Ripple 65B Preview kontra Claude Opus 5.5: dwa agentyczne modele kodujące, dwa różne egzaminy

Ripple 65B Preview osiąga 80,5 w Terminal-Bench. Claude Opus 5.5 osiąga 66,4. Zestaw te dwie liczby w jednej kolumnie, a model open-weight z 65 miliardami parametrów, wydany 4 listopada 2026 roku przez Ricursive Intelligence, zdaje się przewyższać flagowy model Anthropic o czternaście punktów w benchmarku najbliższym pracy agentowej w kodowaniu. Tak jednak nie jest. Wynik Ripple to Terminal-Bench 2.1. Wynik Opus 5.5 to Terminal-Bench 4.0. To nie ten sam egzamin, nie są oceniane w ten sam sposób, a historia obu wersji jest tym, co kupujący powinien wiedzieć najbardziej, zanim potraktuje którąkolwiek z tych liczb jako wyrok.

Ta luka nie jest wymyśloną, by chronić dotychczasowego gracza, techniczną drobiazgowością. To udokumentowany upadek. Gdy SemiAnalysis przetestował te same modele w obu wersjach 8 września 2026 r., Claude Fable 5.1 spadł z 91,4 w wersji 2.1 do 55,8 w wersji 4.0, GPT-6 Astra z 88,4 do 57,7, a Gemini 3.8 Flash z 89,4 do 19,1 — spadek o 70 punktów w przypadku modelu, który się nie zmienił. Terminal-Bench 4.0 usunął osiem zadań, naprawił dziewiętnaście kolejnych, zastosował jednolity ośmiogodzinny limit czasu i dodał kontrole odporności na manipulacje. Wynik w wersji 2.1 i wynik w wersji 4.0 łączy tylko nazwa i nic więcej.

Czym tak naprawdę jest każdy model

Ripple 65B Preview to model gęsty, a nie mieszanka ekspertów: 65 miliardów parametrów, wszystkie aktywne przy każdym tokenie, w 80-warstwowym transformerze „cienkim i głębokim” ze strumieniem resztkowym o szerokości 5120. Karta modelu Ricursive wymienia dodatkowe głowy uwagi, wyższy stosunek uwagi z oknem przesuwnym do uwagi globalnej, mniejsze okno przesuwne, obcinanie aktywacji FFN, uwagę bramkowaną, globalny NoPE i residuale wartości — zestaw wyborów opisywany jako podobny do Gemma 3N. Jest na licencji Apache 2.0, wytrenowany na 12 bilionach tokenów i deklaruje kontekst do 1 miliona tokenów.

Claude Opus 5.5 to zamknięty model wydany 22 września 2026 r., z oknem kontekstowym o rozmiarze 1 miliona tokenów, maksymalną długością wyjścia 128 000 tokenów, wejściem tekstowym i obrazowym oraz adaptacyjnym myśleniem, które jest zawsze włączone — co stanowi istotną zmianę względem Opus 5, gdzie myślenie było opcjonalne. Model oferuje pięć poziomów wysiłku z medium jako ustawieniem domyślnym, co ma znaczenie: niemal każdy opublikowany benchmark Opus 5.5 został przeprowadzony na poziomie max lub xhigh, a nie na ustawieniu, którego będzie używać większość wywołań API.

• Parametry — 65B dense, wszystkie aktywne vs nieujawnione, zamknięte wagi

• Licencja — Apache 2.0, do pobrania vs własnościowa, tylko API

• Kontekst — deklarowane do 1M w porównaniu z 1M, z maksymalną długością wyjścia 128K

• Wydanie — 4 listopada 2026 vs 22 września 2026

• Cena — brak ceny katalogowej dostawcy; stawki za hosting około $0.20 / $0.60 za milion tokenów w porównaniu z $4.00 za dane wejściowe / $20.00 za dane wyjściowe, $0.20 za odczyt z pamięci podręcznej

• Niezależny wynik — jeszcze brak w porównaniu z 59 w Artificial Analysis Intelligence Index v5.0.1

Jedyny wiersz, w którym wersje się zgadzają

Terminal-Bench to miejsce, w którym premiera chce postawić swój argument. SWE-bench Pro to miejsce, w którym robi się ciekawie, a DeepSWE v1.1 to miejsce, w którym robi się niekomfortowo.

Wynik Opus 5.5 w SWE-bench Pro wynosi 89,9, zgodnie z kartą systemową Anthropic. Wynik Ripple'a to 79,1 — ale na v2.0-Hard, a jego własna karta osobno podaje 61,42 na v1.0. Trzy liczby, dwóch dostawców, co najmniej dwa zestawy zadań. Niczego tutaj nie można odjąć od niczego innego.

DeepSWE v1.1 to inna sytuacja. Oba laboratoria opublikowały na jego temat wynik, a żadne z nich nie zmieniło jego wersji w sposób, w jaki zmieniono wersję Terminal-Bench. Opus 5.5 osiąga 74,2. Ripple 65B Preview osiąga 44,3. To trzydziestopunktowa różnica w benchmarku, który obie strony zdecydowały się opublikować, i wskazuje na przeciwną stronę niż wykres Terminal-Bench. DeepSWE to benchmark agentów do inżynierii oprogramowania, zbudowany wokół rzeczywistej pracy na repozytoriach, a nie zadań powłoki, więc dla odbiorców, do których Ripple kieruje swoją ofertę — agentów kodujących — jest to prawdopodobnie bardziej istotny z tych dwóch.

