Ripple 65B Preview kontra Muse Wonder: co tak naprawdę daje 20× wyższa cena

Istnieje dokładnie jeden benchmark, który zarówno Ripple 65B Preview, jak i Muse Wonder opublikowały w tej samej wersji, z liczbami, które można wstawić do jednego zdania: DeepSWE 1.1. Muse Wonder od Meta podaje 78,8. Ripple 65B Preview od Ricursive podaje 44,3. To 34,5-punktowa różnica w pracy agenta do inżynierii oprogramowania i jedyne czyste porównanie, jakie oferują te dwa debiuty — wszystko inne to albo inna wersja benchmarku, albo kolumna z myślnikiem.

Zatem pytanie nie brzmi, czy Muse Wonder jest lepszy w tym zadaniu. Według samych danych laboratoriów jest oczywiście lepszy. Pytanie brzmi, czy jest na tyle lepszy, by uzasadnić około dwudziestokrotnie wyższy koszt na wejściu i trzydziestotrzykrotnie wyższy na wyjściu. To prawdziwa decyzja z prawdziwą odpowiedzią i nie jest to ta sama odpowiedź dla każdego obciążenia.

Dlaczego DeepSWE 1.1 to uczciwa rywalizacja

Oba laboratoria przeprowadziły tę samą ewaluację w wersji 1.1. Żadne z nich nie opublikowało ponownego wykonania przez stronę trzecią, więc obie liczby obarczone są tym samym zastrzeżeniem — są podane przez dostawcę i nieodtworzone — i to właśnie ta symetria sprawia, że porównanie jest użyteczne. Gdy dwa twierdzenia są w równym stopniu motywowane własnym interesem, różnica między nimi wciąż niesie informację.

Dla kontrastu weźmy Terminal-Bench, gdzie oba laboratoria w ogóle nie zdają tego samego egzaminu. Ripple podaje 80,5 w Terminal-Bench 2.1. Meta podaje Muse Wonder Full z wynikiem 57,1 w Terminal-Bench 4.0, późniejszej i trudniejszej wersji. Każdy, kto zestawia te wyniki, by ogłosić Ripple zwycięzcą, porównuje model, który zdawał arkusz z 2024 r., z modelem, który zdawał ten z 2026 r. Sposób przedstawienia sprawy przez samą Meta jest tutaj ostrożny, a wątek ogłoszenia premiery Ricursive już nie.

Jeszcze jedno zastrzeżenie po stronie Meta: tabela JobBench firmy podaje 75,3 dla Muse Wonder Full wobec 30,8 dla standardowego Muse Wonder — różnica 44 punktów, której nie odtworzył żaden niezależny ewaluator. Wewnętrzne tabele benchmarków z dowolnego laboratorium traktuj jako marketing, dopóki ktoś spoza budynku ich nie przeprowadzi.

Jaka właściwie jest różnica w cenie

Muse Wonder kosztuje 4,00 USD za milion tokenów wejściowych i 20,00 USD za milion tokenów wyjściowych, a wejście z pamięci podręcznej kosztuje 0,20 USD. Ripple 65B Preview jest wyceniony na 0,20 USD i 0,60 USD na swoim pierwszym hostowanym punkcie końcowym — liczba, do której należy podchodzić ostrożnie, ponieważ Ricursive nie opublikował cennika, a ten punkt końcowy obsługuje kontekst 16 384 tokenów w porównaniu z reklamowanym oknem 1 mln. Nawet przyjmując tę wycenę za dobrą monetę, stosunek wynosi 20× na wejściu i 33× na wyjściu.

Wskaźniki na token przedstawiają małe modele w korzystniejszym świetle i wprowadzają w błąd co do rzeczywistych rachunków, więc oto arytmetyka dla obciążenia, które możesz faktycznie uruchamiać. Załóżmy, że twój agent programistyczny generuje miesięcznie 50 milionów tokenów wyjściowych i odczytuje przy tym 200 milionów tokenów wejściowych.

