Ripple-65B Preview vs Ripple-65B: por que o segundo nome não tem um modelo por trás dele

Pesquise por Ripple-65B Preview e você encontrará um modelo documentado: um checkpoint denso de 65B sob Apache 2.0 da Ricursive Intelligence, criado em 4 de novembro de 2026, com um card, quatro repositórios e uma pontuação de 80,52 no Terminal-Bench 2.1 relatada pelo fornecedor. Pesquise por Ripple-65B — o mesmo nome com o sufixo removido — e você encontrará esse modelo, repetidamente, sob nomes de arquivo diferentes. Não há uma versão final separada. A organização no Hugging Face lista quatro repositórios públicos — Ripple-65B-Preview, Ripple-65B-Preview-NVFP4, Ripple-65B-Base-Preview e Ripple-65B-Preview-DFlash2 — e nenhum deles abandona a palavra "Preview".

Isso torna esta uma página de comparação incomum, e a forma honesta de escrevê-la é dizer isso desde o início. O Ripple-65B não é rival do Ripple-65B Preview. É um nome que as pessoas estão pesquisando, um marcador para um lançamento que ainda não aconteceu e — de forma mais útil — uma ocasião para responder à pergunta que essas buscas realmente fazem: você está recebendo o modelo finalizado ou está recebendo um snapshot que o laboratório disse ter pouco pós-treinamento?

O que "Preview" significa neste cartão específico

O sufixo não é decorativo aqui, e a Ricursive é incomumente explícita quanto a isso. A ficha do modelo descreve o lançamento como relativamente pouco pós-treinado: 200 bilhões de tokens de treinamento intermediário, 183 bilhões de tokens de ajuste fino supervisionado, 13,5 bilhões de tokens de SFT de contexto longo, 700 etapas de RL, além de uma execução de pré-treinamento com 12 trilhões de tokens em um comprimento de sequência de 8K. Tudo é treinado do zero, e o enquadramento da empresa é que o orçamento de pós-treinamento foi deliberadamente pequeno em relação ao pré-treinamento.

Essa combinação — base enorme, alinhamento fino — é o que produz um checkpoint que marca 80,52 no Terminal-Bench 2.1, enquanto fica em 44,3 no DeepSWE 1.1 e 39,4 no SciCode. O desempenho agêntico em terminal é trabalho de verdade. A amplitude em engenharia de software parece ser a parte que uma execução mais longa de pós-treinamento abordaria primeiro. Um Ripple-65B final seria, nessa leitura, um modelo melhor exatamente nos eixos em que o Preview é mais fraco.

Ricursive não se comprometeu com um. Não há roadmap, nem linha de "lançamento final no Q4" no post de lançamento, e nenhum repositório sucessor com data. Quando a ArtificialWatch acompanhou o lançamento, observou que "o GA sem a tag Preview ainda está por vir" — um resumo preciso de um estado que não mudou desde então.

Os quatro repositórios, e para que cada um realmente serve

A confusão de nomes piora antes de melhorar, porque dois dos quatro repositórios parecem que podem ser o modelo final e nenhum dos dois é.

• Ripple-65B-Preview — o checkpoint instruct principal. BF16, 64.782.689.360 parâmetros, 129,6 GB em 16 shards, Apache 2.0, sem restrições de acesso. É a este que todos os números de benchmark se referem.

• Ripple-65B-Preview-NVFP4 — o mesmo modelo instruct quantizado com o ModelOpt, 39.616.865.360 parâmetros armazenados, marcado como 8 bits. Não é um modelo diferente; é um contêiner menor para os mesmos pesos.

• Ripple-65B-Base-Preview — criado em 14 de outubro de 2026, três semanas antes do lançamento do instruct. Esta é a base pré-treinada, avaliada separadamente: MMLU 83,7, MMLU-Pro 61,5, GPQA Diamond 38,4, HumanEval 70,9, MBPP Sanitized 81,5. Esses números parecem alarmantes ao lado dos 89,6 e 85,2 da ficha do instruct até você lembrar que são pontuações de modelo base — pré-SFT, pré-RL, respondendo em estilo de completion. É o ponto de partida correto se você pretende fazer seu próprio pós-treinamento, e o errado se você quer um assistente.

• Ripple-65B-Preview-DFlash2 — 4,04 bilhões de parâmetros, um rascunhador de decodificação especulativa. Ele propõe tokens para o modelo de 65B verificar e não consegue gerar nada por conta própria; seu cartão declara explicitamente que "requer que o modelo alvo gere texto".

Quatro repositórios, um modelo, três deles variantes de um checkpoint e um deles um componente. Ninguém publicou um quinto.

Se um Ripple-65B final fosse de fato lançado, o que mudaria?

Esta é a parte construtiva da comparação, e vale a pena ser concreto em vez de apenas fazer alusão a "melhor pós-treinamento".

• A questão do contexto provavelmente seria resolvida. O Preview anuncia até 1M, treinado em sequências de 2M tokens em seus estágios de contexto longo, enquanto listagens comerciais têm oferecido 16.384 e, mais recentemente, destacado 128K. Um lançamento final é o momento natural para um laboratório dizer para o que o modelo é realmente validado, em vez do que a arquitetura suporta.

