Ripple-65B Preview: веса Apache 2.0, заявленный контекст в 1M токенов и API на 16K

Ripple-65B Preview, выпущенный Ricursive Intelligence 4 ноября 2026 года, — это два разных продукта в зависимости от того, как вы к нему обращаетесь. Скачиваемый файл — 129,6 ГБ весов под лицензией Apache 2.0, карточка модели которых заявляет контекст «до 1M» токенов. Первая коммерческая конечная точка с тем же чекпоинтом заявляет 16 384. Оба числа описывают одну и ту же модель, и расстояние между ними — самое полезное, что разработчик может узнать об этом релизе, прежде чем потратить на него день.

Главный тезис лаборатории уже, чем звучит из анонса, и интереснее, чем до сих пор замечали в освещении. Ricursive заявляет о лучшем в США результате среди открытых моделей в агентном программировании — 80,52 балла на Terminal-Bench 2.1 — от 65-миллиарднойплотной модели, обученной, по сообщениям, за $32 млн. Это реальное заявление о реальном артефакте: веса доступны для скачивания, без ограничений доступа и лицензированы для коммерческого использования без необходимости заключать отдельное соглашение. Кроме того, по состоянию на 5 ноября, всё это основано исключительно на данных производителя. В Artificial Analysis записи об этой модели нет.

Что на самом деле появилось на Hugging Face

Четыре репозитория появились 4 ноября, и различия между ними важны, поскольку от них зависит, какое оборудование вам понадобится:

• Ripple-65B Preview — BF16-чекпоинт, дообученный на инструкциях, 16 шардов safetensors общим объёмом 129,57 ГБ, Apache 2.0, доступ не ограничен.

• Ripple-65B Preview NVFP4 — экспериментальная 4-битная сборка размером 57,22 ГБ, состоящая из 6 шардов, с квантованием слоёв MLP и сохранением механизма внимания в BF16.

• Ripple-65B Base Preview — чекпоинт только предварительного обучения, без промежуточного обучения, без синтетических QA-данных, а также 129.57 ГБ.

• Ripple-65B Preview DFlash2 — драфт-модель объёмом 8,08 ГБ для спекулятивного декодирования, 4,04 млрд параметров, генерирующая блоки по 16 токенов относительно целевой модели.

Архитектура — намеренный возврат к прошлому. Там, где любая другая лаборатория сопоставимого размера перешла на mixture-of-experts, Ricursive построила плотный Transformer — тонкий и глубокий: d_model 5120, 80 слоёв, 80 голов внимания, разделяющих 8 голов ключей-значений, словарь на 100 352 токена и скользящее окно на 1 024 токена, применяемое в гибридной схеме слоёв. Отсечение активаций FFN, gated attention, глобальный NoPE и value residuals дополняют изменения, которые команда освоила, последовательно наращивая от базовой модели Olmo 3.

Стек обучения опубликован с большей детализацией, чем обычно утруждают себя указывать в большинстве карточек моделей: 12T токенов предобучения при длине последовательности 8K, 200B токенов промежуточного обучения при 64K, 6.5B токенов расширения длинного контекста при 2M, 183B токенов SFT при 128K и 700 шагов RL при 128K. За время разработки команда выросла с одного человека до пяти и сообщает о 40% MFU без кастомных ядер.

Одно предостережение по поводу названия, поскольку результаты поиска уже его путают: Ricursive Intelligence — это лаборатория по проектированию чипов, в публикации о запуске которой говорится о совместной оптимизации аппаратного обеспечения, программного обеспечения и моделей. Это не Recursive, стартап в области самоулучшающегося ИИ, стоящий за Flint. Эти две компании не связаны, и материалы, которые их смешивают, ошибочны.

Утверждение о бенчмарке — и насколько оно применимо

Terminal-Bench 2.1 — это рубеж, на котором запуск либо состоится, либо провалится, и число равно 80.52. Ricursive ставит его впереди Reflection Beam 501B с 80.1, Meta Muse Spark Open 816B с 76.4, Thinking Machines Inkling 975B с 63.8 и NVIDIA Nemotron 3 Ultra 550B с 56.4 — при том что все они имеют от семи до пятнадцати раз больше общих параметров.

Что делает эту таблицу ценнее обычной вендорской таблицы, так это вторая колонка. Ricursive повторно прогнала сравнение на официальном испытательном стенде Terminus 2 при 128K с суммаризацией и сообщает, что оценки изменились почти везде, кроме её собственных: Ripple осталась на 80,5, Muse Spark выросла до 78,7, Reflection Beam упала с 80,1 до 70,8, Inkling — с 63,8 до 56,2, Nemotron — с 56,4 до 55,1. Лаборатория, которая публикует стенд, где её собственная оценка не меняется, а оценки конкурентов обваливаются, делает то, чего избегает большинство анонсов запуска. Это всё ещё лаборатория, проверяющая собственную домашнюю работу, — каждое число в этой таблице получено в рамках оценочного процесса Ricursive, — но градиент идёт в правильном направлении.

