Ripple 65B Preview vs Claude Opus 5.5: twee agentische codeurs, twee verschillende examens

Ripple 65B Preview rapporteert 80,5 op Terminal-Bench. Claude Opus 5.5rapporteert 66,4. Zet die twee getallen in één kolom en een open-weightmodel met 65 miljard parameters, op 4 november 2026 uitgebracht door Ricursive Intelligence, lijkt Anthropics vlaggenschip met veertien punten te verslaan op de benchmark die het dichtst bij agentisch programmeerwerk staat. Dat is niet zo. Het cijfer van Ripple is Terminal-Bench 2.1. Dat van Opus 5.5 is Terminal-Bench 4.0. Het zijn niet dezelfde test, ze worden niet op dezelfde manier gescoord, en de geschiedenis van de twee versies is het allerbelangrijkste dat een koper kan weten voordat hij een van beide getallen als een eindoordeel beschouwt.

Die kloof is geen technische truc die is verzonnen om de gevestigde speler te beschermen. Het is een gedocumenteerde ineenstorting. Toen SemiAnalysis op 8 september 2026 dezelfde modellen op beide versies uitvoerde, zakte Claude Fable 5.1 van 91,4 op 2.1 naar 55,8 op 4.0, GPT-6 Astra van 88,4 naar 57,7, en Gemini 3.8 Flash van 89,4 naar 19,1 — een daling van 70 punten voor een model dat niet was veranderd. Terminal-Bench 4.0 verwijderde acht taken, repareerde er nog eens negentien, paste een uniforme time-out van acht uur toe en voegde controles tegen manipulatie toe. Een score op 2.1 en een score op 4.0 delen een naam en verder niets.

Wat elk model daadwerkelijk is

Ripple 65B Preview is een dense model, geen mixture of experts: 65 miljard parameters, allemaal actief op elke token, in een 80-laags 'thin-and-deep'-transformer met een 5.120 brede residual stream. De modelkaart van Ricursive vermeldt extra attention heads, een hogere verhouding tussen sliding-window- en globale attention, een kleinere sliding window, FFN-activatieclipping, gated attention, globale NoPE en value residuals — een reeks keuzes die het beschrijft als Gemma 3N-achtig. Het is Apache 2.0, getraind op 12 biljoen tokens, en claimt tot 1 miljoen tokens context.

Claude Opus 5.5 is een gesloten model dat op 22 september 2026 is uitgebracht, met een contextvenster van 1 miljoen tokens, maximaal 128.000 tokens uitvoer, tekst- en afbeeldingsinvoer, en adaptief denken dat altijd aan staat — een ingrijpende wijziging ten opzichte van Opus 5, waar denken opt-in was. Het biedt vijf inspanningsniveaus, met medium als standaard, wat ertoe doet: bijna elke gepubliceerde Opus 5.5-benchmark is uitgevoerd op max of xhigh, niet op de instelling die de meeste API-aanroepen zullen gebruiken.

• Parameters — 65B dense, allemaal actief versus niet bekendgemaakt, gesloten gewichten

• Licentie — Apache 2.0, downloadbaar versus propriëtair, alleen API

• Context — tot 1M geclaimd versus 1M, met 128K maximale output

• Release — 4 november 2026 vs 22 september 2026

• Prijs — geen lijstprijs van de leverancier; gehoste tarieven rond $0,20 / $0,60 per miljoen tokens tegenover $4,00 input / $20,00 output, $0,20 voor cache-lezen

• Onafhankelijke score — nog geen versus 59 op Artificial Analysis Intelligence Index v5.0.1

De enige rij waar de versies overeenkomen

Terminal-Bench is waar de lancering het debat wil. SWE-bench Pro is waar het interessant wordt, en DeepSWE v1.1 is waar het ongemakkelijk wordt.

Het SWE-bench Pro-cijfer van Opus 5.5 is 89,9, uit de system card van Anthropic. Dat van Ripple is 79,1 — maar op v2.0-Hard, en in de eigen system card ervan staat afzonderlijk 61,42 op v1.0 vermeld. Drie getallen, twee leveranciers, minstens twee taaksets. Niets hiervan kan van iets anders worden afgetrokken.

DeepSWE v1.1 is anders. Beide labs hebben er een score op gepubliceerd, en geen van beide heeft het opnieuw van een versienummer voorzien zoals Terminal-Bench opnieuw van een versienummer is voorzien. Opus 5.5 scoort 74,2. Ripple 65B Preview scoort 44,3. Dat is een gat van dertig punten op een benchmark die beide partijen wilden publiceren, en het wijst de tegenovergestelde richting op ten opzichte van de Terminal-Bench-grafiek. DeepSWE is een software-engineeringagentbenchmark rond echt repositorywerk in plaats van shelltaken, dus voor het publiek waar Ripple op mikt — codeeragents — is het misschien wel de relevantere van de twee.

