Ripple-65B Preview: wagi Apache 2.0, deklaracja 1 mln tokenów i API 16K

Ripple-65B Preview, wydany przez Ricursive Intelligence 4 listopada 2026 r., to dwa różne produkty w zależności od tego, jak do niego dotrzesz. Do pobrania jest 129,6 GB wag na licencji Apache 2.0, których karta modelu reklamuje kontekst „do 1M” tokenów. Pierwszy komercyjny endpoint z tym samym checkpointem reklamuje 16 384. Obie liczby opisują ten sam model, a różnica między nimi jest najużyteczniejszą informacją, jaką deweloper może poznać na temat tego wydania, zanim poświęci mu dzień.

Nagłówek komunikatu laboratorium jest węższy, niż mogłoby się wydawać z posta premierowego, a zarazem ciekawszy, niż dotychczas zauważyły doniesienia medialne. Ricursive twierdzi, że osiągnął amerykański stan sztuki wśród modeli o otwartych wagach w kodowaniu agentowym — 80,52 w Terminal-Bench 2.1 — od 65-miliardowego gęstego modelu wytrenowanego, jak podano, za 32 mln dolarów. To realne twierdzenie o realnym artefakcie: wagi można pobrać bez bramkowania i są objęte licencją na użytek komercyjny bez negocjowania umowy. Jest to też — na dzień 5 listopada — w całości oparte na deklaracjach dostawcy. Artificial Analysis nie ma wpisu dla tego modelu.

Co właściwie trafiło na Hugging Face

Cztery repozytoria zostały udostępnione 4 listopada, a te rozróżnienia mają znaczenie, ponieważ zmieniają to, jaki sprzęt jest potrzebny:

• Ripple-65B Preview — checkpoint dostrojony do instrukcji w BF16, 16 shardów safetensors o łącznym rozmiarze 129,57 GB, Apache 2.0, bez ograniczeń dostępu.

• Ripple-65B Preview NVFP4 — eksperymentalna kompilacja 4-bitowa o rozmiarze 57,22 GB w 6 shardach, kwantyzująca warstwy MLP przy zachowaniu uwagi w BF16.

• Ripple-65B Base Preview — checkpoint powstały wyłącznie w wyniku wstępnego trenowania, bez midtrainingu, bez syntetycznych danych QA, również 129,57 GB.

• Ripple-65B Preview DFlash2 — model roboczy do dekodowania spekulatywnego o rozmiarze 8,08 GB, 4,04 mld parametrów, tworzący bloki po 16 tokenów w odniesieniu do modelu docelowego.

Architektura jest celowym powrotem do przeszłości. Podczas gdy każde inne laboratorium tej wielkości przeszło na mieszaninę ekspertów, Ricursive zbudowało gęsty Transformer, cienki i głęboki: d_model 5120, 80 warstw, 80 głów uwagi współdzielących 8 głów klucz-wartość, słownik obejmujący 100 352 tokeny oraz okno przesuwne o rozmiarze 1024 tokenów stosowane w hybrydowym wzorcu warstw. Obcinanie aktywacji FFN, uwaga z bramkowaniem, globalne NoPE i resztkowe połączenia wartości dopełniają modyfikacji, które zespół przejął, przechodząc kolejne etapy od bazowego modelu Olmo 3.

Stack treningowy opublikowano ze szczegółami, na jakie większość kart modeli nie zadaje sobie trudu: 12 bln tokenów pretreningu przy długości sekwencji 8K, 200 mld tokenów treningu pośredniego przy 64K, 6,5 mld tokenów rozszerzenia długiego kontekstu przy 2M, 183 mld tokenów SFT przy 128K i 700 kroków RL przy 128K. W trakcie rozwoju zespół powiększył się z jednej osoby do pięciu i raportuje 40% MFU bez niestandardowych kerneli.

Jedno ostrzeżenie dotyczące nazewnictwa, ponieważ wyniki wyszukiwania już to mieszają: Ricursive Intelligence to laboratorium projektowania chipów, którego wpis inauguracyjny opisuje współoptymalizację sprzętu, oprogramowania i modeli. To nie jest Recursive, startup zajmujący się samodoskonalącą się sztuczną inteligencją stojący za Flint. Te dwie firmy nie są ze sobą powiązane, a publikacje, które je mieszają, są błędne.