Утверждение перестаёт работать, как только вы выходите за пределы терминала. В DeepSWE 1.1 Ripple набирает 44,3 против 60,0 у Muse Spark. В MCP Atlas результат — 71,67, позади Muse Spark с 89,2 и Inkling с 76,0. В SciCode Ripple занимает последнее место из пяти с 39,4, позади Beam с 49,2 и Muse Spark с 58,5. Картина закономерна: Ripple силён в долгосрочной работе в терминале и многошаговых программных задачах, но зауряден в генерации научного кода и широте поддержки инструментальных протоколов. Если ваша нагрузка — это агент, работающий через оболочку, утверждение адресовано вам. Если это ассистент с интенсивным использованием MCP — нет.

И эта формулировка делает незаметную работу. «Американский open-weight state of the art» — это уточнение, а не приставка, которую можно пропустить. Оно исключает DeepSeek, Qwen и все остальные неамериканские лаборатории, так что это утверждение о лучшей open-weight модели, обученной внутри США, а не о лучшей open-weight модели.

Базовая модель — это более честный документ.

В карточке Base Preview есть предложение, с которого не начинается пост о запуске: предобученный чекпойнт «сопоставим с DeepSeek V3.1 и V4 Flash по рассуждениям, математике и коду», тогда как Nemotron 3 Ultra «доминирует в традиционных оценках предобучения». Цифры подтверждают эту скромность. Base MMLU-Pro — 61,5 против 68,3 у DeepSeek V4 Flash 284B и 79,1 у Nemotron 3 Ultra 550B. Base GPQA Diamond — 38,4, что значительно ниже 44,4 у V4 Flash.

Сравните эти две таблицы вместе — и картина становится чётче. Предобученный prior Ripple выглядит достойно, но находится в середине группы для прогона на 12 трлн токенов — самый маленький бюджет предобучения в собственном наборе сравнения, против 20 трлн у Nemotron и 32 трлн+ у V4 Flash. Почти всё преимущество в агентном кодинге даёт стек посттренировки: смесь данных промежуточного обучения, расширение длинного контекста и 700 шагов RL, которые, по словам Ricursive, достигли 80,5 на 1,4 млн роллаутов — примерно в 70 раз меньше, чем потребовалось Reflection Beam. Это более интересный результат, чем таблица бенчмарков, и более хрупкий — интенсивная RL-тренировка на синтетических средах с длинным горизонтом как раз относится к тем рецептам, которые неравномерно переносятся на задачи, на которых лаборатория не тренировалась.

Почему номер контекста состоит из двух чисел

В карточке модели указано 1M. В конфигурации указано max_position_embeddings 2,097,152. В размещённой конечной точке указано 16,384 при потолке вывода в 14,745 токенов. Никто не лжёт; это три разные вещи, и арифметика объясняет, почему первый хостинг-провайдер выбрал именно то число, которое выбрал.

KV-кэш — это то, чем приходится расплачиваться за длинный контекст. При 80 слоях, 8 KV-головах, размерности головы 128 и хранении в BF16 каждый слой стоит 4 096 байт кэша на токен — 2 048 для ключей и 2 048 для значений. По всем 80 слоям это примерно 0,33 МБ на токен. При 16 384 токенах эндпоинта это около 5,4 ГБ. При миллионе токенов, если каждый слой глобально обращает внимание на весь контекст, это было бы примерно 344 ГБ кэша поверх 130 ГБ весов.

Именно для этого и нужно скользящее окно. Большинство слоёв Ripple работают с вниманием в пределах окна в 1 024 токена; меньшинство — глобально, и только они растут вместе с контекстом. Если 16 из 80 слоёв являются глобальными, миллион токенов требует около 69 ГБ кеша вместо 344 ГБ — много, но обслуживаемо на узле с несколькими GPU. Точное разделение задаётся шаблоном гибридных слоёв в config.json, и это первое, что нужно проверить в любом используемом вами стеке сервинга, потому что именно это разделение, а не заявленный показатель, определяет ваши затраты памяти.

Так что рассматривайте эти два числа как два факта. Один миллион токенов — это архитектурная возможность, заложенная в весах, и для её обслуживания потребуется серьёзный узел. Шестнадцать тысяч — это то, что предлагает первая коммерческая конечная точка: достаточно для большинства агентных циклов, но недостаточно для рассуждений масштаба репозитория или работы с длинными документами. Если причиной, по которой вы решили попробовать Ripple-65B Preview, был контекст в 1M, то хостинговый вариант сегодня вам его не даёт, и самостоятельный хостинг — единственный путь, который его даёт.

