Ripple 65B Preview против Claude Opus 5.5: два агентных программиста, два разных экзамена

Ripple 65B Preview показывает 80,5 в Terminal-Bench. Claude Opus 5.5 показывает 66,4. Поставьте эти два числа в один столбец — и модель с открытыми весами на 65 млрд параметров, выпущенная 4 ноября 2026 года компанией Ricursive Intelligence, как будто опережает флагман Anthropic на четырнадцать пунктов в бенчмарке, наиболее близком к агентной работе с кодом. Это не так. Показатель Ripple — это Terminal-Bench 2.1. У Opus 5.5 — Terminal-Bench 4.0. Это не один и тот же экзамен, их оценивают не одинаково, и история двух версий — самое полезное, что покупатель может узнать, прежде чем воспринимать любое из этих чисел как приговор.

Этот разрыв — не техническая формальность, придуманная для защиты действующего лидера. Это задокументированный обвал. Когда 8 сентября 2026 года SemiAnalysis прогнала одни и те же модели через обе версии, Claude Fable 5.1 упала с 91,4 в 2.1 до 55,8 в 4.0, GPT-6 Astra — с 88,4 до 57,7, а Gemini 3.8 Flash — с 89,4 до 19,1: падение на 70 пунктов у модели, которая не менялась. Terminal-Bench 4.0 убрал восемь задач, исправил ещё девятнадцать, ввёл единый восьмичасовой тайм-аут и добавил проверки на устойчивость к вмешательству. У оценок в 2.1 и 4.0 общее лишь название — и ничего больше.

Что на самом деле представляет собой каждая модель

Ripple 65B Preview — это плотная модель, а не смесь экспертов: 65 миллиардов параметров, и все они активны на каждом токене в 80-слойном трансформере «тонкой и глубокой» архитектуры с резидуальным потоком шириной 5 120. В карточке модели Ricursive перечислены дополнительные головы внимания, более высокое соотношение внимания со скользящим окном к глобальному вниманию, меньшее скользящее окно, клиппирование активаций FFN, стробированное внимание, глобальный NoPE и резидуалы значений — набор решений, который описывается там как аналогичный Gemma 3N. Модель распространяется под лицензией Apache 2.0, обучена на 12 триллионах токенов и заявляет контекст до 1 миллиона токенов.

Claude Opus 5.5 — закрытая модель, выпущенная 22 сентября 2026 года, с окном в 1 миллион токенов, 128 000 токенов максимального вывода, вводом текста и изображений и адаптивным мышлением, которое всегда включено, — это несовместимое изменение по сравнению с Opus 5, где мышление включалось опционально. Она предлагает пять уровней усилий, где medium — уровень по умолчанию, что важно: почти каждый опубликованный бенчмарк Opus 5.5 запускался на max или xhigh, а не на настройке, которую будет использовать большинство вызовов API.

• Параметры — 65B плотная, все активны против нераскрытых, закрытые веса

• Лицензия — Apache 2.0, доступная для скачивания или проприетарная, только API

• Контекст — заявлено до 1M против 1M, при максимальном выводе 128K

• Релиз — 4 ноября 2026 г. против 22 сентября 2026 г.

• Цена — у поставщика нет прейскурантной цены; тарифы при хостинге — около $0.20 / $0.60 за миллион токенов против $4.00 за вход / $20.00 за выход, $0.20 за чтение кэша.

• Независимая оценка — пока отсутствует против 59 в Artificial Analysis Intelligence Index v5.0.1

Единственная строка, где версии совпадают

Terminal-Bench — это где запуск хочет поспорить. SWE-bench Pro — это где становится интересно, а DeepSWE v1.1 — это где становится некомфортно.

Показатель Opus 5.5 на SWE-bench Pro — 89.9, согласно системной карточке Anthropic. У Ripple — 79.1, но на v2.0-Hard, а в его собственной карточке отдельно указано 61.42 на v1.0. Три числа, два поставщика, как минимум два набора задач. Здесь ничего нельзя вычесть из чего-либо другого.

DeepSWE v1.1 — это другое. Обе лаборатории опубликовали по нему результат, и ни одна из них не выпустила его новую версию так, как была выпущена новая версия Terminal-Bench. Opus 5.5 набирает 74,2. Ripple 65B Preview набирает 44,3. Это разрыв в тридцать пунктов на бенчмарке, который обе стороны решили опубликовать, и он указывает в противоположную сторону по сравнению с диаграммой Terminal-Bench. DeepSWE — это бенчмарк агентов для программной инженерии, построенный вокруг работы с реальными репозиториями, а не shell-задач, поэтому для аудитории, на которую нацеливается Ripple — агентов для программирования — он, возможно, более релевантен из двух.

