Ripple 65B Preview vs GPT-6.1 Sol: de rij die ontbreekt op de ranglijst

Elke serieuze modelvergelijking in deze prijsklasse begint nu op dezelfde plek: de Intelligence Index van Artificial Analysis, versie 5.0.1, de herbouw die op 27 oktober 60% van de samengestelde index verving door private of achtergehouden testsets. Claude Opus 5.5 scoort daar 59. GPT-6.1 Sol scoort 55. Gemini 4 Argon scoort 50. Grok 4.7 scoort 35. Ripple 65B Preview scoort niets, omdat het geen vermelding heeft. Het model dat op 4 november 2026 werd gelanceerd met de luidste codeerclaims van de week, is het enige in deze groep dat een koper niet op het neutrale bord kan plaatsen — en die afwezigheid, meer dan welke leveranciersgrafiek dan ook, zou de beslissing moeten vormgeven.

GPT-6.1 Sol is juist de nuttige tegenhanger omdat het op dat bord het waardevoorbeeld is: 55 op de index voor $2,00 per miljoen input en $10,00 per miljoen output, en — het getal dat daadwerkelijk agentbudgetten bepaalt — $1,27 aan rekenkracht per indextaak tegenover $10,04 voor Opus 5.5. Als Ripple iets wil verdringen in een productie-codingstack, is Sol de gevestigde speler die het op economie moet verslaan, niet op een Terminal-Bench-percentiel.

Waarom is er geen Ripple-rij

Artificial Analysis heeft een geserveerd endpoint en stabiele gewichten nodig om zijn harness te draaien. Ripple 65B Preview is twee dagen oud, uitgebracht als gewichten in plaats van als leveranciers-API, en de lanceringspagina noemt hostingpartners, terwijl de Hugging Face-kaart tegelijkertijd stelt dat het model "niet door enige Inference Provider wordt gedeployed". Die tegenstrijdigheid alleen al verklaart een ontbrekende rij: zolang geen enkele host een stabiele checkpoint serveert, is er niets voor een evaluatieharness om aan te roepen.

Er is een tweede reden, minder flatteus. De index wordt bewust samengesteld uit achtergehouden en private sets, volgens een schema vernieuwd. Een model kan uitblinken op openbare benchmarks die zijn trainingsdata heeft gezien en gewoon zijn op de private. Ripple's lanceringscijfers zijn allemaal openbare benchmarks: Terminal-Bench 2.1 op 80,52, SWE-bench Pro v2.0-Hard op 79,1, DeepSWE v1.1 op 44,3, MMLU 89,6, GPQA Diamond 85,2, AIME 2025 op 98,3. Dat zijn sterke cijfers. Het zijn ook, zonder uitzondering, de benchmarks die een team kiest wanneer het een lancering wil publiceren.

Dat is geen beschuldiging van wangedrag. Het is de normale toestand van een twee dagen oude preview, en de juiste reactie is om Ripple als niet-gerangschikt te behandelen in plaats van als als-eerste gerangschikt.

Wat Sol eigenlijk is

GPT-6.1 Sol werd op 29 september 2026 uitgebracht tijdens OpenAI's DevDay als het niveau onder GPT-6 Astra, ter vervanging van GPT-6 Sol. Hij heeft een contextvenster van 1.050.000 tokens, een maximale uitvoer van 128.000 tokens, een kennisafsluitdatum van 30 april 2026, tekst- en beeldinvoer, en vijf redeneerniveaus van laag tot max, met gemiddeld als standaard.

De prijsstructuur kent één valkuil die het waard is om te weten. Onder 272.000 invoertokens is het tarief $2.00 voor invoer en $10.00 voor uitvoer, met gecachte invoer tegen $0.10 en cache-schrijfacties tegen $2.50. Boven die drempel wordt de hele aanvraag opnieuw gefactureerd tegen $4.00 voor invoer en $15.00 voor uitvoer — niet alleen het deel daarboven. Een prompt van 300K tokens kost daardoor twee keer zoveel als een van 270K, waardoor chunking een echte optimalisatie is in plaats van een nice-to-have.

• Prijs — Sol $2,00 / $10,00 per miljoen, $0,10 per cache-read; Ripple heeft geen lijstprijs, gehoste tarieven rond $0,20 / $0,60

• Kosten per indexeringstaak — Sol $1,27; Ripple niet gemeten

• Context — Sol 1.05M met een factureringsklif van 272K; Ripple tot 1M geclaimd

• Gewichten — Sol gesloten; Ripple Apache 2.0, downloadbaar

• Uitvoersnelheid — Sol 55 tok/s gemeten; Ripple 250 tok/s geclaimd op 2×B200

• DeepSWE v1.1 — Sol 75,22 (leverancier) vs. Ripple 44,3 (leverancier), dezelfde benchmarkversie

De enige zuivere vergelijking, en die is allesbehalve close.

Te midden van alle versiewijzigingen is er één benchmark die beide labs hebben uitgevoerd en beide hebben gepubliceerd: DeepSWE v1.1. OpenAI rapporteert 75,22 voor Sol bij hoge inspanning. Ricursive rapporteert 44,3 voor Ripple. Dat is een verschil van 31 punten op een software-engineering-agentbenchmark, door beide partijen gepubliceerd, zonder dubbelzinnigheid over de harness-versie om zich achter te verschuilen.

