Ripple 65B Preview vs Muse Wonder: O que 20× o preço realmente compra

Há exatamente um benchmark que Ripple 65B Preview e Muse Wonder publicaram ambos, na mesma versão, com números que você pode colocar na mesma frase: DeepSWE 1.1. O Muse Wonder da Meta reporta 78,8. O Ripple 65B Preview da Ricursive reporta 44,3. Isso é uma diferença de 34,5 pontos em trabalho de agente de engenharia de software, e é a única comparação limpa que os dois lançamentos oferecem — todo o resto é ou uma revisão diferente do benchmark ou uma coluna com um traço nela.

Portanto, a questão não é se o Muse Wonder é melhor nessa tarefa. É claramente melhor, segundo os próprios números dos laboratórios. A questão é se ele é melhor o suficiente para justificar custar cerca de vinte vezes mais na entrada e trinta e três vezes mais na saída. Essa é uma decisão real com uma resposta real, e não é a mesma resposta para toda carga de trabalho.

Por que o DeepSWE 1.1 é a disputa justa

Ambos os laboratórios executaram a versão 1.1 da mesma avaliação. Nenhum dos dois publicou uma reexecução feita por terceiros, então ambos os números carregam a mesma ressalva — são informados pelos fornecedores e não foram reproduzidos — e é essa simetria que torna a comparação utilizável. Quando duas alegações têm o mesmo grau de interesse próprio, a diferença entre elas ainda é informativa.

Compare isso com o Terminal-Bench, em que os dois laboratórios não fizeram o mesmo exame de jeito nenhum. A Ripple relata 80,5 no Terminal-Bench 2.1. A Meta relata o Muse Wonder Full com 57,1 no Terminal-Bench 4.0, uma revisão posterior e mais difícil. Qualquer pessoa que alinhe esses números para declarar a Ripple vencedora está comparando um modelo que fez a prova de 2024 com um que fez a de 2026. O enquadramento da própria Meta é cuidadoso aqui, e a thread de lançamento da Ricursive não foi.

Mais uma ressalva do lado da Meta: a tabela JobBench da empresa afirma 75,3 para o Muse Wonder Full contra 30,8 para o Muse Wonder padrão, uma diferença de 44 pontos que nenhum avaliador independente reproduziu. Trate tabelas internas de benchmark de qualquer laboratório como marketing até que alguém de fora da empresa as execute.

Qual é realmente a diferença de preço

A Muse Wonder custa US$ 4,00 por milhão de tokens de entrada e US$ 20,00 por milhão de tokens de saída, com entrada em cache a US$ 0,20. O Ripple 65B Preview está listado a US$ 0,20 e US$ 0,60 em seu primeiro endpoint hospedado — um número a ser considerado com cautela, já que a Ricursive não publicou nenhuma tabela de preços e esse endpoint oferece um contexto de 16.384 tokens contra uma janela anunciada de 1 milhão. Mesmo tomando o anúncio pelo valor de face, a proporção é de 20× na entrada e 33× na saída.

As proporções por token favorecem modelos pequenos e enganam sobre contas reais, então aqui está a aritmética de uma carga de trabalho que você talvez realmente execute. Digamos que seu agente de codificação emita 50 milhões de tokens de saída por mês e leia 200 milhões de tokens de entrada fazendo isso.

• No Muse Wonder: 200 × $4,00 = $800 de entrada, mais 50 × $20,00 = $1.000 de saída. Total de $1.800 por mês.

• No Ripple 65B Preview à taxa listada: 200 × $0,20 = $40 de entrada, mais 50 × $0,60 = $30 de saída. Total de $70 por mês.

• A diferença: US$ 1.730 por mês, ou aproximadamente US$ 20.760 por ano, para a mesma contagem nominal de tokens.

Agora, a parte que a planilha não captura. Se a Ripple falha uma tarefa uma vez em cada três e você a repete, seu volume efetivo de produção sobe pela metade. Com duas novas tentativas, você dobrou esse volume. O ponto de equilíbrio não é sutil — a Ripple pode ser trinta e três vezes menos eficiente por token e ainda custar menos —, mas o modo de falha é pior do que a conta. Um agente de programação que falha em um terço das tarefas não apenas custa mais; ele custa a você o engenheiro que precisa perceber, desfazer e executar o trabalho novamente. Inclua o custo da supervisão, não apenas o dos tokens.

A Artificial Analysis coloca o Muse Wonder (Max) a US$ 6,95 por tarefa do índice em sua página ao vivo do modelo — uma unidade mais honesta do que dólares por milhão, e sem equivalente para o Ripple, porque ninguém o submeteu a um conjunto padrão de tarefas.

Pelo que a Meta está cobrando, além dos pesos

Muse Wonder é um modelo fechado com uma superfície de entrada excepcionalmente ampla: texto, imagens, vídeo, áudio e PDFs na entrada, texto na saída, ao longo de um contexto de 1.048.576 tokens com teto de saída de 131.072 tokens. Ele executa raciocínio sempre ativo com seis níveis de esforço selecionáveis, oferece suporte a chamadas paralelas de ferramentas e saídas estruturadas, e expõe dois recursos sem qualquer equivalente na ficha da Ripple — Active Memory, que carrega contexto entre conversas, e Active Focus, projetado para manter uma tarefa longa coesa sem se desviar.

