Ripple-65B Preview: Apache 2.0-gewichten, een claim van 1M tokens en een 16K-API

Ripple-65B Preview, uitgebracht door Ricursive Intelligence op 4 november 2026, is twee verschillende producten, afhankelijk van hoe je het benadert. De download bestaat uit 129,6 GB aan gewichten onder Apache 2.0, waarvan de modelkaart een context van "tot 1M" tokens adverteert. Het eerste commerciële endpoint met dezelfde checkpoint adverteert 16.384. Beide getallen beschrijven hetzelfde model, en de afstand daartussen is het nuttigste dat een ontwikkelaar over deze release kan weten voordat hij er een dag aan besteedt.

De kop van het lab is smaller dan de lanceringspost doet vermoeden en interessanter dan de berichtgeving tot nu toe heeft opgemerkt. Ricursive claimt een Amerikaanse open-weight state of the art op agentic coding — 80,52 op Terminal-Bench 2.1 — met een 65B dense model dat naar verluidt voor $32M is getraind. Dat is een echte claim over een echt artefact: de weights zijn downloadbaar, zonder toegangsbeperkingen, en gelicentieerd voor commercieel gebruik zonder onderhandelde overeenkomst. Het is ook, per 5 november, volledig gebaseerd op opgaven van de leverancier. Artificial Analysis heeft geen vermelding voor het model.

Wat er daadwerkelijk op Hugging Face is verschenen

Vier repositories zijn op 4 november verschenen, en de verschillen zijn van belang omdat ze bepalen welke hardware je nodig hebt:

• Ripple-65B Preview — de op instructies afgestemde BF16-checkpoint, 16 safetensors-shards met een totaal van 129,57 GB, Apache 2.0, niet achter een toegangsbeperking.

• Ripple-65B Preview NVFP4 — een experimentele 4-bit-build van 57,22 GB verdeeld over 6 shards, waarbij de MLP-lagen worden gekwantiseerd terwijl attention in BF16 blijft.

• Ripple-65B Base Preview — het checkpoint met alleen pretraining, geen midtraining, geen synthetische QA-data, ook 129,57 GB.

• Ripple-65B Preview DFlash2 — een conceptmodel van 8,08 GB voor speculatief decoderen, 4,04B parameters, dat blokken van 16 tokens opstelt ten opzichte van het doelmodel.

De architectuur is een bewuste terugkeer naar vroeger. Waar elk ander lab van deze omvang op mixture-of-experts is overgestapt, bouwde Ricursive een dense Transformer, dun en diep: d_model 5120, 80 lagen, 80 attention heads die 8 key-value-heads delen, een vocabulaire van 100.352 tokens, en een sliding window van 1.024 tokens toegepast over een hybride laagpatroon. FFN-activatieclipping, gated attention, global NoPE en value-residuals maken de aanpassingen compleet die het team oppikte tijdens het opklimmen vanaf een Olmo 3-baseline.

De trainingsstack is in meer detail gepubliceerd dan de meeste modelkaarten zich de moeite getroosten: 12T tokens pretraining bij sequentielengte 8K, 200B tokens midtraining bij 64K, 6,5B tokens lange-contextuitbreiding bij 2M, 183B tokens SFT bij 128K, en 700 RL-stappen bij 128K. Het team groeide tijdens de ontwikkeling van één persoon naar vijf, en rapporteert 40% MFU zonder aangepaste kernels.

Eén waarschuwing over de naam, want zoekresultaten halen het al door elkaar: Ricursive Intelligence is het chipontwerplaboratorium waarvan de lanceerpost het co-optimaliseren van hardware, software en modellen beschrijft. Het is niet Recursive, de startup voor zelfverbeterende AI achter Flint. De twee bedrijven zijn niet verwant, en berichtgeving die ze door elkaar haalt, is onjuist.

De benchmarkclaim, en hoe ver die reikt

Terminal-Bench 2.1 is waar de lancering staat of valt, en het cijfer is 80.52. Ricursive plaatst het daarmee boven Reflection Beam 501B op 80.1, Meta Muse Spark Open 816B op 76.4, Thinking Machines Inkling 975B op 63.8, en NVIDIA Nemotron 3 Ultra 550B op 56.4 — allemaal tussen zeven en vijftien keer groter in totale parameters.

Wat die tabel meer waard maakt dan het gebruikelijke leveranciersblad, is een tweede kolom. Ricursive heeft de vergelijking opnieuw uitgevoerd onder de officiële Terminus 2-harness op 128K met samenvatting, en meldt dat de scores bijna overal verschoven, behalve bij henzelf: Ripple bleef op 80,5, Muse Spark steeg naar 78,7, Reflection Beam daalde van 80,1 naar 70,8, Inkling van 63,8 naar 56,2, Nemotron van 56,4 naar 55,1. Een lab dat de harness publiceert waarin zijn eigen score vlak blijft en de scores van concurrenten instorten, doet iets wat de meeste lanceringsposts vermijden. Het is nog steeds een lab dat zijn eigen huiswerk nakijkt — elk getal in die tabel is geproduceerd door Ricursive's evalflow — maar de gradiënt wijst de goede kant op.

