Ripple 65B Preview 対 Claude Opus 5.5：2つのエージェント型コーダー、2つの異なる試験

Ripple 65B PreviewはTerminal-Benchで80.5を報告している。Claude Opus 5.5は66.4を報告している。この2つの数字を同じ列に並べると、2026年11月4日にRicursive Intelligenceが公開した650億パラメータのオープンウェイトモデルが、エージェント的コーディング作業に最も近いベンチマークでAnthropicのフラッグシップを14ポイント上回っているように見える。そうではない。Rippleの数値はTerminal-Bench 2.1だ。Opus 5.5の数値はTerminal-Bench 4.0だ。両者は同じ試験ではなく、同じ採点方法でもなく、この2バージョンの歴史こそ、どちらの数値も判定として扱う前に購入者が知っておくべき最も有用な事柄だ。

その差は、現行の優位者を守るために作られた技術的な言い逃れではない。それは記録に残された崩壊だ。2026年9月8日、SemiAnalysisが同じモデルを両バージョンで実行したところ、Claude Fable 5.1は2.1の91.4から4.0の55.8へ、GPT-6 Astraは88.4から57.7へ、Gemini 3.8 Flashは89.4から19.1へと低下した——まったく変わっていないモデルで70ポイントの下落だ。Terminal-Bench 4.0は8つのタスクを削除し、さらに19のタスクを修正し、一律8時間のタイムアウトを適用し、改ざん耐性チェックを追加した。2.1のスコアと4.0のスコアは、名前以外に何も共有していない。

各モデルが実際に何なのか

Ripple 65B Previewはdenseモデルであり、Mixture of Expertsではありません。650億個のパラメータを持ち、そのすべてがトークンごとに有効で、80層の「薄く深い」トランスフォーマーと5,120幅の残差ストリームを備えています。Ricursiveのモデルカードには、追加のアテンションヘッド、より高いスライディングウィンドウ対グローバルアテンション比、より小さいスライディングウィンドウ、FFN活性化クリッピング、ゲート付きアテンション、グローバルNoPE、バリュー残差が記載されており、RicursiveはこれらをGemma 3Nに似た選択だと説明しています。Apache 2.0で、12兆トークンで学習され、最大100万トークンのコンテキストをうたっています。

Claude Opus 5.5は2026年9月22日にリリースされたクローズドモデルで、100万トークンのコンテキストウィンドウ、最大128,000トークンの出力、テキストおよび画像入力、常時有効な適応型思考を備えています。これはOpus 5からの破壊的変更で、Opus 5では思考はオプトインでした。5つのエフォートレベルを備えており、mediumがデフォルトです。これは重要です。公開されているOpus 5.5のベンチマークはほぼすべて、maxまたはxhighで実行されており、ほとんどのAPI呼び出しが使用する設定では実行されていません。

• パラメータ — 65Bのdenseモデル、全パラメータがアクティブ vs 非公開、クローズドウェイト

• ライセンス — Apache 2.0、ダウンロード可能 vs プロプライエタリ、API のみ

• コンテキスト — 公称最大1M vs 1M、最大出力128K

• リリース — 2026年11月4日 対 2026年9月22日

• 価格 — ベンダー定価なし。ホステッド料金は100万トークンあたり約$0.20/$0.60（対して$4.00入力/$20.00出力、$0.20キャッシュ読み取り）

• 独立スコア — まだなし（Artificial Analysis Intelligence Index v5.0.1 では59）

バージョンが一致する唯一の行

Terminal-Benchは、ローンチが議論を望む場所だ。SWE-bench Proは興味深くなり、DeepSWE v1.1は居心地が悪くなる場所だ。

Opus 5.5のSWE-bench Proの数値は89.9で、Anthropicのシステムカードによるものだ。Rippleの数値は79.1だが、それはv2.0-Hard上での話であり、同社自身のカードにはv1.0での61.42が別途記載されている。数字は3つ、ベンダーは2社、タスクセットは少なくとも2種類。ここにあるものはどれも、他の何かから差し引くことはできない。

DeepSWE v1.1は事情が異なります。両ラボともそのスコアを公開しており、どちらもTerminal-Benchがバージョン改訂されたような形で再バージョン化していません。Opus 5.5は74.2。Ripple 65B Previewは44.3。これは双方が公開を選んだベンチマークにおける30ポイントの差であり、Terminal-Benchのチャートとは逆方向を示しています。DeepSWEはシェルタスクではなく実際のリポジトリ作業を中心に構築されたソフトウェアエンジニアリングエージェント向けベンチマークなので、Rippleが狙う対象——コーディングエージェント——にとっては、2つのうちより関連性が高いと言えるでしょう。