Se você se importa depende inteiramente do formato da sua carga de trabalho. Se o seu agente precisa ler uma captura de tela de um teste que falhou, transcrever uma chamada de cliente e conciliá-la com uma fatura em PDF em uma única passagem, nenhuma das pontuações de benchmark do Ripple ajuda você, porque o Ripple 65B Preview recebe texto e retorna texto. A lacuna de modalidade não é uma diferença de desempenho que você possa eliminar com um prompt melhor.

Muse Wonder (Max) pontua 44 no Artificial Analysis's Intelligence Index — #26 de 66 modelos em sua classe, e acima da mediana de 36 para modelos comparáveis, embora não seja mais o 52 próximo da fronteira que a cobertura da semana de lançamento relatou. O índice foi reconstruído no final de outubro e vários modelos mudaram. Ripple 65B Preview não aparece nele de forma alguma.

Quanto vale o Apache 2.0

O Ripple 65B Preview tem 65 bilhões de parâmetros densos sob Apache 2.0, com os pesos completos no Hugging Face em BF16, além das variantes NVFP4 e do modelo base. Em BF16, esse checkpoint tem cerca de 130 GB, o que é território de DGX Spark ou uma execução quantizada em uma máquina menor — não um MacBook, apesar do que a cobertura do lançamento disse, a menos que você esteja executando a versão NVFP4. A Ricursive afirma 250 tokens por segundo em duas B200s com tamanho de lote 8 antes de qualquer kernel personalizado, e cerca de 40% de MFU durante o pré-treinamento com sharding simples.

O que isso lhe proporciona é tudo aquilo que um modelo fechado hospedado não pode oferecer: a capacidade de fazer ajuste fino com seus próprios dados, de executar inferência sem custo por token e sem que dados saiam da sua rede, de fixar uma versão para sempre e de servi-lo às 3h da manhã sem depender da página de status de outra pessoa. Para uma carga de trabalho regulamentada, essa lista costuma valer mais do que 34 pontos do DeepSWE. Para uma startup que lança um agente neste trimestre, geralmente não vale.

Há também uma assimetria de licenciamento que vale a pena referir. A Apache 2.0 é aproximadamente tão permissiva quanto os pesos abertos podem ser. O Muse Wonder é fechado por completo — o irmão de pesos abertos da Meta nesta família é o Muse Spark Open, um modelo diferente e muito maior, com 816B de parâmetros, 42B de parâmetros ativos e 256 especialistas, não uma versão mais pequena do Wonder. Se os pesos abertos forem um requisito e não uma preferência, esta comparação termina aqui.

Executando os dois lado a lado

Nenhum dos dois modelos está no nosso catálogo hoje, e não se vai insinuar que esteja. O Muse Wonder chega aos desenvolvedores pela própria API da Meta; o Ripple, pelo endpoint da Ricursive e por plataformas de terceiros, com pesos no Hugging Face. O que um roteador tem de útil nessa situação é justamente o que os dois lançamentos deixam óbvio: você não quer um caminho de produção ligado a um Preview de um dia cujo próprio card diz que suas pontuações são difíceis de replicar. Você quer esse modelo atrás de um fallback, absorvendo uma parcela do tráfego que você pode aumentar conforme as evidências se acumulam — failover automático para um modelo comprovadamente bom em caso de erro ou timeout, em vez de uma reescrita quando o experimento decepcionar.

Esse padrão também é como você responde à questão de preços de forma empírica. Direcione 10% do seu tráfego de codificação para o Ripple, mantenha 90% no Muse Wonder e compare não a conta de tokens, mas o custo por tarefa concluída — incluindo as novas tentativas e o tempo humano. Uma chave de API, uma linha de cobrança, e um número que você pode defender em uma reunião de planejamento, o que é mais do que qualquer tabela de benchmark lhe dará.

Quem deveria pagar as vinte vezes

Pague pelo Muse Wonder se seu trabalho for multimodal, de longo horizonte ou voltado ao cliente: agentes que leem capturas de tela, assistentes que precisam se lembrar de um usuário entre sessões, qualquer coisa em que uma taxa de alucinação de 27% já seja alta demais e você precise da confiabilidade que o pós-treinamento de um laboratório de ponta proporciona. Os US$ 6,95 por tarefa de indexação são um preço justo por um modelo que conclui a tarefa.

Execute o Ripple 65B Preview se o trabalho for somente texto, limitado e de alto volume, e se você tiver o hardware ou um endpoint barato: classificação em lote, revisão de código com uma rubrica fixa, um assistente local, uma base para ajuste fino. A US$ 0,20 e US$ 0,60, ele é trinta e três vezes mais barato na saída e, em uma carga de trabalho que favorece seus pontos fortes, essa proporção supera um déficit de 34,5 pontos em um benchmark.

O erro seria ler a diferença do DeepSWE como um veredito. É um único exame, realizado uma única vez, reportado pelo laboratório que o elaborou. O número que deveria decidir isso para você não é 78,8 versus 44,3 — é o que o seu próprio conjunto de tarefas faz quando você executa os dois, e esse número não existe até você gerá-lo.