Twierdzenie dotyczące benchmarku i jak daleko ono dociera

Terminal-Bench 2.1 to miejsce, w którym ważą się losy premiery, a wynik to 80,52. Ricursive stawia go przed Reflection Beam 501B z 80,1, Meta Muse Spark Open 816B z 76,4, Thinking Machines Inkling 975B z 63,8 i NVIDIA Nemotron 3 Ultra 550B z 56,4 — wszystkie są od siedmiu do piętnastu razy większe pod względem łącznej liczby parametrów.

To, co sprawia, że ta tabela jest warta więcej niż typowy arkusz dostawcy, to druga kolumna. Ricursive ponownie przeprowadził porównanie w oficjalnym harnessie Terminus 2 przy 128K z podsumowywaniem i raportuje, że wyniki zmieniły się niemal wszędzie poza jego własnymi: Ripple utrzymał się na 80,5, Muse Spark wzrósł do 78,7, Reflection Beam spadł z 80,1 do 70,8, Inkling z 63,8 do 56,2, Nemotron z 56,4 do 55,1. Laboratorium, które publikuje harness, w którym jego własny wynik jest płaski, a wyniki konkurentów się załamują, robi coś, czego większość postów premierowych unika. To wciąż laboratorium oceniające własną pracę domową — każda liczba w tej tabeli została wygenerowana przez przepływ ewaluacyjny Ricursive — ale gradient biegnie we właściwym kierunku.

Ta teza przestaje obowiązywać, gdy tylko opuścisz terminal. W DeepSWE 1.1 Ripple uzyskuje 44,3 pkt wobec 60,0 pkt Muse Spark. W MCP Atlas ma 71,67 pkt, plasując się za Muse Spark z 89,2 pkt i Inkling z 76,0 pkt. W SciCode jest ostatni z pięciu z wynikiem 39,4 pkt, za Beam z 49,2 pkt i Muse Spark z 58,5 pkt. Wzorzec jest spójny: Ripple jest mocny w długoterminowej pracy w terminalu i wieloetapowych zadaniach programistycznych, a przeciętny w generowaniu kodu naukowego i szerokości protokołów narzędzi. Jeśli Twoim obciążeniem jest agent przeklikujący się przez powłokę, ta teza jest skierowana do Ciebie. Jeśli jest to asystent mocno oparty na MCP, to nie.

A sposób ujęcia robi cichą robotę. „Amerykański stan sztuki wśród modeli open-weight” to kwalifikator, a nie prefiks do pominięcia. Wyklucza DeepSeek, Qwen i każde inne laboratorium spoza USA, więc jest to twierdzenie o najlepszym modelu open-weight wyszkolonym w Stanach Zjednoczonych, a nie o najlepszym modelu open-weight.

Model bazowy jest bardziej uczciwym dokumentem.

Karta Base Preview zawiera zdanie, od którego wpis premierowy nie zaczyna: wstępnie wytrenowany checkpoint jest „porównywalny z DeepSeek V3.1 i V4 Flash w rozumowaniu, matematyce i kodzie”, podczas gdy Nemotron 3 Ultra „dominuje w tradycyjnych ewaluacjach pretreningu”. Liczby potwierdzają tę skromność. Base MMLU-Pro wynosi 61,5 w porównaniu z 68,3 dla DeepSeek V4 Flash 284B i 79,1 dla Nemotron 3 Ultra 550B. Base GPQA Diamond wynosi 38,4, znacznie poniżej V4 Flash na poziomie 44,4.