«Локально» означает 57 ГБ, а не 130.

В публикации о запуске говорится, что модель «помещается на потребительском оборудовании, таком как NVIDIA DGX Spark», а в освещении это утверждение закрепилось как «работает на MacBook». Размеры загрузок подсказывают, к какому артефакту относится каждое утверждение.

• Инструкционный чекпоинт BF16 занимает 129,57 ГБ. Сам по себе, без учёта KV-кэша и накладных расходов среды выполнения, он требует ускоритель класса 192 ГБ или разделение на несколько GPU.

• Сборка NVFP4 занимает 57,22 ГБ. Это помещается в машину с 128 ГБ унифицированной памяти, оставляя место для рабочего контекста, — и она помечена как экспериментальная, при этом внимание оставлено в BF16.

• Драфтер DFlash2 добавляет 8,08 ГБ и даёт спекулятивное декодирование, а не прирост качества.

Показатель 250 tok/s — это цифра для дата-центра: 2×B200 при batch 8, до квантизации и кастомных ядер. На Spark вы обмениваете пропускную способность на то, что устройство стоит у вас на столе. Оба показателя верны; просто они относятся к разным машинам, а локальный сценарий работает только с квантованным чекпойнтом.

Сколько стоит звонок

Первый хостируемый endpoint указывает $0.20 за миллион входных токенов и $0.60 за миллион выходных, при этом чтение кэшированных входных данных стоит $0.05. Если посчитать на реалистичном вызове агента — запрос на 16 000 токенов против полного окна, возвращающий 2 000 токенов — это $0.0032 на входе и $0.0012 на выходе, или около $0.0044. Пропустите через него 10 миллионов токенов в день при распределении вход/выход 80/20, и получите $2.80.

Кэширование — это тот рычаг, который стоит задействовать. Повторно отправляемый системный промпт на 16 000 токенов стоит $0.0008 по ставке кэширования вместо $0.0032 — сокращение затрат на входные данные в 4 раза, что для агента, который заново отправляет одни и те же определения инструментов на каждом ходу, составляет большую часть счёта.

Где место OrcaRouter: сегодня у нас нет Ripple-65B Preview, поэтому сравнивать наценку не с чем, и нет причин делать вид, что это не так. Что действительно меняет превью — это аргумент в пользу того, чтобы держать непроверенную модель вне вашего продакшн-пути, пока вы её измеряете. Направьте текущую модель, от которой уже зависит ваш трафик, через один ключ — 200+ моделей, цена из прайс-листа провайдера передаётся с 0% наценки, автоматическое переключение при сбое провайдера — а Ripple поставьте рядом с ней в офлайн-оценке, а не перед пользователями. Если цифры подтвердятся, DSL маршрутизации переключит часть трафика без второй интеграции; если нет — резервный вариант и так никогда не вызывал сомнений.

Кому стоит это попробовать и что изменило бы картину

Попробуйте прямо сейчас, если вы создаёте терминального или shell-агента, вам нужен чекпоинт под Apache 2.0, который можно дообучать без юриста, и окна в 16K достаточно для вашего цикла. Плотная архитектура — настоящее преимущество для всех, кто обслуживает модели на скромном оборудовании: никакой маршрутизации экспертов, никакого all-to-all, предсказуемая задержка. А плотная модель на 65B с результатом 80,5 на Terminal-Bench — это результат, который стоит воспроизвести на собственных задачах, а не спорить о нём.

Подождите, если вам нужен длинный контекст из размещённого эндпоинта, если ваша работа сильно завязана на MCP или научный код, или если вам нужно любое число, которое не было получено лабораторией, обучившей модель. Независимой оценки пока нет: нет записи в Artificial Analysis и нет стороннего воспроизведения 80.52. Для Preview-релиза, которому всего день, это скорее нормально, чем подозрительно, — но это означает, что каждая цифра в этом материале, полученная от Ricursive, помечена как их по вполне понятной причине.

Три вещи поставили бы точку. Второй харнесс, запущенный кем-то, кто не обучал модель. Хост, обслуживающий более 16,384 токенов, — он показал бы, переживёт ли заявление о контексте в 1M проверку планировщиком. И чекпоинт без статуса preview, поскольку Ricursive прямо говорила, что дообучение здесь было лёгким, а внутренний вариант, лежащий в основе её платформы проектирования чипов, — это продукт, который она на самом деле создаёт. До тех пор заголовок остаётся заявлением, а загрузка реальна — и именно в разрыве между ними пройдёт следующий месяц оценки.