Ripple 65B Preview vs Claude Opus 5.5: Dois programadores agênticos, dois exames diferentes

Ripple 65B Preview registra 80,5 no Terminal-Bench. Claude Opus 5.5 registra 66,4. Coloque esses dois números na mesma coluna, e um modelo de pesos abertos de 65 bilhões de parâmetros lançado em 4 de novembro de 2026 pela Ricursive Intelligence parece superar o carro-chefe da Anthropic por catorze pontos no benchmark mais próximo do trabalho de programação agêntica. Não é o caso. O número da Ripple é do Terminal-Bench 2.1. O da Opus 5.5 é do Terminal-Bench 4.0. Não são o mesmo exame, não são pontuados da mesma forma, e o histórico das duas versões é a coisa mais útil que um comprador pode saber antes de tratar qualquer um dos números como um veredito.

Essa lacuna não é uma tecnicalidade inventada para proteger o incumbente. É um colapso documentado. Quando a SemiAnalysis executou os mesmos modelos nas duas versões, em 8 de setembro de 2026, o Claude Fable 5.1 caiu de 91,4 na 2.1 para 55,8 na 4.0, o GPT-6 Astra de 88,4 para 57,7, e o Gemini 3.8 Flash de 89,4 para 19,1 — uma queda de 70 pontos para um modelo que não havia mudado. O Terminal-Bench 4.0 removeu oito tarefas, corrigiu outras dezenove, aplicou um limite de tempo fixo de oito horas e adicionou verificações de resistência à adulteração. Uma pontuação da 2.1 e uma pontuação da 4.0 compartilham um nome e nada mais.

O que cada modelo realmente é

Ripple 65B Preview é um modelo denso, não uma mistura de especialistas: 65 bilhões de parâmetros, todos eles ativos em cada token, em um transformer "fino e profundo" de 80 camadas com um fluxo residual de 5.120 de largura. O card do modelo da Ricursive lista cabeças de atenção extras, uma proporção maior entre atenção de janela deslizante e atenção global, uma janela deslizante menor, clipping de ativação da FFN, atenção com portões, NoPE global e resíduos de valor — um conjunto de escolhas que descreve como semelhante ao Gemma 3N. Tem licença Apache 2.0, foi treinado em 12 trilhões de tokens e alega até 1 milhão de tokens de contexto.

O Claude Opus 5.5 é um modelo fechado lançado em 22 de setembro de 2026, com uma janela de 1 milhão de tokens, 128.000 tokens de saída máxima, entrada de texto e imagem, e raciocínio adaptativo sempre ativado — uma mudança incompatível em relação ao Opus 5, no qual o raciocínio era opcional. Ele expõe cinco níveis de esforço, com medium como padrão, o que importa: quase todos os benchmarks publicados do Opus 5.5 foram executados em max ou xhigh, não na configuração que a maioria das chamadas de API usará.

• Parâmetros — 65B denso, todos ativos vs não divulgados, pesos fechados

• Licença — Apache 2.0, disponível para download vs proprietário, apenas API

• Contexto — até 1M alegado vs 1M, com saída máxima de 128K

• Lançamento — 4 de novembro de 2026 vs 22 de setembro de 2026

• Preço — sem preço de tabela do fornecedor; tarifas de hospedagem em torno de US$ 0,20 / US$ 0,60 por milhão de tokens, contra US$ 4,00 de entrada / US$ 20,00 de saída, US$ 0,20 por leitura de cache

• Pontuação independente — nenhuma ainda vs. 59 no Artificial Analysis Intelligence Index v5.0.1

A única linha em que as versões coincidem

O Terminal-Bench é onde o lançamento quer a discussão. O SWE-bench Pro é onde fica interessante, e o DeepSWE v1.1 é onde fica desconfortável.

O valor do Opus 5.5 no SWE-bench Pro é 89,9, segundo o system card da Anthropic. O do Ripple é 79,1 — mas em v2.0-Hard, e o próprio card dele lista separadamente 61,42 no v1.0. Três números, dois fornecedores, pelo menos dois conjuntos de tarefas. Nada aqui pode ser subtraído de qualquer outra coisa.

O DeepSWE v1.1 é diferente. Os dois laboratórios publicaram uma pontuação para ele, e nenhum dos dois o atualizou para uma nova versão como o Terminal-Bench foi atualizado. O Opus 5.5 obtém 74,2. O Ripple 65B Preview obtém 44,3. Isso é uma diferença de trinta pontos em um benchmark que ambos os lados escolheram publicar, e aponta na direção oposta ao gráfico do Terminal-Bench. O DeepSWE é um benchmark de agentes de engenharia de software construído em torno de trabalho real em repositórios, e não de tarefas de shell, então, para o público que a Ripple está mirando — agentes de programação —, pode-se argumentar que é o mais relevante dos dois.