Zestawienie tych dwóch tabel sprawia, że obraz staje się wyraźniejszy. Pretrenowany prior Ripple’a jest przyzwoity, ale plasuje się w środku stawki jak na run z 12T tokenów — najmniejszy budżet pretreningu w jego własnym zestawie porównawczym, wobec 20T dla Nemotron i 32T+ dla V4 Flash. Prawie cała przewaga w kodowaniu agentowym pochodzi ze stacku post-trainingowego: mieszanki danych midtrainingu, rozszerzenia długiego kontekstu i 700 kroków RL, które według Ricursive osiągnęły 80,5 w 1,4 mln rolloutów — około 70 razy mniej niż potrzebował Reflection Beam. To ciekawszy wynik niż tabela benchmarków, ale też bardziej kruchy — intensywne wspinanie się RL na syntetycznych środowiskach długiego horyzontu to dokładnie ten rodzaj przepisu, który nierówno przenosi się na zadania, pod kątem których laboratorium nie trenowało.

Dlaczego numer kontekstu to dwie liczby?

Karta modelu mówi 1M. Konfiguracja mówi max_position_embeddings 2,097,152. Hostowany endpoint mówi 16,384 z limitem wyjścia wynoszącym 14,745 tokenów. Nikt nie kłamie; to trzy różne rzeczy, a arytmetyka wyjaśnia, dlaczego pierwszy host wybrał taką liczbę, jaką wybrał.

Pamięć podręczna KV to miejsce, w którym płaci się za długi kontekst. Przy 80 warstwach, 8 głowicach KV, wymiarze głowicy 128 i przechowywaniu w BF16 każda warstwa kosztuje 4096 bajtów pamięci podręcznej na token — 2048 dla kluczy i 2048 dla wartości. W sumie we wszystkich 80 warstwach to około 0,33 MB na token. Przy 16 384 tokenach punktu końcowego to około 5,4 GB. Przy milionie tokenów, gdzie każda warstwa uczestniczy globalnie, byłoby to około 344 GB pamięci podręcznej na wierzchu 130 GB wag.

Do tego właśnie służy okno przesuwne. Większość warstw Ripple’a oblicza uwagę w oknie 1024 tokenów; mniejszość — globalnie, i tylko te rosną wraz z kontekstem. Jeśli 16 z 80 warstw jest globalnych, milion tokenów kosztuje około 69 GB pamięci podręcznej zamiast 344 GB — dużo, ale da się obsłużyć na węźle wielo-GPU. Dokładny podział określa wzorzec warstw hybrydowych w config.json i to pierwsza rzecz, którą należy sprawdzić w używanym stosie serwowania, ponieważ to ten podział, a nie nagłówek, decyduje o rachunku za pamięć.

Więc traktuj te dwie liczby jako dwa fakty. Milion tokenów to zdolność architektoniczna, która istnieje w wagach i do jej obsłużenia potrzebny byłby poważny węzeł. Szesnaście tysięcy to wszystko, co oferuje pierwszy komercyjny endpoint — wystarczająco dla większości pętli agentowych, niewystarczająco do rozumowania na skalę repozytorium lub pracy z długimi dokumentami. Jeśli powodem, dla którego próbowałeś Ripple-65B Preview, był kontekst 1M, hostowana ścieżka nie daje ci go dziś, a samodzielne hostowanie to jedyna droga, która to umożliwia.

Lokalnie oznacza 57 GB, a nie 130

Wpis premierowy mówi, że model „może zmieścić się na sprzęcie konsumenckim, takim jak NVIDIA DGX Spark”, a doniesienia prasowe przekształciły to w „działa na MacBooku”. Rozmiary plików do pobrania mówią, którego artefaktu dotyczy każde z tych twierdzeń.

• Checkpoint BF16 instruct ma 129,57 GB. Sam w sobie, przed jakimkolwiek KV cache lub narzutem środowiska uruchomieniowego, wymaga akceleratora klasy 192 GB lub podziału na wiele GPU.

• Wersja NVFP4 ma 57,22 GB. Mieści się w maszynie z 128 GB pamięci zunifikowanej i zostawia miejsce na kontekst roboczy — jest oznaczona jako eksperymentalna, a mechanizm uwagi pozostawiono w BF16.

• Drafter DFlash2 dodaje 8,08 GB i zapewnia dekodowanie spekulatywne, a nie jakość.

Liczba 250 tok/s to wynik z centrum danych: 2×B200 przy batch 8, przed kwantyzacją i niestandardowymi jądrami. Na Sparku wymieniasz przepustowość na to, że maszyna stoi na twoim biurku. Żadna z tych liczb nie jest błędna; po prostu dotyczą różnych maszyn, a lokalny scenariusz działa tylko ze skwantyzowanym checkpointem.