De bewering reikt niet verder zodra je de terminal verlaat. Op DeepSWE 1.1 scoort Ripple 44,3 tegenover 60,0 van Muse Spark. Op MCP Atlas is het 71,67, achter Muse Spark met 89,2 en Inkling met 76,0. Op SciCode staat het als laatste van de vijf op 39,4, achter Beam met 49,2 en Muse Spark met 58,5. Het patroon is consistent: Ripple is sterk in langdurig terminalwerk en meerstaps softwaretaken, en middelmatig in het genereren van wetenschappelijke code en de breedte van toolprotocollen. Als je workload een agent is die zich door een shell heen klikt, is de bewering op jou gericht. Is die een assistent die zwaar op MCP leunt, dan niet.

En de framing doet stilletjes zijn werk. “{{1}}Amerikaanse open-weight state of the art{{/1}}” is een kwalificatie, geen voorvoegsel om over te slaan. Het sluit DeepSeek, Qwen en elk ander niet-Amerikaans lab uit, dus het is een claim over het beste open-weightmodel dat in de Verenigde Staten is getraind, niet over het beste open-weightmodel.

Het basismodel is het eerlijkere document.

De Base Preview-kaart bevat een zin waarmee het lanceringsbericht niet opent: het voorgetrainde checkpoint is “vergelijkbaar met DeepSeek V3.1 en V4 Flash op redeneren, wiskunde en code,” terwijl Nemotron 3 Ultra “domineert op traditionele pretraining-evaluaties.” De cijfers onderbouwen die bescheidenheid. Base MMLU-Pro staat op 61,5, tegenover 68,3 voor DeepSeek V4 Flash 284B en 79,1 voor Nemotron 3 Ultra 550B. Base GPQA Diamond staat op 38,4, ruim onder V4 Flash met 44,4.

Lees die twee tabellen samen en het verhaal wordt scherper. Ripples voorgetrainde prior is respectabel maar middenmoot voor een 12T-tokenrun — het kleinste pretrainingbudget in zijn eigen vergelijkingsset, tegenover 20T voor Nemotron en 32T+ voor V4 Flash. Bijna al het voordeel bij agentisch coderen komt uit de post-training-stack: de midtraining-datamix, de langecontextuitbreiding en 700 RL-stappen waarvan Ricursive zegt dat ze 80,5 bereikten in 1,4M rollouts, ongeveer 70x minder dan Reflection Beam nodig had. Dat is een interessanter resultaat dan de benchmarktabel, en een kwetsbaarder resultaat — een zware RL-klim op synthetische omgevingen met een lange horizon is precies het soort recept dat ongelijkmatig overdraagt naar taken waarvoor het lab niet heeft getraind.

Waarom bestaat het contextnummer uit twee getallen?

De modelkaart zegt 1M. De config zegt max_position_embeddings 2.097.152. Het gehoste endpoint zegt 16.384 met een uitvoerplafond van 14.745 tokens. Niemand liegt; dit zijn drie verschillende dingen, en de berekening verklaart waarom de eerste host het getal koos dat hij koos.

De KV-cache is waar je voor een lange context betaalt. Met 80 lagen, 8 KV-heads, een head-dimensie van 128 en BF16-opslag kost elke laag 4.096 bytes cache per token — 2.048 voor keys en 2.048 voor values. Over alle 80 lagen is dat ongeveer 0,33 MB per token. Bij de 16.384 tokens van het endpoint is dat ongeveer 5,4 GB. Bij een miljoen tokens, waarbij elke laag globale attention toepast, zou dat ongeveer 344 GB cache zijn bovenop 130 GB aan gewichten.

Daar is het schuifvenster voor bedoeld. De meeste lagen van Ripple richten hun aandacht binnen een venster van 1.024 tokens; een minderheid doet dat globaal, en alleen die groeien mee met de context. Als 16 van de 80 lagen globaal zijn, kost een miljoen tokens ongeveer 69 GB cache in plaats van 344 GB — veel, maar te serveren op een multi-GPU-node. De precieze verdeling wordt bepaald door het hybride laagpatroon in config.json, en dat is het eerste dat je moet controleren met welke servingstack je ook gebruikt, want die verdeling, niet het kopgetal, is je geheugenrekening.

Beschouw de twee getallen dus als twee feiten. Een miljoen tokens is een architectonische capaciteit die in de gewichten zit en een serieuze node zou vereisen om te serveren. Zestienduizend is wat het eerste commerciële endpoint biedt — genoeg voor de meeste agent-loops, niet genoeg voor redeneren op repositoryschaal of werk met lange documenten. Als je reden om Ripple-65B Preview te proberen de 1M-context was, biedt de gehoste route die je vandaag niet, en self-hosting is de enige weg die dat wel doet.

