Ripple 65B Preview vs Kimi K3.1 Pro：2つのオープンウェイトリリース、共通ベンチマークはゼロ

2026年11月4日、2つのオープンウェイトモデルが数時間差で登場したが、きちんと比較した人はほとんどいなかった。Ripple 65B Previewは、Ricursive Intelligenceによる650億パラメータのDenseモデルで、12兆トークンを使ってゼロから事前学習され、Apache 2.0ライセンスで公開された。Kimi K3.1 ProはMoonshot AIの1兆パラメータのスパースなフラッグシップモデルで、APIは10月23日に提供開始され、その重み（約1.56 TB）は11月4日に公開された。一方は机の上に置けるほど小さく、もう一方はデータセンターを必要とする。当然の疑問はどちらが優れているかだが、正直な答えは、公表されているどの数値でもそれには答えられないということだ。なぜなら、2つの研究所は同じバージョンでベンチマークを一度も実施していないからだ。

それは修辞的なごまかしではない。このページで最も役に立つことだ。この2つのどちらかを選ぶということは、種類の異なる2つの賭けのどちらかを選ぶということであり、ベンチマーク表がその選択をあなたに代わって下すことはできない。

各モデルが実際に何なのか

Ripple 65B Previewはスパースではなくデンスです。650億個のパラメータすべてが各トークンで発火し、80層の「薄く深い」トランスフォーマーで、残差ストリームの幅は5,120です。Ricursiveはこの設計を、Olmo 3アーキテクチャからGemma 3N的なものへの移行だと説明しています。アテンションヘッドを過剰に用意し、スライディングウィンドウ対グローバルアテンションの比率を高め、ゲート付きアテンション、グローバルNoPE、バリュー残差、FFN活性化クリッピングを採用しています。学習は8K系列長で877,500ステップ、テキストのみで主に英語とコードのコーパスに対して行われ、その後ミッドトレーニング、長コンテキスト段階、エージェント型コーディングに焦点を当てた軽量RLが実施されました。Ricursiveは計算費用を3200万ドルと見積もっています。

Kimi K3.1 Proは正反対の構成です。兆パラメータ級のMixture-of-Expertsモデルで、サードパーティの追跡調査では総パラメータ約2.8T、トークンあたり約104Bがアクティブとされています。Moonshotのリリースノートでは、数百のドメインにまたがるはるかに大きなRL予算でポストトレーニングされたK3と説明されています。同社の発表資料ではK3のポストトレーニング版とされていますが、モデルカードにはより具体的な内容が記されています。バックボーンは24層のGated MLAから24層のGated DSAに移行しました。テキスト、画像、動画の入力、設定可能な推論エフォート、1,048,576トークンのコンテキストウィンドウを備えています。

• パラメータ — 65B dense（全アクティブ）対 総計約2.8T／アクティブ約104B（第三者トラッカー調べ）

• コンテキスト — 宣伝されている 1M トークン 対 実際に提供される 1,048,576 トークン（宣伝値と提供値）

• ライセンス — Apache 2.0 対、名称変更された Kimi K3 ライセンス（2,000万ドル/12か月の MaaS しきい値付き）

• ディスク上の重み — 単一リポジトリの BF16 チェックポイントに NVFP4 とベースバリアントを加えたもの 対 96 個の MXFP4 シャードにまたがる約 1.56 TB

• モダリティ — テキスト入力・テキスト出力 対 テキスト・画像・動画入力、テキスト出力

• 価格 — 第三者による掲載では入力/出力100万トークンあたり$0.20 / $0.60、一方、当社自身のカタログに記載の料金は$2.00 / $10.00

大差に見えるその数字は、実は大差ではない

RippleのカードにはTerminal-Bench 2.1で80.5と報告されている。Kimiの発表ではTerminal-Bench 4.0で65.7と報告されている。これらを並べると、Rippleはサイズが何分の一かでありながら、約15ポイント勝っているように見える。その比較は無意味であり、両方の発表スレッドへの返信で絶えず行われている。

Terminal-Bench 4.0は、2.1よりも後発でより難しいハーネスの改訂版である。2.1のタスクセットで80を記録するモデルが、4.0で65.7を記録するモデルから15ポイント以内にあることは示されていない。示されているのは、そのモデルが別の試験を受けたということである。同じ罠は、周囲に出回っている他の比較も飲み込む。RippleのSWE-bench Pro v2.0 Hardでの79.1、DeepSWE 1.1での44.3、SWE-bench Verifiedでの76.5と、KimiのSWE Marathon v1.1での51.7、Kimi Code Bench 3.0 Long-horizonでの61.2である。これらは6つのベンチマークであり、共通するものは1つもない。

単一のラボが単一のベンチマークを測定する場合でも、ハーネスが違えば自らの結果と食い違う。Kimi K3.1 Pro の Terminal-Bench 4.0 の数値は、Moonshot では 65.7、Vals AI では 63.6、Artificial Analysis では 67 として現れる。同じモデル、同じベンチマークバージョンでありながら 3.4 ポイントの開きがあり、これは純粋にツール類の違いによるものだ。1 つのモデルで 1 つのベンチマークを 3 回実行しただけでそれほどばらつくなら、2 つのモデルをバージョン横断で比較することは測定ではない。それは飾りにすぎない。

Ricursiveは自社のカードでも同じことを、ローンチスレッドよりも控えめに述べている。カードには「ベンチマークスコアの再現は困難だった」とあり、スコアはBF16で最大限の努力を払って取得されたものだと記されている。80.5をスライドに載せる前に、その文を二度読んでください。

