Ripple-65B Preview vs Mistral Large 4.0: 65 bilhões densos contra um MoE de um trilhão de parâmetros

Coloque Ripple-65B Preview e Mistral Large 4.0 lado a lado em um disco e a diferença não é sutil: 129,6 GB de fragmentos BF16 contra 1.060,6 GB de fragmentos FP8, para dois modelos que ambos se autodenominam de pesos abertos e ambos vendem codificação agêntica. Um é um transformer denso de 65B treinado do zero em 12 trilhões de tokens por um grupo de pesquisa de cinco pessoas que diz ter gastado US$ 32 milhões. O outro é uma mistura de especialistas de 1,05 trilhão de parâmetros com 52 bilhões de parâmetros ativos e um codificador de visão de 1,6 bilhão de parâmetros, de uma empresa com uma linha de produtos por trás.

A parte interessante não é a diferença de tamanho. É que ambos os laboratórios optaram por publicar um número do DeepSWE 1.1 — o mesmo benchmark, a mesma versão — e o modelo menor perde por 17,4 pontos nele. A própria ficha da Ripple reporta 44,3. A Mistral reporta 61,7 para o Large 4.0. Portanto, antes de qualquer argumento sobre eficiência, licenciamento ou auto-hospedagem, há uma comparação limpa, na mesma versão e no mesmo conjunto de tarefas, no quadro, e ela não favorece o novo modelo.

O que cada laboratório realmente entregou

O Ripple-65B Preview é o primeiro modelo público da Ricursive Intelligence, lançado em 4 de novembro de 2026 sob Apache 2.0, sem gate e sem cláusula de uso aceitável além da própria licença. A arquitetura é deliberadamente fina e profunda — 80 camadas com largura de modelo de 5.120 — com cabeças de atenção superprovisionadas, alta proporção de camadas de janela deslizante em relação às globais, atenção com gate, NoPE global e resíduos de valor. O card o descreve como relativamente pouco pós-treinado, com 700 etapas de RL e ênfase declarada em codificação agêntica. Um drafter especulativo de 4,04B, um checkpoint NVFP4 e um modelo base sem gate são lançados junto.

O Mistral Large 4.0 é a quarta geração de uma linha que é o carro-chefe da empresa desde 2023, e esta chegou em duas etapas: uma prévia da API em 6 de outubro de 2026, depois os pesos em 29 de outubro sob a Licença de Pesos Abertos do Ecossistema Mistral, um documento baseado na MIT modificada com uma cláusula de prestador de serviços. É multimodal onde o Ripple não é — um codificador de visão de 1,6B aceita imagens — e expõe três níveis de esforço de raciocínio em vez de um.

• Parâmetros — 65B densos, todos os parâmetros ativos por token, versus 1,05T no total com 52B ativos e 128 especialistas roteados, 4 por token

• Pesos em disco — 129,6 GB em BF16 distribuídos em 16 shards, contra 1.060,6 GB em FP8 distribuídos em 54 shards, além de um irmão NVFP4 de 610,1 GB

• Contexto — até 1M declarado, embora o primeiro endpoint hospedado atendesse 16.384 e uma listagem mais recente anuncie 128K vs 1M em todos os casos

• Modalidade — texto como entrada, texto como saída vs texto e imagem como entrada, texto como saída

• Licença — Apache 2.0 vs Mistral Ecosystem Open Weight License, que exige um acordo comercial para oferecer o modelo como serviço

• Preço onde hospedado — US$ 0,20 / US$ 0,60 por milhão de tokens vs US$ 0,70 / US$ 2,10, com US$ 0,07 de entrada em cache

A licença é a diferença mais marcante, e não é por pouco.

O Apache 2.0 significa o que sempre significou. Você pode pegar o Ripple-65B Preview, fazer fine-tuning nele, renomeá-lo, servi-lo a clientes e não publicar nada. Não há limite de receita, exigência de notificação nem cláusula que transforme uma camada de roteamento em licenciado. Para uma empresa cujo produto é um modelo por trás de uma API, isso é o jogo inteiro — é a diferença entre um modelo sobre o qual você pode construir um negócio e um modelo sobre o qual você pode construir um recurso.