Zet dat tegenover het Terminal-Bench-beeld en de spanning is duidelijk. Ripple publiceert 80,52 op Terminal-Bench 2.1; het door een derde partij gemeten Terminal-Bench 4.0-cijfer van Sol ligt rond 55. Op de ene benchmark lijkt Ripple een frontier-concurrent, op de andere lijkt het een generatie achter te lopen. Het verschil is het examen: 2.1 is een patchrelease met 89 taken van de 2.0-set die 28 taken heeft gerepareerd vanwege afhankelijkheids- en specificatieproblemen, terwijl 4.0 een andere takenreeks is met controles op adversariële cheatmethoden en een vaste time-out van acht uur die bij de introductie eind augustus de score van elk frontiermodel ongeveer halveerde.

De redelijke synthese is dat Ripple een oprecht capabel 65B-model is waarvan de gepubliceerde sterke punten op het oudere, meer verzadigde examen liggen, en waarvan de enige vergelijking van dezelfde versie met een frontiermodel een tekort van 31 punten is. Sol is de veiligere gok wat codeerkwaliteit betreft; Ripple is de interessantere gok wat eigendomskosten betreft.

Waar Ripple wint zonder benchmark

Drie dingen gelden voor Ripple en niet voor Sol, en geen ervan vereist een ranglijst.

Het eerste is de licentie. Apache 2.0 op een 65B dense model betekent dat fine-tuning is toegestaan, herdistributie is toegestaan, en een securityreview heeft niets om over te twisten. Een gesloten frontiermodel, hoe goedkoop per token ook, kan niet op je codebase worden fine-tuned en kan niet in een air-gapped omgeving worden gedraaid.

Het tweede is portabiliteit. De kaart van Ricursive beschrijft een model dat is ontworpen voor efficiënte serving op NVIDIA-hardware en klein genoeg voor een DGX Spark, met een NVFP4-checkpoint en een meegeleverd Colab-notebook. Dat is een andere deploymentvorm dan een API: het is een model dat je in een CI-runner of op het bureau van een developer kunt zetten.

De derde is de trainingseconomie. Twaalf biljoen pretraining-tokens, een opgegeven totaalbudget van $32 miljoen, 1,4 miljoen RL-rollouts en 40% MFU komen samen neer op de bewering dat dit capaciteitsniveau nu bereikbaar is voor acht cijfers. Als dat generaliseert, dan zit er een klok op de prijsondergrens van frontier-API's.

Hoe je beide kunt draaien zonder op een van beide te wedden

Het praktische antwoord voor het volgende kwartaal is niet om te kiezen. GPT-6.1 Sol staat in de OrcaRouter-catalogus, op dezelfde sleutel als meer dan 200 andere modellen, tegen 0% opslag bovenop OpenAI's lijst — dus het tarief van $2/$10 en elke toekomstige wijziging daarvan worden ongewijzigd doorgegeven. Dat is hier van belang omdat Sol's prijs het ijkpunt is waarmee Ripple wordt gemeten; een router die opslag rekent, zou de vergelijking vertekenen.

Voor een stack die Ripple in het proces wil opnemen, is de architectuur een splitsing in plaats van een vervanging: roep Sol of een ander frontiermodel aan voor de plannings- en reviewstappen waar de kloof van 31 punten op DeepSWE duur is, en leid hoogvolume-generatie met weinig ambiguïteit naar een zelfgehost 65B-model, waar de marginale kosten instorten. De routing-DSL van OrcaRouter bestaat precies voor die compositie — meerdere modellen achter één aanroep, met automatische failover als een provider degradeert — hoewel Ripple zelf erbuiten zou vallen, omdat wij het niet aanbieden.

Drie vragen die het waard zijn om te beantwoorden voordat je je vastlegt

Is Ripple 65B Preview beter dan GPT-6.1 Sol?

Niet op basis van enig bewijs dat vandaag bestaat. Op de enige benchmark die beide bij dezelfde versie hebben gepubliceerd, leidt Sol met 31 punten. Het voornaamste voordeel van Ripple komt uit een andere versie van Terminal-Bench met een lager plafond. Totdat een neutrale harness Ripple scoort, is "beter" een claim over prijs, niet over capaciteit.

Kan ik Ripple als een API aanroepen, of moet ik het zelf hosten?

Beide zijn aan verandering onderhevig. De gewichten zijn ondubbelzinnig downloadbaar van Hugging Face onder Apache 2.0, in BF16 en NVFP4. Gehoste toegang is aangekondigd maar nog niet definitief — de modelkaart zegt dat geen enkele inferentieprovider het aanbiedt, terwijl de lanceerpagina partners noemt. Ga uit van zelfhosting totdat een endpoint reageert.

Wat kost Sol boven 272K invoertokens?

Dubbel voor input, anderhalf keer voor output, toegepast op het hele verzoek: $4,00 en $15,00 per miljoen. Onder die grens is het $2,00 en $10,00. Het is de grootste factureringsverrassing in deze vergelijking en heeft niets met Ripple te maken.

Het getal om in de gaten te houden is niet nog een leverancierstabel. Het is de eerste Artificial Analysis-vermelding voor Ripple 65B Preview op index v5.0.1. Alles hierboven is voorlopig totdat die rij bestaat.