Ile kosztuje połączenie

Pierwszy hostowany endpoint ma w cenniku $0.20 za milion tokenów wejściowych i $0.60 za milion tokenów wyjściowych, a odczyty wejścia z pamięci podręcznej kosztują $0.05. Po przeliczeniu na realistyczne wywołanie agenta — prompt o długości 16 000 tokenów względem pełnego okna, zwracający 2000 tokenów — daje to $0.0032 na wejściu i $0.0012 na wyjściu, czyli około $0.0044. Przepuść przez to 10 milionów tokenów dziennie przy podziale wejście/wyjście 80/20, a dojdziesz do $2.80.

Cache to dźwignia, którą warto pociągnąć. Powtarzany prompt systemowy o długości 16 000 tokenów kosztuje 0,0008 USD według stawki z pamięci podręcznej zamiast 0,0032 USD, czyli czterokrotne obniżenie kosztów po stronie wejścia — a w przypadku agenta, który w każdej turze ponownie wysyła te same definicje narzędzi, stanowi to większość rachunku.

Gdzie pasuje OrcaRouter: dziś nie oferujemy Ripple-65B Preview, więc nie ma narzutu do porównania ani powodu, by udawać inaczej. To, co zmienia wersja preview, to argument za trzymaniem nieprzetestowanego modelu poza ścieżką produkcyjną, dopóki go mierzysz. Skieruj dotychczasowe rozwiązanie, od którego już zależy Twój ruch — ponad 200 modeli, cena katalogowa dostawcy przekazywana z 0% narzutu, automatyczne przełączanie awaryjne, gdy dostawca zawodzi — przez jeden klucz i umieść Ripple obok niego w ocenie offline, a nie przed użytkownikami. Jeśli liczby się potwierdzą, routing DSL przeniesie część ruchu bez drugiej integracji; jeśli nie, kwestia fallbacku nigdy nie była pod znakiem zapytania.

Kto powinien tego spróbować i co zmieniłoby obraz sytuacji?

Wypróbuj go teraz, jeśli budujesz agenta terminala lub powłoki, potrzebujesz checkpointu Apache 2.0, który możesz dostroić bez prawnika, a okno 16K wystarcza dla twojej pętli. Gęsta architektura to prawdziwa zaleta dla każdego, kto serwuje modele na skromnym sprzęcie — bez routingu ekspertów, bez all-to-all, przewidywalne opóźnienia — a gęsty model 65B osiągający 80,5 na Terminal-Bench to wynik, który warto odtworzyć na własnych zadaniach, zamiast się o niego spierać.

Poczekaj, jeśli potrzebujesz długiego kontekstu z hostowanego endpointu, jeśli Twoja praca w dużym stopniu opiera się na MCP lub kodzie naukowym, albo jeśli potrzebujesz jakiejkolwiek liczby, której nie wygenerowało laboratorium, które wytrenowało model. Nie ma jeszcze niezależnej ewaluacji: brak wpisu w Artificial Analysis i brak reprodukcji 80.52 przez stronę trzecią. W przypadku wydania Preview sprzed jednego dnia to normalne, a nie podejrzane — ale oznacza, że każda liczba w tym tekście, która pochodzi od Ricursive, jest oznaczona jako ich nie bez powodu.

Trzy rzeczy rozstrzygnęłyby sprawę. Drugi harness uruchomiony przez kogoś, kto nie trenował modelu. Host obsługujący więcej niż 16,384 tokenów, co powiedziałoby nam, czy twierdzenie o kontekście 1M przetrwa zetknięcie z schedulerem. Oraz checkpoint niebędący wersją preview, ponieważ Ricursive wyraźnie zaznaczył, że post-training był tu lekki, a wewnętrzny wariant stojący za jego platformą do projektowania chipów jest produktem, który naprawdę buduje. Do tego czasu nagłówek pozostaje twierdzeniem, a pobranie jest realne — i właśnie w luce między nimi odbędzie się następny miesiąc ewaluacji.