A licença do Mistral Large 4.0 é mais permissiva do que o nome sugere e menos permissiva que a Apache. É uma MIT modificada com uma condição adicional: se você fornecer o modelo a terceiros como um serviço, precisará de um acordo comercial. A definição abre exceções para duas coisas que importam — incorporar o modelo dentro de um produto para o usuário final e o "mero repasse de solicitações a modelos hospedados por outros", que é o que um gateway faz quando encaminha uma solicitação para a inferência própria da Mistral. Lendo com atenção, essa exceção mantém um roteador do lado certo da linha. Lendo sem cuidado, ou lendo apenas a página de marketing que diz "open weight", você pode acabar se convencendo de que tem um problema de conformidade.

Então, o enquadramento honesto não é "Apache versus restritiva". É "Apache versus uma licença que você deveria mandar um advogado ler uma vez". Se seu plano é hospedar os pesos você mesmo e vender acesso, os termos da Ripple são categoricamente mais simples. Se seu plano é chamar um endpoint, ambas as licenças atendem você e a diferença praticamente desaparece.

Terminal-Bench é o benchmark que você não pode usar aqui

Os dois laboratórios publicam uma pontuação no Terminal-Bench, e não se trata do mesmo teste. A Ripple reporta 80,52 no Terminal-Bench 2.1 e chama isso de estado da arte dos modelos de pesos abertos dos EUA. A Mistral reporta 28,3% no Terminal-Bench 4.0. Colocados lado a lado, esses dois números parecem uma goleada de 52 pontos. Eles não são comparáveis, e tratá-los como comparáveis é o erro mais comum na cobertura de qualquer um dos dois modelos.

O Terminal-Bench 4.0 é um conjunto de tarefas mais difícil e posterior, e a diferença entre as versões é grande o suficiente para que uma boa pontuação no 2.1 e uma pontuação medíocre no 4.0 possam descrever o mesmo modelo. Nossa própria comparação do Ripple com o Claude Opus 5.5 existe principalmente para explicar por que os 80,5 e os 66,4 do Opus também não podem ser subtraídos. A única afirmação defensável aqui é que o Ripple não publicou um número para o 4.0 e a Mistral não publicou um número para o 2.1, então esse eixo específico está vazio.

O que sobrevive é o DeepSWE 1.1, e aí o quadro é legível. O 44.3 do Ripple vem do próprio model card dele. O 61.7 da Mistral vem da própria execução da Mistral. Nenhum dos dois é independente, mas são a mesma versão do mesmo benchmark, o que é mais do que o Terminal-Bench pode oferecer. Uma diferença de 17.4 pontos em tarefas de engenharia de software não é ruído, e está alinhada com o restante de cada card: o Mistral Large 4.0 também reporta 87.6 no GPQA Diamond, 89.4 no MMLU-Pro e 81.3 no conjunto de raciocínio de contexto longo da Artificial Analysis, contra 85.2, 84.2 e 75.0 do Ripple.

O contra-argumento da Ripple baseia-se em benchmarks nos quais ela lidera seu próprio conjunto de comparação e em um número que a Mistral não consegue igualar: 80,52 contra 80,1 do Reflection Beam 501B no Terminal-Bench 2.1, de um modelo quinze vezes menor. Esse é um resultado real sobre eficiência de treinamento. Não é um resultado sobre ser melhor que o Mistral Large 4.0, e as duas alegações continuam sendo fundidas na cobertura secundária.

O custo por token favorece a Ripple; o custo por tarefa chega mais perto.

No preço de tabela, a diferença de hospedagem é de aproximadamente 3,5× em ambas as direções: US$ 0,20 e US$ 0,60 por milhão de tokens contra US$ 0,70 e US$ 2,10. Para um agente de alto volume, essa diferença é toda a conversa sobre orçamento, e é o motivo pelo qual um modelo denso de 65B continua interessante mesmo quando perde nos benchmarks.