To uczciwa interpretacja premiery: nagłówkowy wynik Ripple to 2.1, jego własna karta pokazuje 44.3 w jedynym benchmarku kodowania agentowego, w którym istnieje porównanie tej samej wersji, a model, z którym jest porównywany, wygrywa ten wiersz z dużą przewagą. Nic z tego nie czyni Ripple złym modelem. Sprawia to, że 80.5 jest liczbą dotyczącą konkretnego egzaminu.

Co można kupić za 32 miliony dolarów — i czego nie

Najciekawszym twierdzeniem Ricursive nie jest wynik benchmarku. Jest nim to, że cały wysiłek badawczo-rozwojowy kosztował 32 miliony dolarów — około jednej dziesiątej tego, co według firmy kosztował poprzedni stan sztuki wśród modeli open-weight w kodowaniu agentowym — osiągnięty dzięki 1,4 miliona przebiegów uczenia ze wzmocnieniem, około siedemdziesięciu razy mniejszej liczbie niż w Reflection Beam 501B, przy 40% wykorzystaniu FLOPs modelu.

Jeśli to się potwierdzi, to większa sprawa niż 80,5 w jakimkolwiek benchmarku, bo oznacza, że koszt wejścia do tego poziomu możliwości spadł o rząd wielkości. Wyjaśnia to również kształt modelu: gęsty model 65B o 80 warstwach to konstrukcja, którą można tanio trenować i udostępniać, a Ricursive podaje 250 tokenów na sekundę na dwóch B200 przy rozmiarze partii osiem, jeszcze przed jakąkolwiek kwantyzacją. Punkt odniesienia: Opus 5.5 osiąga 112 tokenów na sekundę w środowisku testowym Artificial Analysis.

Za 32 mln dolarów nie da się kupić niezależnej weryfikacji. Nie ukazało się jeszcze żadne opublikowane powtórzenie wyników Ripple przez stronę trzecią, a model w ogóle nie figuruje w Artificial Analysis Intelligence Index — standardowym, neutralnym rankingu. Opus 5.5 zajmuje w tym indeksie 59. miejsce, w wersji 5.0.1, przy koszcie obliczeń wynoszącym 10,04 USD na zadanie indeksowe. Dopóki Ripple nie pojawi się w rankingu, każde twierdzenie porównujące go z innymi modelami opiera się wyłącznie na tabelach dostawcy.

Argument o cenie, zrobiony właściwie

Kuszące sformułowanie to stwierdzenie, że Ripple jest od dwudziestu do trzydziestu razy tańszy na token. Trafne sformułowanie brzmi: Ripple nie ma ceny katalogowej, ponieważ nie ma czego wyceniać: wagi są objęte licencją Apache 2.0 i można je pobrać. Katalogi firm trzecich podają stawki hostingu w okolicach 0,20 USD za milion tokenów wejściowych i 0,60 USD za milion tokenów wyjściowych, ale są to stawki hostingu, a nie cennik dostawcy. Hostowanie własne zamienia koszt na GPU i czas pracy inżynierów, co jest tanie w stanie ustalonym, a drogie na starcie.

Opus 5.5 to układ w drugą stronę. Cztery dolary na wejściu i dwadzieścia dolarów na wyjściu za milion tokenów to realna liczba, którą już dziś możesz wpisać do arkusza kalkulacyjnego, a odczyt z pamięci podręcznej za 0,20 USD sprawia, że długie pętle agentowe ze stabilnym prefiksem są znacznie tańsze, niż sugeruje nagłówek. W OrcaRouter to jeden z ponad 200 modeli dostępnych na jednym kluczu przy 0% narzutu — cena katalogowa dostawcy przekazywana jest bez zmian, więc zmiana ceny u Anthropic obowiązuje tego samego dnia, a nie dopiero przy następnym rozliczeniu.

Ripple nie znajduje się w katalogu OrcaRouter i nic w tym artykule nie powinno być odczytywane jako świadczenie przez nas usług z jego wykorzystaniem. Jego wagi są dostępne na Hugging Face, a w ogłoszeniu premiery wymieniono partnerów hostingowych; jeśli chcesz wywoływać go przez API, zamiast uruchamiać go samodzielnie, to jest właśnie ta droga.

Który wybrać?

Jeśli praca dotyczy agenta kodującego na zastrzeżonej bazie kodu z przeglądem zgodności, Opus 5.5 jest wyborem, którego można bronić, a argument z benchmarków jest bezdyskusyjny: ma niezależny wynik indeksu, kartę systemową, opublikowany wynik SWE-bench Pro oraz okno 1M z 128K danych wyjściowych. Płacisz za ścieżkę audytu w takim samym stopniu jak za model.

Jeśli praca polega na wysokowolumenowej, wąskiej pętli agentowej, w której prompt jest stabilny, korpus należy do Ciebie, a ograniczeniem jest rachunek, to model 65B na licencji Apache-2.0, który mieści się na dwóch B200, jest zupełnie inną propozycją niż API kosztujące 20 USD za milion tokenów wyjściowych. Pytanie, na które trzeba odpowiedzieć przed podjęciem decyzji, nie brzmi: „czy 80,5 jest większe niż 66,4?” — lecz: „jaki wynik na DeepSWE osiąga Ripple w porównaniu z modelem, który zastępuję?”, a obecnie odnotowana odpowiedź to 44,3 wobec 74,2.

To, na co warto zwrócić uwagę, to nie kolejny wykres dostawcy. To pierwsze niezależne uruchomienie Ripple 65B Preview na Terminal-Bench 4.0. Wszystko w tym porównaniu czeka na tę liczbę.