これがこのローンチの正直な読み方だ。Rippleの看板スコアは2.1で、自社カードでは、同一バージョン比較が存在する唯一のエージェント型コーディングベンチマークで44.3を示しており、比較対象のモデルがその行で大差をつけて勝っている。だからといってRippleが悪いモデルになるわけではない。それは80.5という数字が特定の試験についてのものだというだけだ。

3200万ドルで買えるもの、そして買えないもの

Ricursiveの最も興味深い主張はベンチマークではない。研究開発の取り組み全体で3200万ドルかかったという主張だ。これは、エージェント型コーディングにおける従来のオープンウェイト最先端にかかったと同社が述べる費用のおよそ10分の1であり、140万回の強化学習ロールアウト——Reflection Beam 501Bより約70分の1少ない——によって、モデルFLOPs利用率40%で達成された。

それが本当なら、あらゆるベンチマークでの80.5よりも大きな意味を持つ。この能力層に参入するコストが一桁下がったということだからだ。モデルの形も説明がつく。80層で65Bのdenseは、安価に学習・提供できる設計であり、Ricursiveは量子化前の段階で、バッチサイズ8のB200 2基上で毎秒250トークンを報告している。比較点として、Opus 5.5はArtificial Analysisのハーネスで毎秒112トークンを計測している。

3200万ドルでは買えないもの、それは独立した検証だ。Rippleの数値について第三者による再実行が公開されたものはまだなく、このモデルは標準的な中立的評価ボードであるArtificial Analysis Intelligence Indexにまったく掲載されていない。Opus 5.5はそのインデックスで59、バージョン5.0.1、インデックスタスクあたり$10.04の計算コストに位置している。Rippleがエントリを得るまで、それに関するクロスモデルのあらゆる主張はベンダー提供の表に依拠している。

価格の議論を、きちんと行う

誘惑的な一文は、Ripple はトークンあたり20〜30倍安いというものだ。正確な一文は、Ripple には定価がないというものだ。なぜなら、価格を掲載する対象が何もないからだ。重みは Apache 2.0 で、ダウンロード可能である。第三者のカタログは、入力100万トークンあたり約0.20ドル、出力100万トークンあたり約0.60ドルというホスティング料金を提示しているが、それはホスティング料金であり、ベンダーの料金表ではない。セルフホスティングでは、コストはGPUとエンジニアリング時間になり、定常状態では安く、初日は高くつく。

Opus 5.5は正反対の取引です。100万トークンあたり入力4ドル、出力20ドルは今日スプレッドシートに入れられる現実的な数字で、$0.20のキャッシュ読み取りにより、安定したプレフィックスを持つ長いエージェントループは見出しの価格から想像されるよりかなり安くなります。OrcaRouterでは、それは200を超えるモデルのひとつで、0%のマークアップで単一のキーから利用でき—プロバイダーの定価がそのまま適用されるため、Anthropicの価格変更は次の請求照合時ではなく当日に反映されます。

RippleはOrcaRouterのカタログには含まれておらず、本記事のいかなる記述も、当社がそれを提供しているものと解釈されるべきではありません。その重みはHugging Face上にあり、ローンチの発表ではホスティングパートナーが挙げられています。自分で実行するのではなくAPIとして呼び出したい場合は、そちらのルートになります。

どちらを選ぶべきですか

コンプライアンスレビューを伴うプロプライエタリなコードベース上でコーディングエージェントを動かすのであれば、Opus 5.5 が正当化できる選択であり、ベンチマークの議論は接戦ですらない。独立したインデックススコア、システムカード、公開された SWE-bench Pro の数値、そして 128K の出力を備えた 1M ウィンドウがある。あなたはモデルと同じくらい監査証跡にも費用を払っているのだ。

高ボリュームかつ範囲の狭いエージェントループで、プロンプトが安定しており、コーパスが自社のもので、コストが制約になっているワークロードなら、B200 2台に収まる65B Apache-2.0モデルは、出力100万トークンあたり20ドルのAPIとはまったく別の選択肢です。コミットする前に答えるべき問いは「80.5は66.4より大きいか」ではなく、「置き換え対象のモデルに対して、RippleはDeepSWEで何点を取るのか」であり、現時点で記録されている答えは44.3対74.2です。

注目に値するのは、また別のベンダーのチャートではない。それはTerminal-Bench 4.0におけるRipple 65B Previewの初の独立した実行だ。この比較のすべてはその数値にかかっている。