Dit is de eerlijke lezing van de lancering: Ripples kop is een score van 2,1, zijn eigen kaart toont een 44,3 op de enige agentic-codingbenchmark waar een vergelijking tussen dezelfde versie bestaat, en het model waarmee het wordt vergeleken wint die rij met ruime marge. Niets daarvan maakt Ripple een slecht model. Het maakt van de 80,5 een getal over een specifiek examen.

Wat 32 miljoen dollar koopt, en wat niet

De meest interessante claim van Ricursive is geen benchmark. Het is dat de hele onderzoeks- en ontwikkelingsinspanning $32 miljoen kostte, ongeveer een tiende van wat het bedrijf zegt dat de vorige open-weight state of the art op het gebied van agentic coding kostte, bereikt met 1,4 miljoen reinforcement-learning-rollouts — ongeveer zeventig keer minder dan Reflection Beam 501B — bij 40% model-FLOPs-utilisatie.

Als dat standhoudt, is het belangrijker dan 80.5 op welke benchmark dan ook, want het betekent dat de prijs om dit capaciteitsniveau te betreden met een orde van grootte is gedaald. Het verklaart ook de vorm van het model: 65B dense met 80 lagen is een ontwerp dat je goedkoop kunt trainen en serveren, en Ricursive meldt 250 tokens per seconde op twee B200's bij batchgrootte acht, vóór enige kwantisatie. Een vergelijkingspunt: Opus 5.5 meet 112 tokens per seconde in de harness van Artificial Analysis.

Wat $32 miljoen niet koopt, is onafhankelijke verificatie. Er is nog geen gepubliceerde heruitvoering door derden van de cijfers van Ripple, en het model komt helemaal niet voor op de Artificial Analysis Intelligence Index — de standaard neutrale ranglijst. Opus 5.5 staat op 59 in die index, versie 5.0.1, tegen $10,04 aan rekenkracht per indextaak. Totdat Ripple een vermelding krijgt, berust elke claim waarin het met andere modellen wordt vergeleken op leverancierstabellen.

Het prijsargument, goed uitgevoerd

De verleidelijke uitspraak is dat Ripple twintig tot dertig keer goedkoper is per token. De juiste uitspraak is dat Ripple geen lijstprijs heeft, omdat er niets is om een prijs voor te vermelden: de gewichten zijn Apache 2.0 en downloadbaar. Catalogi van derden noemen gehoste tarieven van ongeveer $0,20 per miljoen invoertokens en $0,60 per miljoen uitvoertokens, en dat zijn hostingtarieven, geen prijskaart van een leverancier. Zelf hosten maakt van de kosten GPU's en engineeringtijd, wat in stabiele toestand goedkoop is en op dag één duur.

Opus 5.5 is de omgekeerde ruil. Vier dollar in en twintig dollar uit per miljoen tokens is een concreet getal dat je vandaag in een spreadsheet kunt zetten, met een cache-read van $0.20 die lange agentlussen met een stabiele prefix aanzienlijk goedkoper maakt dan de kop doet vermoeden. Op OrcaRouter is het een van meer dan 200 modellendie met één sleutel bereikbaar zijn tegen 0% opslag — de lijstprijs van de provider wordt doorgegeven, zodat een prijswijziging van Anthropic dezelfde dag live is in plaats van bij de volgende facturatieafstemming.

Ripple staat niet in de OrcaRouter-catalogus, en niets in dit artikel mag worden opgevat als dat wij het aanbieden. De gewichten staan op Hugging Face, en bij de lancering worden hostingpartners genoemd; als je het via een API wilt aanroepen in plaats van het zelf te draaien, is dat de route.

Welke moet je kiezen?

Als het werk een coderingsagent op een propriëtaire codebase met een compliance-review betreft, is Opus 5.5 de verdedigbare keuze, en het benchmarkargument is allesbehalve nipt: het heeft een onafhankelijke indexscore, een systeemkaart, een gepubliceerd SWE-bench Pro-cijfer en een venster van 1M met 128K output. Je betaalt net zoveel voor de audittrail als voor het model.

Als het werk een high-volume, smalle agent-loop is waarbij de prompt stabiel is, het corpus van jou is en de rekening de beperkende factor is, dan is een 65B Apache-2.0-model dat op twee B200s past een wezenlijk andere propositie dan een API van $20 per miljoen output. De vraag die je moet beantwoorden voordat je je vastlegt, is niet "is 80.5 groter dan 66.4" — het is "wat scoort Ripple op DeepSWE ten opzichte van het model dat ik vervang", en op dit moment is het antwoord dat vastligt 44.3 tegenover 74.2.

Wat de moeite waard is om in de gaten te houden, is niet nog een grafiek van een leverancier. Het is de eerste onafhankelijke run van Ripple 65B Preview op Terminal-Bench 4.0. Alles in deze vergelijking hangt af van dat getal.