Ripple 65B Preview vs Muse Wonder: Vad ett 20 gånger högre pris faktiskt ger

Det finns exakt ett benchmark som både Ripple 65B Preview och Muse Wonder har publicerat, i samma version, med siffror som man kan sätta i samma mening: DeepSWE 1.1. Metas Muse Wonder rapporterar 78,8. Ricursives Ripple 65B Preview rapporterar 44,3. Det är en skillnad på 34,5 punkter inom agentarbete för mjukvaruutveckling, och det är den enda rena jämförelsen som de två lanseringarna erbjuder – allt annat är antingen en annan revision av benchmarken eller en kolumn med ett streck i.

Så frågan är inte huruvida Muse Wonder är bättre på den uppgiften. Det är det uppenbart, enligt labbens egna siffror. Frågan är huruvida det är tillräckligt mycket bättre för att motivera att det kostar ungefär tjugo gånger så mycket för indata och trettiotre gånger så mycket för utdata. Det är ett verkligt beslut med ett verkligt svar, och svaret är inte detsamma för varje arbetsbelastning.

Varför DeepSWE 1.1 är den rättvisa kampen

Båda labben körde version 1.1 av samma utvärdering. Ingen av dem har publicerat en omkörning utförd av tredje part, så båda siffrorna har samma förbehåll — de är leverantörsrapporterade och inte reproducerade — och det är den symmetrin som gör jämförelsen användbar. När två påståenden är lika självintresserade är gapet mellan dem fortfarande informativt.

Jämför det med Terminal-Bench, där de två labben inte alls gör samma prov. Ripple rapporterar 80,5 på Terminal-Bench 2.1. Meta rapporterar Muse Wonder Full på 57,1 på Terminal-Bench 4.0, en senare och svårare version. Den som ställer upp dem mot varandra för att utropa Ripple till vinnare jämför en modell som gjorde 2024 års prov med en som gjorde 2026 års. Metas egen framställning är försiktig här, och Ricursives lanseringstråd var det inte.

Ytterligare en varning när det gäller Meta: företagets JobBench-tabell anger 75,3 för Muse Wonder Full mot 30,8 för standard Muse Wonder, ett gap på 44 poäng som ingen oberoende utvärderare har reproducerat. Betrakta interna benchmarktabeller från vilket labb som helst som marknadsföring tills någon utanför byggnaden kör dem.

Vad prisskillnaden faktiskt är

Muse Wonder kostar $4,00 per miljon indatatoken och $20,00 per miljon utdatatoken, med cachad indata till $0,20. Ripple 65B Preview listas till $0,20 och $0,60 på sin första hostade endpoint – en siffra att ta med en nypa salt, eftersom Ricursive inte har publicerat någon prislista och den endpointen hanterar en kontext på 16 384 token mot ett annonserat fönster på 1M. Även om man tar listningen bokstavligt är förhållandet 20× för indata och 33× för utdata.

Per-token-kvoter smickrar små modeller och vilseleder om de verkliga kostnaderna, så här är aritmetiken för en arbetsbelastning som du faktiskt kan köra. Säg att din kodagent producerar 50 miljoner output-tokens i månaden och läser 200 miljoner input-tokens när den gör det.

• På Muse Wonder: 200 × $4.00 = $800 indata, plus 50 × $20.00 = $1,000 utdata. Totalt $1,800 per månad.

• För Ripple 65B Preview till den angivna taxan: 200 × $0,20 = $40 för indata, plus 50 × $0,60 = $30 för utdata. Totalt $70 i månaden.

Skillnaden: 1 730 dollar i månaden, eller ungefär 20 760 dollar per år, för samma nominella tokenantal.

Nu kommer delen som kalkylarket missar. Om Ripple misslyckas med en uppgift i ett av tre fall och du försöker igen, ökar din effektiva utvolym med hälften. Med två omförsök har du fördubblat den. Brytpunkten är inte subtil – Ripple kan vara trettiotre gånger mindre effektivt per token och ändå kosta mindre – men felläget är värre än notan. En kodagent som misslyckas med en tredjedel av sina uppgifter kostar inte bara mer; den kostar dig ingenjören som måste upptäcka, reda ut och köra om arbetet. Prissätt övervakningen, inte bara tokenen.

Artificial Analysis anger Muse Wonder (Max) till 6,95 dollar per indexuppgift på sin live-modellsida – en ärligare enhet än dollar per miljon, och en som inte har någon motsvarighet för Ripple, eftersom ingen har kört det genom en standardiserad uppgiftssats.

Vad Meta tar betalt för, utöver vikterna

Muse Wonder är en sluten modell med en ovanligt bred ingångsyta: text, bilder, video, ljud och PDF-filer in, text ut, över en kontext på 1 048 576 token med ett tak för utdata på 131 072 token. Den kör alltid påslaget resonemang med sex valbara ansträngningsnivåer, stöder parallella verktygsanrop och strukturerade utdata, och erbjuder två funktioner som inte har någon motsvarighet alls på Ripples kort — Active Memory, som bär kontext mellan konversationer, och Active Focus, som är utformat för att hålla ihop en lång uppgift utan att driva iväg.