実際に比較できる軸

二つの事柄は、ベンチマークスコアではないという理由で、直接比較できる。モデルにかかるコストと、実行にかかる手間である。

価格について言えば、差はおよそ10対1だ。Kimi K3.1 Proは当社のカタログで入力トークン100万個あたり$2.00、出力トークン100万個あたり$10.00で、Moonshotの定価をマークアップなしでそのまま反映している。Ripple 65B Previewは最初のホスト型エンドポイントで$0.20と$0.60で掲載されている——この数字は暫定的なものとして扱うべきだ。Ricursiveが自社の料金表を公開していないからだ。同じエンドポイントは、1Mと宣伝されているウィンドウに対して16,384トークンのコンテキストを提供しており、少なくとも1つのトラッカーはこのモデルをプロプライエタリと分類しているが、その重みはApache 2.0の下でHugging Faceに公開されている。トラッカーがライセンスについてそれほど間違っているのなら、その価格設定にも同じ懐疑心が向けられるべきだ。

より大きなコスト差は、トークンあたりではなく回答あたりにある。Kimi K3.1 Proは推論モデルで、Artificial Analysisインデックスのタスク1件あたり約55,000出力トークンを生成する。出力100万トークンあたり10ドルなので、これはインデックスのタスク1件あたりのコスト1.98ドルの大部分を占める。Rippleの数値は、軽いポストトレーニングのみで、設定可能な推論ラダーを持たないモデルから得られたものだ。したがって出力ははるかに少ないはずだが、誰かが同じタスクセットを両方で実行するまでは、タスクあたりの数値は推定であって事実ではない。小規模モデルが通常優位に立つのは、トークンあたりのドルではなく回答あたりのトークン数であり、ローンチスレッド上の比較が決して踏み込まないのもそこだ。

デプロイの時点で、両者は完全に道を分かつ。

Kimi K3.1 Proのダウンロードは、MXFP4の96個のsafetensorsシャードで約1.56 TBあり、QATによってその幅でも品質が維持されます。ワークステーションで動かせるものではありません。現実的な選択肢はホスト型エンドポイントかマルチノードクラスタであり、ライセンスには規模の拡大時に重要となる商用しきい値が追加されています。すなわち、2,000万ドル/12か月のMaaSトリガーに加え、月間1億ユーザーまたは月間2,000万ドル収益での名称条項です。

Ripple 65B Previewは、そのスペクトルのもう一端に向けて作られている。BF16ではチェックポイントは約130 GBあり、発表報道の「MacBookで動く」という一文が、それが認めている以上に大きな荷を負っているのはそのためだ。130 GBは量子化なしではノートPCの統合メモリに収まらない。Ricursiveのカードが実際に謳っているのはNVIDIA DGX Sparkであり、さらにカスタムカーネル適用前で、バッチサイズ8の2台のB200上で毎秒250トークンだ。リポジトリにはNVFP4版も含まれており、小規模マシンへの展開を現実的にするのはこちらである。

つまり、デプロイの問いにはベンチマークより先に答えが出る。DGX Sparkがあり、GPUの予算がないなら、Rippleは自分で持てるモデルだ。予備のラックも、1.56 TBをダウンロードする気もないなら、Kimiは借りるモデルだ。

どちらかを呼び出す

ここで両者は対称ではなくなります。Kimi K3.1 Proは本日、定価レートでOrcaRouterにて提供中 — 入力$2.00、出力$10.00、マークアップ0%なので、Moonshotが値下げすると、次の請求サイクルではなく当日にその変更があなたのキーに反映されます。1つのキーでそのモデルとカタログの残りのモデルをまとめてカバーできるため、安価なデフォルトの背後に高価なエスカレーション層としてKimiを運用している場合に重要です。

Ripple 65B Previewは当社のカタログにはなく、そうでないふりをするつもりもありません。このモデルはRicursive独自のエンドポイントとサードパーティ製プラットフォームを通じてAPIに到達でき、重みを直接入手したい場合はHugging Faceにあります。自らのスコアが再現しにくいことをカードで認めている真新しいPreviewリリースは、モデルを本番経路に直結するのではなくルーターの背後に置きたいまさにそういうケースです——ただしそれは、ベンダーがサードパーティのルーティングに開放して初めて役に立ちます。

どちらを選ぶべきですか

{{1}}Kimi K3.1 Pro{{/1}}を選ぶべきなのは、作業が長期的かつオープンエンドな場合です。大規模リポジトリ全体にわたる大規模なリファクタリング、20万トークン以上の文書分析、画像入力によって別途のOCRステップを省けるもの、または数百回のツール呼び出しにわたってモデルに計画を維持してほしいものです。フロンティアに近い価格を払っているのですから、フロンティアに近い挙動を期待すべきです。ハーネス間の3.4ポイントの差はノイズであり、100万トークンのコンテキストとマルチモーダル入力はノイズではありません。

作業が有界で、トークンごとの支払いをやめたいなら Ripple 65B Preview を選べ。固定タスクセット上で動くコーディングエージェント、すでに所有しているハードウェア上で動くローカルアシスタント、ファインチューニング対象などが該当する。Apache 2.0 と 65B の密なチェックポイントは、1.56 TB の MoE よりもはるかに取り組みやすい出発点だ。80.5 は、モデルを作ったラボによる、他に誰も公開していないベンチマーク改訂版に基づく主張として扱い、本番判断に近づける前に自分のタスクで検証せよ。

そして、これを実際に決着させる比較は、まだ存在しない。誰も Ripple 65B Preview と Kimi K3.1 Pro を同じバージョンで同じハーネスにかけてはいない。誰かがそうするまで、唯一誠実なランキングは形によるものだ。自分で所有できる小型モデルと、借りられる大型モデルを、価格比およそ10対1で、決着をつける共通の試験もなしに比べるという形だ。