• W Muse Wonder: 200 × 4,00 USD = 800 USD na wejściu, plus 50 × 20,00 USD = 1000 USD na wyjściu. Razem 1800 USD miesięcznie.

• W przypadku Ripple 65B Preview według podanej stawki: 200 × $0.20 = $40 za wejście, plus 50 × $0.60 = $30 za wyjście. Razem $70 miesięcznie.

• Różnica: $1,730 miesięcznie, czyli około $20,760 rocznie, za tę samą nominalną liczbę tokenów.

Teraz część, którą arkusz kalkulacyjny pomija. Jeśli Ripple zawodzi przy jednym zadaniu na trzy, a ty ponawiasz próbę, twoja efektywna przepustowość wzrasta o połowę. Dwa ponowienia i podwoiłeś ją. Próg opłacalności nie jest subtelny — Ripple może być trzydzieści trzy razy mniej wydajny na token i nadal kosztować mniej — ale tryb awarii jest gorszy niż rachunek. Agent kodujący, który zawodzi przy jednej trzeciej zadań, nie tylko kosztuje więcej; kosztuje cię inżyniera, który musi to zauważyć, cofnąć i ponownie uruchomić pracę. Wyceń nadzór, nie tylko tokeny.

Artificial Analysis podaje na swojej bieżącej stronie modelu, że Muse Wonder (Max) kosztuje 6,95 USD za zadanie indeksowe — to uczciwsza jednostka niż dolary za milion i taka, która nie ma odpowiednika dla Ripple, ponieważ nikt nie poddał go standardowemu zestawowi zadań.

Za co Meta pobiera opłaty, poza wagami

Muse Wonder to model zamknięty o nietypowo szerokim zakresie danych wejściowych: tekst, obrazy, wideo, audio i pliki PDF na wejściu, tekst na wyjściu, w kontekście 1 048 576 tokenów z limitem 131 072 tokenów na wyjściu. Działa w trybie ciągłego rozumowania z sześcioma wybieralnymi poziomami wysiłku, obsługuje równoległe wywołania narzędzi i ustrukturyzowane dane wyjściowe oraz udostępnia dwie funkcje, które w ogóle nie mają odpowiednika w karcie Ripple — Active Memory, która przenosi kontekst między rozmowami, oraz Active Focus, zaprojektowaną, by utrzymać długie zadanie w całości bez rozmywania się.

To, czy cię to obchodzi, zależy wyłącznie od charakteru twojego obciążenia pracą. Jeśli twój agent musi odczytać zrzut ekranu nieudanego testu, przepisać rozmowę z klientem i uzgodnić ją z fakturą PDF w jednym przebiegu, żadne wyniki benchmarków Ripple ci nie pomogą, ponieważ Ripple 65B Preview przyjmuje tekst i zwraca tekst. Luka modalnościowa to nie różnica wydajności, którą można zasypać lepszym promptem.

Muse Wonder (Max) uzyskuje wynik 44 w Intelligence Index firmy Artificial Analysis — #26 z 66 modeli w swojej klasie i powyżej mediany 36 dla porównywalnych modeli, choć nie jest już bliskim czołówki wynikiem 52, o którym donosiły relacje z tygodnia premiery. Indeks został przebudowany pod koniec października i kilka modeli zmieniło pozycję. Ripple 65B Preview w ogóle się w nim nie pojawia.

Ile jest warte Apache 2.0

Ripple 65B Preview to 65 miliardów gęstych parametrów na licencji Apache 2.0, z pełnymi wagami na Hugging Face w BF16 oraz wariantami NVFP4 i bazowymi. W BF16 ten checkpoint ma około 130 GB, co jest domeną DGX Spark albo uruchomieniem skwantyzowanym na mniejszej maszynie — a nie, wbrew temu, co mówiły materiały premierowe, na MacBooku, chyba że uruchamiasz build NVFP4. Ricursive twierdzi, że osiąga 250 tokenów na sekundę na dwóch B200 przy rozmiarze batcha 8 przed jakimikolwiek własnymi kernelami, oraz około 40% MFU podczas pretreningu na zwykłym sharding.