Это честная интерпретация запуска: главный показатель Ripple — оценка 2.1, её собственная карточка показывает 44.3 в единственном бенчмарке по агентному программированию, где существует сравнение одной и той же версии, а модель, с которой её сравнивают, выигрывает эту строку с большим отрывом. Ничто из этого не делает Ripple плохой моделью. Это лишь делает 80.5 числом, относящимся к конкретному экзамену.

Что можно купить за 32 миллиона долларов, а что — нет

Самое интересное утверждение Ricursive — не бенчмарк. Оно заключается в том, что весь процесс исследований и разработки обошёлся в 32 млн долларов — примерно в одну десятую того, что, по словам компании, стоило предыдущее открытое по весам SOTA-решение в агентном кодинге, — а результат был достигнут за 1,4 млн роллаутов обучения с подкреплением (примерно в семьдесят раз меньше, чем у Reflection Beam 501B) при 40% утилизации FLOPs модели.

Если это подтвердится, это важнее, чем 80.5 в любом бенчмарке, потому что это означает, что стоимость входа в этот уровень возможностей упала на порядок. Это также объясняет форму модели: 65B dense при 80 слоях — это конструкция, которую можно недорого обучать и обслуживать, и Ricursive сообщает о 250 токенах в секунду на двух B200 при размере батча восемь, ещё до какого-либо квантования. Для сравнения: Opus 5.5 показывает 112 токенов в секунду в тестовом стенде Artificial Analysis.

Чего не купить за 32 млн долларов, так это независимой проверки. Опубликованного повторного прогона показателей Ripple сторонними специалистами пока нет, а модель вообще отсутствует в Artificial Analysis Intelligence Index — стандартном нейтральном рейтинге. Opus 5.5 занимает 59-е место в этом индексе (версия 5.0.1) при затратах на вычисления $10.04 на одну задачу индекса. Пока Ripple не получит запись в индексе, любое межмодельное утверждение о ней опирается лишь на таблицы поставщика.

Аргумент о цене, сделанный как следует

Заманчивая формулировка — что Ripple в двадцать-тридцать раз дешевле за токен. Точная формулировка — что у Ripple нет прайс-листа, потому что нечего указывать в прайсе: веса распространяются под Apache 2.0 и доступны для скачивания. В сторонних каталогах приводятся цены хостинга около $0,20 за миллион входных токенов и $0,60 за миллион выходных, и это тарифы хостинга, а не прайс-лист вендора. При самостоятельном хостинге затраты превращаются в GPU и инженерное время, что дёшево при стабильной работе и дорого в первый день.

Opus 5.5 — это противоположная сделка. Четыре доллара на входе и двадцать долларов на выходе за миллион токенов — это реальная цифра, которую можно внести в таблицу уже сегодня, а чтение из кэша за $0,20 делает длинные агентские циклы со стабильным префиксом значительно дешевле, чем можно предположить по заявленной цене. На OrcaRouter это одна из более чем 200 моделей, доступных по одному ключу с наценкой 0% — цена из прайс-листа провайдера передаётся без изменений, поэтому изменение цены Anthropic действует в тот же день, а не при следующей сверке счетов.

Ripple отсутствует в каталоге OrcaRouter, и ничто в этой статье не должно восприниматься так, будто мы его предоставляем. Его веса доступны на Hugging Face, а в анонсе запуска перечислены партнёры по хостингу; если вы хотите обращаться к нему через API, а не запускать его самостоятельно, — это и есть нужный путь.

Какой вариант выбрать

Если работа — это агент для программирования на проприетарной кодовой базе с проверкой на соответствие требованиям, Opus 5.5 — это защитимый выбор, и аргумент на основе бенчмарков даже не близок: у него есть независимая оценка по индексу, системная карта, опубликованный показатель SWE-bench Pro и окно в 1M с 128K вывода. Вы платите за аудиторский след в той же мере, что и за модель.

Если работа представляет собой высоконагруженный узкоспециализированный агентный цикл, где промпт стабилен, корпус принадлежит вам, а счет — главное ограничение, то модель на 65B под Apache-2.0, помещающаяся на две B200, — это принципиально иной вариант по сравнению с API стоимостью $20 за миллион выходных токенов. Вопрос, на который нужно ответить перед тем, как commitиться, — не «больше ли 80.5, чем 66.4», а «какой балл Ripple на DeepSWE в сравнении с моделью, которую я заменяю», и сейчас зафиксированный ответ — 44.3 против 74.2.

Стоит следить не за очередной диаграммой вендора. А за первым независимым прогоном Ripple 65B Preview на Terminal-Bench 4.0. Всё в этом сравнении держится на этом числе.