Om du bryr dig beror helt och hållet på hur din arbetsbelastning ser ut. Om din agent måste läsa en skärmbild av ett misslyckat test, transkribera ett kundsamtal och stämma av det mot en PDF-faktura i ett enda svep, hjälper inga av Ripples benchmarkpoäng dig, eftersom Ripple 65B Preview tar emot text och returnerar text. Modalitetsgapet är inte en prestandaskillnad som du kan överbrygga med en bättre prompt.

Muse Wonder (Max) får 44 poäng på Artificial Analysis Intelligence Index – #26 av 66 modeller i sin klass, och över medianen på 36 för jämförbara modeller, men inte längre den frontiernära 52 som rapporteringen under lanseringsveckan angav. Indexet byggdes om i slutet av oktober och flera modeller flyttades. Ripple 65B Preview förekommer inte alls på det.

Vad Apache 2.0 är värt

Ripple 65B Preview är 65 miljarder täta parametrar under Apache 2.0, med de fulla vikterna på Hugging Face i BF16 plus NVFP4 och basmodellvarianter. I BF16 är den checkpointen cirka 130 GB, vilket är i DGX Spark-klassen eller en kvantiserad körning på en mindre maskin – inte en MacBook, trots vad lanseringsrapporteringen sade, såvida du inte kör NVFP4-bygget. Ricursive hävdar 250 tokens per sekund på två B200:or vid batchstorlek 8 utan några anpassade kernels, och cirka 40 % MFU under förträning med vanlig sharding.

Det du får för det är allt som en hostad sluten modell inte kan ge: möjligheten att finjustera på dina egna data, att köra inferens utan kostnad per token och utan att data lämnar ditt nätverk, att låsa en version för alltid och att serva den klockan 3 på natten utan att vara beroende av någon annans statussida. För en reglerad arbetsbelastning är den listan ofta värd mer än 34 DeepSWE-poäng. För en startup som lanserar en agent det här kvartalet är den vanligtvis inte det.

Det finns också en licensasymmetri som är värd att nämna. Apache 2.0 är ungefär så tillåtande som öppna vikter kan bli. Muse Wonder är helt stängd – Metas syskonmodell med öppna vikter i den här familjen är Muse Spark Open, en annan och mycket större 816B-modell med 42B aktiva parametrar och 256 experter, inte en mindre version av Wonder. Om öppna vikter är ett krav snarare än en preferens slutar jämförelsen här.

Att köra de två sida vid sida

Ingen av modellerna finns i vår katalog i dag, och det kommer inte att antydas att någon av dem gör det. Muse Wonder når utvecklare via Metas eget API; Ripple via Ricursives endpoint och tredjepartsplattformar, med vikter på Hugging Face. Det en router är bra för i den här situationen är det som båda lanseringarna gör uppenbart: du vill inte ha en produktionsväg kopplad till en dag gammal Preview vars eget kort säger att dess poäng är svåra att replikera. Du vill ha den modellen bakom en fallback, med en andel av trafiken som du kan skruva upp i takt med att bevisen samlas – automatisk failover till en bevisat fungerande modell vid fel eller timeout, i stället för en omskrivning när experimentet inte infriar förväntningarna.

Det mönstret är också hur du besvarar prisfrågan empiriskt. Routa 10 % av din kodningstrafik till Ripple, behåll 90 % på Muse Wonder och jämför inte tokenräkningen utan kostnaden för slutförda uppgifter – inklusive omförsöken och den mänskliga tiden. En API-nyckel, en faktureringsrad, och en siffra du kan försvara på ett planeringsmöte, vilket är mer än någon benchmarktabell ger dig.

Vem ska betala de tjugo gångerna?

Betala för Muse Wonder om ditt arbete är multimodalt, långsiktigt eller kundinriktat: agenter som läser skärmbilder, assistenter som behöver komma ihåg en användare mellan sessioner, allt där en hallucineringsfrekvens på 27 % redan är för hög och du behöver den tillförlitlighet som efterträning från ett ledande labb ger. $6.95 per indexuppgift är ett rimligt pris för en modell som slutför uppgiften.

Kör Ripple 65B Preview om arbetet är enbart text, avgränsat och högvolym, och om du har hårdvaran eller en billig endpoint: batchklassificering, kodgranskning mot en fast bedömningsmall, en lokal assistent, en bas för finjustering. Vid $0.20 och $0.60 är det trettiotre gånger billigare för utdata, och på en arbetsbelastning som spelar på dess styrkor slår det förhållandet en 34,5-poängsnackdel i ett benchmark.

Misstaget vore att läsa DeepSWE-gapet som en dom. Det är ett prov, genomfört en gång, rapporterat av laboratoriet som satte det. Siffran som borde avgöra detta åt dig är inte 78,8 mot 44,3 – det är vad din egen uppsättning uppgifter visar när du kör båda, och den siffran finns inte förrän du tar fram den.