A Artificial Analysis atribui ao Mistral Large 4.0 um Intelligence Index de 26 e um custo de US$ 2,06 por tarefa do índice. O Ripple-65B Preview não tem nenhuma entrada no índice, então não há figura equivalente para dividir — o que, por si só, é a resposta honesta para "qual é mais barato por unidade de capacidade". Um modelo foi medido no painel neutro e o outro não. Se você precisa de um número de planejamento hoje, apenas uma dessas colunas tem algo nela.

A aritmética de auto-hospedagem muda novamente a configuração. Um modelo denso de 65B em BF16 cabe em tensor-parallel-4 em quatro placas de 80GB, e o suporte integrado ao vLLM em 5 de novembro significa que agora ele carrega sem --trust-remote-code. Um modelo de 1,05T em FP8 precisa de uma ordem de magnitude a mais de hardware e de uma pilha de serving que entenda paralelismo de especialistas. Para uma equipe com quatro GPUs e uma exigência de conformidade, o 65B não é a opção de compromisso — é a única opção desta lista.

Onde a decisão de roteamento realmente recai

Nenhum dos dois modelos está no catálogo do OrcaRouter. Não há nenhum modelo Mistral nele, e o Ripple-65B Preview também não está — então qualquer artigo que diga que você pode acessar os dois com uma única chave, incluindo este, estaria inventando. O que é verdade é mais restrito: os modelos de pesos abertos que nós roteamos são os que um comprador sensível a custos normalmente acaba comparando com esses dois. Kimi K3.1 Pro tem contexto de 1M e saída máxima de 943K a US$ 2,00 e US$ 10,00 por milhão. DeepSeek V4 Pro tem contexto de 1M e saída de 384K a US$ 0,66 e US$ 1,98. Ambos são acessíveis por um único endpoint compatível com OpenAI com failover automático, e os preços de tabela dos provedores são repassados sem markup, então uma mudança de preço do fornecedor entra em vigor do nosso lado no mesmo dia.

Isso importa para esta comparação de uma forma específica. O Mistral Large 4.0 foi lançado a US$ 1,36 e US$ 4,18, e os US$ 0,70 e US$ 2,10 que a documentação da Mistral mostra hoje são a tarifa com desconto que veio depois. Um preço que cai pela metade em um mês é um preço que vale a pena conferir em vez de memorizar — e é o tipo de movimento que um gateway de repasse reflete sem que você mude nada.

Quem deve escolher qual?

Escolha o Ripple-65B Preview se você quiser ser dono dos pesos de forma definitiva sob termos que não precisa interpretar, se sua carga de trabalho for codificação agêntica no estilo terminal em vez de engenharia de software ampla, e se 65B couber no seu hardware. Aceite que você está confiando em uma ficha de fornecedor que nenhum laboratório independente reproduziu, que o número de contexto depende inteiramente de como você o serve, e que um 44.3 no DeepSWE é o número a superar antes de você substituir o que quer que execute agora.

Escolha o Mistral Large 4.0 se precisar de imagens além de texto, se um contexto de 1M com um histórico documentado de serving importar mais do que a simplicidade do licenciamento, e se um Intelligence Index medido de 26 com um custo de $2.06 por tarefa for o tipo de número que o seu processo de compras aceita. Aceite que a licença exige uma revisão jurídica, que 1.060,6 GB de pesos é uma categoria diferente de compromisso de infraestrutura, e que o Terminal-Bench 4.0 em 28,3% é a pontuação que a sua própria avaliação provavelmente reproduzirá.

A única coisa que eu não faria é escolher entre eles com base nos benchmarks de destaque. Dois laboratórios, duas versões de benchmark, duas execuções do DeepSWE autorrelatadas — a comparação que decide isso é a que você faz no seu próprio repositório, e ambos os modelos são abertos o suficiente para tornar isso possível sem pedir permissão a ninguém.