Ripple 65B Preview vs Nemotron 3.5 Bolt 74B: A conta de VRAM vem primeiro

Ambos estes modelos são vendidos com a mesma promessa — você pode rodar um coder agêntico sério em hardware que possui. O Ripple 65B Preview exige cerca de 130 GB de memória em BF16 antes de você carregar um único token de contexto. O Nemotron 3.5 Bolt 74B-A9B exige 24 GB, porque a NVIDIA o comprimiu para 2,0625 bits. Isso representa uma diferença de cinco vezes no hardware que você precisa comprar, e decide esta comparação antes mesmo de a tabela de benchmarks entrar em cena.

O que é a parte interessante, porque no único benchmark que ambos os laboratórios publicaram na mesma versão, o modelo de menor pegada não é o vencedor. O Nemotron 3.5 Bolt 74B-A9B da NVIDIA registra 50,98 no Terminal-Bench 2.1. O Ripple 65B Preview da Ricursive registra 80,5 na mesma revisão. Trinta pontos, mesmo exame — mas obtidos em condições tão diferentes que a leitura honesta é mais restrita do que a manchete sugere.

A aritmética, antes de qualquer outra coisa

O Ripple 65B Preview é denso. Todos os 65 bilhões de parâmetros ficam ativos em cada token, então, em BF16, apenas os pesos somam 65 × 2 bytes = 130 GB, e isso antes do cache KV. A Ricursive disponibiliza uma variante NVFP4, que reduz os pesos para cerca de um quarto disso — algo como 33 GB mais cache — e é essa build que torna realista uma implantação em GPU única ou DGX Spark. A meta declarada da empresa é um DGX Spark, com 250 tokens por segundo em dois B200s com batch size 8 antes de kernels personalizados.

Nemotron 3.5 Bolt 74B-A9B é um modelo Mixture-of-Experts com 9B de parâmetros ativos, derivado do modelo pai Nemotron 3.5 Super VL 120B-A12B da NVIDIA ao reduzir o top-K de especialistas de 22 para 9 por meio de uma busca guiada por roteador que a empresa chama de Star Elastic. Com 2,0625 bits em IQ2_XXS, ele fica com aproximadamente 19 GB de pesos e cabe em uma placa de 24 GB com tamanho de lote 1. Esse é todo o objetivo de projeto, e ele é cumprido.

• Memória — ~130 GB BF16 / ~33 GB NVFP4 vs ~19 GB a 2,06 bits, placa de 24 GB com batch 1

• Forma — 65B denso vs 74B no total / 9B ativos em MoE

• Contexto — 1M anunciado vs 262.144, com receitas vLLM recomendando 64K em uma placa de 28 GB

• Modalidade — apenas texto vs. entrada de texto, imagem e vídeo

• Licença — Apache 2.0 vs OpenMDW-1.1

• Preço — $0,20 / $0,60 por milhão no primeiro endpoint hospedado vs. nenhum preço por token hospedado

Mesmo arnês, condições diferentes

Terminal-Bench 2.1 é o raro caso em que ambos os laboratórios citaram a mesma versão, o que torna a comparação entre 80.5 e 50.98 legítima de um modo que a maioria das discussões sobre benchmarks entre modelos não é. Mas legitimidade não é o mesmo que equidade, e há duas assimetrias que você precisa ter em mente.

A primeira é a quantização. O 50,98 da NVIDIA é um valor informado pelo fornecedor para um modelo distribuído principalmente como uma versão de 2 bits; o número de destaque da placa no GPQA, 86,43, é medido nesse checkpoint comprimido. A Ricursive declara explicitamente que suas pontuações foram obtidas "em níveis máximos de esforço em BF16" — a versão de precisão total. Comparar uma execução de 2 bits com uma execução em BF16 é comparar dois modelos diferentes que, por acaso, compartilham um repositório.

A segunda é que o número da NVIDIA é a afirmação mais conservadora. A empresa publicou um sóbrio 50,98 no Terminal-Bench e também publicou 86,43 no GPQA Diamond, e avaliadores independentes desde então colocaram o modelo em 21 no Intelligence Index da Artificial Analysis — com pontuação na v4.3.2, que é uma versão de índice diferente da reconstrução v5 na qual outros modelos nesta faixa de preço são citados. Não coloque esse 21 ao lado de um número v5 e subtraia. As versões do índice não são intercambiáveis, e misturá-las é o erro mais comum em posts de comparação escritos esta semana.

Onde o modelo de 24 GB vence de forma inequívoca

O GPQA Diamond é o caso mais claro. O Ripple 65B Preview reporta 85,2. O Nemotron 3.5 Bolt 74B-A9B reporta 86,43. O modelo que cabe em uma única placa de consumidor está à frente em questões de ciência de nível de pós-graduação por 1,2 ponto — uma diferença pequena o suficiente para ser ruído, mas não uma diferença em favor do Ripple. Um modelo denso de 65B treinado do zero com 12 trilhões de tokens não abriu uma vantagem de conhecimento sobre um MoE de 74B comprimido, destilado de um modelo pai maior, e não há motivo para que tivesse.