To, co ci to daje, to wszystko, czego hostowany zamknięty model nie może ci zapewnić: możliwość dostrajania na własnych danych, uruchamiania wnioskowania bez opłaty za token i bez danych opuszczających twoją sieć, przypięcia wersji na zawsze oraz serwowania jej o 3 w nocy bez polegania na cudzej stronie statusu. W przypadku obciążeń regulowanych ta lista często jest warta więcej niż 34 punkty DeepSWE. Dla startupu wdrażającego agenta w tym kwartale zwykle nie.

Warto też nazwać asymetrię licencyjną. Apache 2.0 jest mniej więcej tak permisywna, jak to tylko możliwe w przypadku otwartych wag. Muse Wonder jest całkowicie zamknięty — otwartowagowym odpowiednikiem Meta w tej rodzinie jest Muse Spark Open, inny i znacznie większy model 816B z 42B aktywnych parametrów i 256 ekspertami, a nie mniejsza wersja Wonder. Jeśli otwarte wagi są wymogiem, a nie preferencją, to porównanie kończy się tutaj.

Uruchamianie obu obok siebie

Żaden z tych modeli nie znajduje się dziś w naszym katalogu i nie będzie sugerowane, że jest. Muse Wonder dociera do deweloperów przez własne API Meta; Ripple przez endpoint Ricursive i platformy zewnętrzne, z wagami na Hugging Face. To, do czego router jest przydatny w tej sytuacji, jest tym, co obie premiery czynią oczywistym: nie chcesz, aby ścieżka produkcyjna była podłączona do jednodniowego Preview, którego własna karta mówi, że jego wyniki trudno odtworzyć. Chcesz mieć ten model za fallbackiem, obsługujący część ruchu, którą możesz zwiększać w miarę gromadzenia dowodów — automatyczne przełączanie awaryjne na sprawdzony model w razie błędu lub przekroczenia limitu czasu, a nie przepisywanie, gdy eksperyment rozczaruje.

Ten wzorzec pozwala też empirycznie odpowiedzieć na pytanie o cenę. Skieruj 10% ruchu związanego z kodowaniem do Ripple, pozostaw 90% w Muse Wonder i porównuj nie rachunek za tokeny, lecz koszt ukończonego zadania — wraz z ponowieniami i czasem człowieka. Jeden klucz API, jedna linia rozliczeniowa i liczba, której możesz bronić na spotkaniu planistycznym, czyli więcej, niż da ci jakakolwiek tabela benchmarków.

Kto powinien zapłacić dwudziestokrotność?

Zapłać za Muse Wonder, jeśli Twoja praca jest multimodalna, wieloetapowa lub skierowana do klientów: agenci, którzy odczytują zrzuty ekranu, asystenci, którzy muszą pamiętać użytkownika między sesjami, cokolwiek, gdzie 27% wskaźnik halucynacji jest już zbyt wysoki i potrzebujesz niezawodności, którą zapewnia post-training wiodącego laboratorium. $6.95 za zadanie indeksowania to uczciwa cena za model, który kończy zadanie.

Uruchom Ripple 65B Preview, jeśli praca jest wyłącznie tekstowa, ograniczona i o dużym wolumenie oraz jeśli masz sprzęt lub tani endpoint: klasyfikacja wsadowa, przegląd kodu według stałej rubryki, lokalny asystent, baza do fine-tuningu. Przy $0.20 i $0.60 jest trzydzieści trzy razy tańszy na wyjściu, a w obciążeniu, które wykorzystuje jego mocne strony, ten stosunek przewyższa 34,5-punktową stratę na jednym benchmarku.

Błędem byłoby odczytywanie różnicy DeepSWE jako wyroku. To jeden egzamin, zdany raz, raportowany przez laboratorium, które go ułożyło. Liczbą, która powinna to za ciebie rozstrzygnąć, nie jest 78,8 kontra 44,3 — lecz to, co robi twój własny zestaw zadań, gdy uruchomisz oba, a ta liczba nie istnieje, dopóki jej nie wygenerujesz.