Esta é a leitura honesta do lançamento: a manchete da Ripple é uma pontuação de 2,1, sua própria ficha mostra 44,3 no único benchmark de programação agêntica em que existe uma comparação de mesma versão, e o modelo com o qual ela está sendo comparada vence essa linha por uma margem ampla. Nada disso torna a Ripple um modelo ruim. Isso faz do 80,5 um número sobre um exame específico.

O que US$ 32 milhões compram, e o que não compram

A alegação mais interessante da Ricursive não é um benchmark. É que todo o esforço de pesquisa e desenvolvimento custou 32 milhões de dólares, aproximadamente um décimo do que a empresa diz ter custado o estado da arte anterior de pesos abertos em codificação agêntica, alcançado com 1,4 milhão de rollouts de aprendizagem por reforço — cerca de setenta vezes menos que o Reflection Beam 501B — com 40% de utilização de FLOPs do modelo.

Se isso se confirmar, é algo maior do que 80,5 em qualquer benchmark, porque indica que o preço de entrada nesse patamar de capacidade caiu uma ordem de grandeza. Também explica o formato do modelo: 65B denso com 80 camadas é um projeto que você pode treinar e servir barato, e a Ricursive relata 250 tokens por segundo em duas B200s com tamanho de lote oito, antes de qualquer quantização. Um ponto de comparação: o Opus 5.5 mede 112 tokens por segundo no harness da Artificial Analysis.

O que US$ 32 milhões não compram é verificação independente. Ainda não há uma reexecução publicada por terceiros dos números da Ripple, e o modelo não aparece de forma alguma no Artificial Analysis Intelligence Index — o painel neutro padrão. O Opus 5.5 está em 59 nesse índice, versão 5.0.1, a US$ 10,04 de computação por tarefa do índice. Até que a Ripple tenha uma entrada, toda alegação entre modelos sobre ele se baseia nas tabelas do fornecedor.

O argumento do preço, feito corretamente

A frase tentadora é que o Ripple é vinte a trinta vezes mais barato por token. A frase precisa é que o Ripple não tem preço de tabela, porque não há nada para o qual listar um preço: os pesos são Apache 2.0 e estão disponíveis para download. Catálogos de terceiros citam tarifas de hospedagem próximas de US$ 0,20 por milhão de tokens de entrada e US$ 0,60 por milhão de saída, e essas são tarifas de hospedagem, não uma tabela de preços do fornecedor. A auto-hospedagem transforma o custo em GPUs e tempo de engenharia, que é barato em regime estável e caro no primeiro dia.

O Opus 5.5 é a aposta inversa. Quatro dólares de entrada e vinte dólares de saída por milhão de tokens é um número real que você pode colocar numa planilha hoje mesmo, com uma leitura de cache de US$ 0,20 que torna loops de agente longos com prefixo estável consideravelmente mais baratos do que o valor de vitrine sugere. No OrcaRouter, ele é um dos mais de 200 modelos acessíveis com uma única chave a 0% de markup — o preço de tabela do provedor repassado sem acréscimo, de modo que uma mudança de preço da Anthropic entra no ar no mesmo dia, e não na próxima reconciliação de faturamento.

A Ripple não está no catálogo do OrcaRouter, e nada neste artigo deve ser interpretado como se a estivéssemos servindo. Os pesos dela estão no Hugging Face, e o lançamento nomeia parceiros de hospedagem; se você quiser chamá-la como uma API em vez de executá-la, esse é o caminho.

Qual escolher

Se o trabalho for um agente de programação em uma base de código proprietária com uma revisão de conformidade, o Opus 5.5 é a escolha defensável, e o argumento de benchmark não é nem de perto uma disputa: ele tem uma pontuação independente em índice, um system card, um número publicado no SWE-bench Pro e uma janela de 1M com 128K de saída. Você está pagando tanto pela trilha de auditoria quanto pelo modelo.

Se o trabalho for um loop de agente estreito e de alto volume, no qual o prompt é estável, o corpus é seu e a conta é a restrição, um modelo de 65B Apache-2.0 que cabe em duas B200s é uma proposta genuinamente diferente de uma API de US$ 20 por milhão de saída. A pergunta a responder antes de se comprometer não é "80.5 é maior que 66.4" — é "qual é a pontuação do Ripple no DeepSWE em comparação com o modelo que estou substituindo", e, no momento, a resposta registrada é 44,3 contra 74,2.

O que vale a pena acompanhar não é mais um gráfico de fornecedor. É a primeira execução independente do Ripple 65B Preview no Terminal-Bench 4.0. Tudo nesta comparação depende desse número.