La confusione sui nomi peggiora prima di migliorare, perché due dei quattro repository sembrano poter essere il modello finale e nessuno dei due lo è.

• Ripple-65B-Preview — il checkpoint instruct principale. BF16, 64.782.689.360 parametri, 129,6 GB su 16 shard, Apache 2.0, senza restrizioni di accesso. È quello a cui fa riferimento ogni numero di benchmark.

• Ripple-65B-Preview-NVFP4 — lo stesso modello instruct quantizzato con ModelOpt, 39.616.865.360 parametri memorizzati, contrassegnato come 8-bit. Non è un modello diverso; un contenitore più piccolo per gli stessi pesi.

• Ripple-65B-Base-Preview — creato il 14 ottobre 2026, tre settimane prima del rilascio instruct. Questa è la base pre-addestrata, valutata separatamente: MMLU 83,7, MMLU-Pro 61,5, GPQA Diamond 38,4, HumanEval 70,9, MBPP Sanitized 81,5. Quei numeri sembrano allarmanti accanto agli 89,6 e 85,2 della scheda instruct, finché non si ricorda che sono punteggi di modello base — pre-SFT, pre-RL, con risposte in stile completion. È il punto di partenza corretto se intendi fare il tuo post-training, e quello sbagliato se vuoi un assistente.

Ripple-65B-Preview-DFlash2 — 4,04 miliardi di parametri, un drafter per la decodifica speculativa. Propone token che il modello da 65B deve verificare e non è in grado di generare nulla da solo; la sua scheda afferma esplicitamente che «richiede che il modello di destinazione generi il testo».

Quattro repository, un modello, tre dei quali varianti di un checkpoint e uno dei quali un componente. Nessuno ne ha pubblicato un quinto.

Se un Ripple-65B finale venisse effettivamente rilasciato, cosa cambierebbe?

Questa è la parte costruttiva del confronto, e vale la pena essere concreti invece di alludere a un «post-training migliore».

• La questione del contesto probabilmente si risolverebbe. La Preview dichiara fino a 1M, addestrata su sequenze da 2M token nelle sue fasi a contesto lungo, mentre le schede commerciali hanno offerto 16.384 e, più di recente, hanno messo in primo piano 128K. Un rilascio finale è il momento naturale in cui un laboratorio può dire per cosa è effettivamente validato il modello, anziché per cosa lo supporta l'architettura.

• DeepSWE e SciCode sarebbero i numeri da tenere d'occhio. Sono i punti in cui la Preview è indietro rispetto a modelli che altrove supera, e sono i benchmark che rispondono più direttamente a più RL e più SFT su repository reali.

• A quel punto esisterebbe probabilmente un punteggio indipendente. Oggi Artificial Analysis non ha alcuna voce per nessuno slug di Ripple, il che significa che ogni cifra in circolazione è dichiarata dal fornitore. Il rilascio GA è il momento in cui gli aggregatori di solito iniziano a considerare un modello.

• La licenza probabilmente resterebbe Apache 2.0. Nulla nel lancio suggerisce che Ricursive intenda fare marcia indietro, ed è la singola proprietà più preziosa del rilascio.

Niente di tutto ciò è annunciato. È un'inferenza basata su ciò che la scheda dice del proprio budget di post-addestramento, e va interpretata come tale.

La trappola del nome, e perché conta in pratica

Se stai collegando questo modello a un file di configurazione, la distinzione smette di essere accademica. L'identificatore che viene risolto è ricursiveAI/Ripple-65B-Preview. Una richiesta per ricursiveAI/Ripple-65B non restituisce nulla, perché non esiste nulla con quel nome — e una pipeline che ripiega silenziosamente su una corrispondenza approssimativa o fallirà o, peggio, servirà tranquillamente un checkpoint base dove ne aspettavi uno instruct.

La stessa trappola esiste al contrario con il modello base. Ripple-65B-Base-Preview è un repository reale con pesi reali, ed è un artefatto genuinamente diverso dalla release instruct: punteggi diversi, comportamento diverso, scopo diverso. Chiunque confronti i punteggi di "{{1}}Ripple-65B{{/1}}" sul web sta quasi certamente mescolando gli 89,6 MMLU della scheda instruct con gli 83,7 della scheda base senza accorgersi che provengono da due repository diversi.

Seguono tre regole pratiche. Fissa l'id esatto del repository e un hash di revisione, non il nome di una famiglia. Non dare per scontato che un endpoint ospitato e il download BF16 siano lo stesso prodotto: quello ospitato potrebbe essere NVFP4, potrebbe essere una revisione diversa e quasi certamente avrà un limite di contesto diverso. E se uno strumento o una classifica elenca "Ripple-65B" senza il suffisso, verifica a quale repository si riferisce prima di citare il numero.

Cosa puoi fare con Preview oggi

Parecchio, in effetti, e più di quanto fosse vero una settimana fa. I pesi sono senza restrizioni e Apache 2.0, quindi non c'è alcuna fase di approvazione. Dal 5 novembre, vLLM ha integrato il supporto nativo — un RicursiveConfig integrato, parser per reasoning e tool-call, e una recipe che usa NVFP4 per impostazione predefinita su una singola B300 — il che significa che il checkpoint si carica senza --trust-remote-code nel motore che la maggior parte dei team già utilizza. Una pull request parallela per SGLang è ancora aperta, quindi attualmente vLLM è l'unico motore mainstream in cui questa è un'architettura supportata anziché uno script esterno.

Dal punto di vista commerciale, il modello viene erogato a circa $0,20 per milione di token di input e $0,60 per milione di output, con l'input in cache fatturato a una frazione di tale importo. Queste tariffe descrivono la Preview, poiché è l'unica cosa che c'è da erogare.

OrcaRouter non lo offre. Vale la pena dirlo chiaramente, perché una pagina di confronto che finisse per lasciar intendere che si possano raggiungere entrambi i lati tramite noi sarebbe fuorviante — c'è solo un lato, e non lo ospitiamo. Quello che instradiamo è il campo circostante: Kimi K3.1 Pro a $2,00 e $10,00 per milione con contesto da 1M, DeepSeek V4 Pro a $0,66 e $1,98 con contesto da 1M e output da 384K, Qwen3.8 Max a $2,00 e $6,00. Se il motivo per cui stai leggendo di un coder open-weight da 65B è che vuoi un modello agentico economico senza un ciclo di approvvigionamento, questi sono quelli sulla stessa chiave di tutto il resto, con failover e prezzi pass-through. Ripple è quello che ospiti o acquisti separatamente.

La risposta breve

Se qualcuno ti chiede la differenza tra Ripple-65B Preview e Ripple-65B, la risposta accurata è che il secondo non esiste ancora. Il Preview è il modello: 65B dense, Apache 2.0, 12 trilioni di token di pretraining, leggermente post-addestrato, 80,52 su Terminal-Bench 2.1 secondo la sua stessa misurazione, non classificato da alcuna classifica indipendente, ed erogato con una finestra di contesto che dipende da chi lo serve.

Ciò che aggiungerebbe una versione finale è una cifra di contesto definita, numeri migliori sui benchmark di ingegneria del software dove Preview è più debole, e probabilmente la prima verifica esterna che il modello abbia mai avuto. Finché Ricursive non la rilascia, ogni confronto con "Ripple-65B" che leggi — inclusi quelli che sostengono di confrontarlo con Preview — sta confrontando un modello con un termine di ricerca.