Lokaal betekent 57 GB, niet 130

Het lanceringsbericht zegt dat het model “op consumentenhardware zoals de NVIDIA DGX Spark kan passen”, en de berichtgeving heeft dat verhard tot “draait op een MacBook”. De downloadgroottes vertellen je op welk artefact elke bewering betrekking heeft.

• Het BF16-instruct-checkpoint is 129,57 GB. Op zichzelf, vóór enige KV-cache of runtime-overhead, vereist dat een accelerator van de 192 GB-klasse of een opsplitsing over meerdere GPU's.

• De NVFP4-build is 57,22 GB. Dat past in een machine met 128 GB unified memory, met ruimte voor een werkcontext — en hij is als experimenteel gelabeld, waarbij attention in BF16 is gelaten.

• De DFlash2-drafter voegt 8,08 GB toe en levert speculatieve decoding op, geen kwaliteit.

Het cijfer van 250 tok/s is een datacentergetal: 2×B200 bij batch 8, vóór kwantisatie en aangepaste kernels. Op een Spark ruil je doorvoer in voor het feit dat de machine op je bureau staat. Geen van beide cijfers is verkeerd; ze horen alleen bij verschillende machines, en het lokale verhaal werkt alleen met de gekwantiseerde checkpoint.

Wat een oproep kost

Het eerste gehoste endpoint rekent $0,20 per miljoen invoertokens en $0,60 per miljoen uitvoertokens, met gecachte invoerlezingen tegen $0,05. Uitgewerkt voor een realistische agent-aanroep — een prompt van 16.000 tokens tegen het volledige venster, die 2.000 tokens retourneert — is dat $0,0032 aan invoer en $0,0012 aan uitvoer, of ongeveer $0,0044. Stuur je er 10 miljoen tokens per dag doorheen met een 80/20-verdeling tussen invoer en uitvoer, dan kom je uit op $2,80.

Caching is de hefboom waaraan je moet trekken. Een herhaalde systeemprompt van 16.000 tokens kost tegen het cached tarief $0,0008 in plaats van $0,0032, een 4x lagere rekening aan de inputzijde — wat voor een agent die elke beurt dezelfde tooldefinities opnieuw verstuurt, het grootste deel van de rekening is.

Waar OrcaRouter past: we bieden Ripple-65B Preview vandaag niet aan, dus er is geen markup om te vergelijken en geen reden om te doen alsof dat anders is. Wat de preview wel verandert, is het argument om een onbewezen model buiten je productiepad te houden terwijl je het meet. Routeer de gevestigde aanbieder waar je verkeer al op vertrouwt via één sleutel — 200+ modellen, lijstprijs van de provider doorgegeven tegen 0% markup, automatische failover wanneer een provider hapert — en zet Ripple ernaast in een offline-eval in plaats van vóór gebruikers. Als de cijfers standhouden, verplaatst de routing-DSL een deel van het verkeer zonder een tweede integratie; als ze dat niet doen, is de fallback nooit ter discussie geweest.

Wie zou het moeten proberen, en wat zou er verandering in brengen?

Probeer het nu: als je een terminal- of shell-agent bouwt, wil je een Apache 2.0-checkpoint dat je kunt fine-tunen zonder jurist, en een venster van 16K is genoeg voor je loop. De dense architectuur is een echt voordeel voor iedereen die op bescheiden hardware draait — geen expert-routing, geen all-to-all, voorspelbare latency — en een 65B dense model met 80,5 op Terminal-Bench is een resultaat dat je op je eigen taken wilt reproduceren in plaats van erover te discuteren.

Wacht als je lange context nodig hebt van een gehoste endpoint, als je werk MCP-zwaar is of wetenschappelijke code betreft, of als je elk getal nodig hebt dat niet is geproduceerd door het lab dat het model heeft getraind. Er is nog geen onafhankelijke evaluatie: geen vermelding in Artificial Analysis en geen reproductie door derden van de 80,52. Voor een Preview-release van een dag oud is dat normaal, niet verdacht — maar het betekent dat elk cijfer in dit stuk dat van Ricursive afkomstig is, niet voor niets als het hunne staat gemarkeerd.

Drie dingen zouden het beslechten. Een tweede harness-run door iemand die het model niet heeft getraind. Een host die meer dan 16.384 tokens serveert, wat ons zou vertellen of de claim van 1M context contact met een scheduler overleeft. En een non-preview checkpoint, aangezien Ricursive expliciet heeft gezegd dat de post-training hier licht was en de interne variant achter zijn chipontwerpplatform het product is dat het echt aan het bouwen is. Tot dan is de kop een claim en de download echt — en de kloof daartussen is precies waar de evaluatie van de komende maand zal plaatsvinden.