• DeepSWE e SciCode seriam os números a acompanhar. É nesses benchmarks que o Preview fica atrás de modelos que supera em outros, e são os benchmarks que respondem mais diretamente a mais RL e mais SFT em repositórios reais.

• Uma pontuação independente provavelmente já existiria até lá. A Artificial Analysis não tem nenhuma entrada para qualquer slug da Ripple hoje, o que significa que todos os números em circulação são divulgados pelo fornecedor. Um lançamento GA é o momento em que os agregadores costumam passar a acompanhar um modelo.

• A licença provavelmente permaneceria Apache 2.0. Nada no lançamento sugere que a Ricursive pretenda recuar disso, e é o ativo mais valioso que o lançamento tem.

Nada disso é anunciado. É uma inferência a partir do que o cartão diz sobre seu próprio orçamento de pós-treinamento, e deve ser lido como tal.

A armadilha da nomenclatura, e por que ela importa na prática

Se você estiver conectando este modelo a um arquivo de configuração, a distinção deixa de ser acadêmica. O identificador que resolve é ricursiveAI/Ripple-65B-Preview. Uma solicitação para ricursiveAI/Ripple-65B não retorna nada, porque nada com esse nome existe — e um pipeline que recorre silenciosamente a uma correspondência aproximada falhará ou, pior, servirá discretamente um checkpoint base onde você esperava um instruct.

A mesma armadilha existe no sentido inverso com o modelo base. Ripple-65B-Base-Preview é um repositório real com pesos reais, e é um artefato genuinamente diferente da versão instruct: pontuações diferentes, comportamento diferente, propósito diferente. Qualquer pessoa que compare as pontuações do "Ripple-65B" pela internet quase certamente está misturando os 89,6 de MMLU do card instruct com os 83,7 do card base sem perceber que vieram de dois repositórios diferentes.

Três regras práticas se seguem. Fixe o ID exato do repositório e um hash de revisão, não um nome de família. Não presuma que um endpoint hospedado e o download do BF16 sejam o mesmo produto — o hospedado pode ser NVFP4, pode ser uma revisão diferente e quase certamente terá um limite de contexto diferente. E se uma ferramenta ou um ranking listar "Ripple-65B" sem o sufixo, verifique a qual repositório se refere antes de citar o número.

O que você pode fazer com o Preview hoje

Bastante, na verdade, e mais do que era verdade há uma semana. Os pesos não têm restrições de acesso e são Apache 2.0, então não há etapa de aprovação. Em 5 de novembro, o vLLM integrou suporte nativo — um RicursiveConfig embutido, parsers de raciocínio e de chamadas de ferramentas, e uma receita que usa NVFP4 por padrão em uma única B300 — o que significa que o checkpoint carrega sem --trust-remote-code no motor que a maioria das equipes já usa. Um pull request paralelo do SGLang ainda está aberto, então o vLLM é atualmente o único motor mainstream onde esta é uma arquitetura suportada, e não um script externo.

Comercialmente, o modelo é disponibilizado a aproximadamente US$ 0,20 por milhão de tokens de entrada e US$ 0,60 por milhão de saída, com a entrada em cache cobrada a uma fração disso. Essas tarifas descrevem o Preview, já que é a única coisa que há para disponibilizar.

O OrcaRouter não o oferece. Vale dizer isso claramente, porque uma página de comparação que termina insinuando que você pode acessar os dois lados por meio de nós seria enganosa — só há um lado, e não o hospedamos. O que roteamos é o campo ao redor: Kimi K3.1 Pro a $2,00 e $10,00 por milhão com 1M de contexto, DeepSeek V4 Pro a $0,66 e $1,98 com 1M de contexto e 384K de saída, Qwen3.8 Max a $2,00 e $6,00. Se o motivo de você estar lendo sobre um modelo de programação de pesos abertos de 65B é que você quer um modelo agêntico barato sem um ciclo de aquisição, esses são os que estão na mesma chave que todo o resto, com failover e preços de repasse. O Ripple é o que você hospeda ou compra separadamente.

A resposta curta

Se alguém lhe perguntar qual é a diferença entre Ripple-65B Preview e Ripple-65B, a resposta precisa é que o segundo ainda não existe. O Preview é o modelo: 65B denso, Apache 2.0, 12 trilhões de tokens de pré-treinamento, levemente pós-treinado, 80,52 no Terminal-Bench 2.1 segundo sua própria medição, sem classificação em nenhum ranking independente, e servido com uma janela de contexto que depende de quem o está servindo.

O que um lançamento final acrescentaria é um número de contexto definido, melhores números nos benchmarks de engenharia de software em que o Preview é mais fraco, e provavelmente a primeira verificação externa que o modelo já teve. Até a Ricursive lançá-lo, toda comparação com o "Ripple-65B" que você ler — incluindo qualquer uma que afirme compará-lo com o Preview — está comparando um modelo a um termo de busca.