O Nemotron também aceita imagens e vídeo. O Ripple aceita texto. Se o seu agente precisa examinar uma página renderizada, um gráfico ou uma captura de tela de um job de CI com falha, isso não é uma diferença de benchmark que você consiga contornar com prompts.

As vantagens do Ripple aparecem em outros pontos da própria ficha: 76,5 no SWE-bench Verified, 71,67 no MCP Atlas, 79,2 no IFBench, 83,8 no FORTRESS Adversarial. São números fortes para um modelo de 65B e apontam para a mesma coisa que a pontuação no Terminal-Bench — este é um modelo pós-treinado especificamente para uso de ferramentas e codificação agêntica, ao custo de abrangência.

Alegações de velocidade que não podem ser comparadas

Os 250 tokens por segundo do Ricursive correspondem a dois B200s com tamanho de lote 8. Os 83,99 tokens por segundo da NVIDIA correspondem a uma máquina RTX Spark de classe laptop com um drafter especulativo, no benchmark de codificação do AIPerf. Essas não são a mesma medição no mesmo hardware, e citá-las numa única frase seria desonesto. O que se pode dizer é direcional: a Ripple precisa de aceleradores de classe datacenter para atingir seu número, e o Nemotron foi ajustado para produzir uma taxa utilizável numa máquina que cabe debaixo de uma mesa.

A tradução prática é a vazão por dólar de hardware, e ninguém publicou isso para nenhum dos dois modelos. Se você está escolhendo entre eles, é esse o número que você mesmo deveria gerar, porque ele depende do seu tamanho de lote, do comprimento do seu contexto e se você está executando a build NVFP4 ou a BF16.

Duas licenças permissivas, uma diferença significativa

A Ripple é Apache 2.0, o que dispensa explicações e não impõe nenhum limite. O Nemotron 3.5 Bolt é distribuído sob a OpenMDW-1.1, a licença de modelo aberto da própria NVIDIA, que permite uso comercial, mas não é o padrão OSI que as equipes jurídicas já aprovaram previamente. Na prática, ambos são utilizáveis; nas aquisições, um deles levará duas semanas extras.

O corte de conhecimento do Nemotron é maio de 2026, e sua cobertura linguística é inglês e código em primeiro lugar, com suporte a espanhol, francês, alemão, italiano e japonês. A ficha do Ripple diz que seu corpus é predominantemente inglês e código, ponto final. Nenhum dos dois é um modelo multilíngue e, se esse for seu requisito, nenhum dos dois pertence à lista final.

Quando não executar nenhum dos dois por conta própria

O argumento honesto contra ambos é operacional. Um modelo na sua própria GPU é um modelo ao qual você aplica patches, que monitora, para o qual planeja capacidade e que mantém aquecido — e uma placa de 24 GB rodando um MoE de 2 bits com batch size 1 não é uma camada de serviço de produção, é uma máquina de desenvolvimento muito capaz. No momento em que seu tráfego é em rajadas ou multilocatário, a hospedagem por token vence no custo total mesmo com uma taxa pior, porque você deixa de pagar por VRAM ociosa.

É essa a lacuna que o OrcaRouter preenche para a parte da sua stack que precisa ser hospedada: uma única chave de API para mais de 200 modelos pelo preço de tabela do provedor, com 0% de markup, para que um corte de preço do fornecedor chegue até você no mesmo dia, e não na próxima renovação de contrato, e com failover automático quando um provedor degrada. Nenhum desses dois modelos está no nosso catálogo hoje — o Nemotron 3.5 Bolt não tem nenhum endpoint tarifado publicado, e o Ripple acessa uma API por meio do endpoint próprio da Ricursive e de plataformas de terceiros. O que o roteador oferece é a rampa de saída: faça protótipos localmente com os pesos e depois migre o caminho de produção para um modelo hospedado sem reescrever o cliente.

A regra prática

Compre o modelo de 24 GB se a máquina for a limitação. O Nemotron 3.5 Bolt 74B-A9B é o único dos dois que roda em uma única placa de consumidor sem você mesmo o quantizar, ele lê imagens, e fica a menos de um ponto do Ripple no GPQA. Você abre mão de cerca de trinta pontos no Terminal-Bench 2.1 e aceita um checkpoint de 2 bits, o que é um custo real em confiabilidade agêntica que a diferença no benchmark provavelmente subestima.

Compre o modelo de 130 GB se o trabalho for codificação agêntica apenas de texto e você tiver o hardware ou um endpoint hospedado barato. Os 80,5 do Ripple 65B Preview no Terminal-Bench 2.1 são a alegação de codificação agêntica mais forte que qualquer um dos dois laboratórios fez este mês, e sua licença Apache 2.0 é a de menor atrito que você vai encontrar em qualquer lugar. Basta executar a build NVFP4, reservar orçamento para a memória e reproduzir o número no seu próprio conjunto de tarefas antes de acreditar nele — o próprio cartão avisa que a replicação tem sido difícil.