Ripple 65B Preview so với Claude Opus 5.5: Hai lập trình viên tác tử, hai bài kiểm tra khác nhau

Ripple 65B Preview báo cáo 80.5 trên Terminal-Bench. Claude Opus 5.5 báo cáo 66.4. Đặt hai con số đó vào cùng một cột và một mô hình trọng số mở 65 tỷ tham số được Ricursive Intelligence phát hành ngày 4 tháng 11 năm 2026 dường như đánh bại mô hình chủ lực của Anthropic tới mười bốn điểm trên bộ đánh giá sát nhất với công việc lập trình tác tử. Không phải vậy. Con số của Ripple là Terminal-Bench 2.1. Còn của Opus 5.5 là Terminal-Bench 4.0. Chúng không phải cùng một bài kiểm tra, không được chấm theo cùng một cách, và lịch sử của hai phiên bản chính là điều hữu ích nhất mà người mua có thể biết trước khi coi một trong hai con số là phán quyết cuối cùng.

Khoảng cách đó không phải là một lý lẽ kỹ thuật bịa đặt để bảo vệ bên đương nhiệm. Đó là một sự sụp đổ đã được ghi nhận. Khi SemiAnalysis chạy cùng các mô hình trên cả hai phiên bản vào ngày 8 tháng 9 năm 2026, Claude Fable 5.1 giảm từ 91,4 trên 2.1 xuống 55,8 trên 4.0, GPT-6 Astra từ 88,4 xuống 57,7, và Gemini 3.8 Flash từ 89,4 xuống 19,1 — mức giảm 70 điểm đối với một mô hình không hề thay đổi. Terminal-Bench 4.0 đã loại bỏ tám tác vụ, sửa mười chín tác vụ khác, áp dụng thời gian chờ cố định tám giờ và thêm các kiểm tra chống can thiệp. Điểm số 2.1 và điểm số 4.0 chỉ chung nhau một cái tên và không có gì khác.

Mỗi mô hình thực sự là gì

Ripple 65B Preview là một mô hình dense, không phải hỗn hợp chuyên gia: 65 tỷ tham số, tất cả đều hoạt động trên mỗi token, trong một transformer "mỏng và sâu" 80 lớp với luồng residual rộng 5,120. Thẻ mô hình của Ricursive liệt kê thêm các đầu attention, tỷ lệ attention cửa sổ trượt trên attention toàn cục cao hơn, cửa sổ trượt nhỏ hơn, clipping kích hoạt FFN, attention có cổng, NoPE toàn cục và residual giá trị — một loạt lựa chọn mà họ mô tả là giống Gemma 3N. Nó theo giấy phép Apache 2.0, được huấn luyện trên 12 nghìn tỷ token và tuyên bố ngữ cảnh lên tới 1 triệu token.

Claude Opus 5.5 là một mô hình đóng được phát hành vào ngày 22 tháng 9 năm 2026, với cửa sổ 1 triệu token, tối đa 128.000 token đầu ra, đầu vào văn bản và hình ảnh, cùng khả năng suy luận thích ứng luôn bật — một thay đổi phá vỡ tương thích so với Opus 5, nơi suy luận là tùy chọn. Mô hình này cung cấp năm mức độ nỗ lực với medium là mặc định, điều này quan trọng: gần như mọi benchmark Opus 5.5 được công bố đều chạy ở mức max hoặc xhigh, chứ không phải ở thiết lập mà hầu hết các lệnh gọi API sẽ dùng.

• Tham số — 65B dense, tất cả đều hoạt động so với không được tiết lộ, trọng số đóng

• Giấy phép — Apache 2.0, có thể tải xuống so với độc quyền, chỉ API

• Ngữ cảnh — tối đa 1M được công bố so với 1M, với đầu ra tối đa 128K

• Phát hành — 4 tháng 11 năm 2026 so với 22 tháng 9 năm 2026

• Giá — không có giá niêm yết của nhà cung cấp; mức giá dịch vụ host khoảng $0.20 / $0.60 mỗi triệu token so với $4.00 đầu vào / $20.00 đầu ra, $0.20 đọc cache

• Điểm độc lập — chưa có so với 59 trên Artificial Analysis Intelligence Index v5.0.1

Hàng duy nhất mà các phiên bản khớp nhau

Terminal-Bench là nơi buổi ra mắt muốn đặt vấn đề tranh luận. SWE-bench Pro là nơi mọi thứ trở nên thú vị, còn DeepSWE v1.1 là nơi mọi thứ trở nên không thoải mái.

Con số SWE-bench Pro của Opus 5.5 là 89.9, theo system card của Anthropic. Của Ripple là 79.1 — nhưng trên v2.0-Hard, và system card riêng của nó lại liệt kê 61.42 trên v1.0. Ba con số, hai nhà cung cấp, ít nhất hai bộ tác vụ. Ở đây không thể trừ bất cứ con số nào khỏi bất cứ con số nào khác.

DeepSWE v1.1 thì khác. Cả hai phòng thí nghiệm đều đã công bố điểm số trên đó, và không bên nào đã đổi phiên bản cho nó theo cách Terminal-Bench từng được đổi phiên bản. Opus 5.5 đạt 74,2. Ripple 65B Preview đạt 44,3. Đó là khoảng cách ba mươi điểm trên một benchmark mà cả hai bên đều chọn công bố, và nó chỉ theo hướng ngược lại so với biểu đồ Terminal-Bench. DeepSWE là một benchmark tác nhân kỹ thuật phần mềm được xây dựng xoay quanh công việc trên kho mã thực tế thay vì các tác vụ shell, nên đối với nhóm đối tượng mà Ripple đang nhắm tới — các tác nhân lập trình — có thể nói đây là benchmark liên quan hơn trong hai benchmark.

Đây là cách đọc trung thực về buổi ra mắt: tiêu đề của Ripple là điểm số 2.1, thẻ của chính nó hiển thị 44.3 trên một benchmark lập trình tác tử duy nhất nơi tồn tại so sánh cùng phiên bản, và mô hình đang được đem ra so sánh thắng ở hàng đó với khoảng cách lớn. Không điều nào trong số đó khiến Ripple trở thành một mô hình tồi. Nó khiến 80.5 trở thành một con số về một kỳ thi cụ thể.

32 triệu USD mua được những gì, và không mua được những gì

Tuyên bố thú vị nhất của Ricursive không phải là một benchmark. Mà là toàn bộ nỗ lực nghiên cứu và phát triển chỉ tốn 32 triệu USD, khoảng một phần mười so với chi phí mà công ty cho biết mô hình open-weight tiên tiến nhất trước đó về agentic coding đã tốn, đạt được với 1,4 triệu lượt rollout học tăng cường — ít hơn khoảng bảy mươi lần so với Reflection Beam 501B — với mức tận dụng FLOPs của mô hình là 40%.

Nếu điều đó đứng vững, nó còn là chuyện lớn hơn cả mức 80,5 trên bất kỳ benchmark nào, vì nó cho thấy chi phí để bước vào tầng năng lực này đã giảm đi một bậc độ lớn. Nó cũng giải thích hình dạng của mô hình: 65B dense với 80 lớp là thiết kế có thể huấn luyện và phục vụ với chi phí thấp, và Ricursive báo cáo 250 token mỗi giây trên hai B200 ở batch size tám, trước bất kỳ lượng tử hóa nào. Một điểm so sánh: Opus 5.5 đo được 112 token mỗi giây trên harness của Artificial Analysis.

Điều mà 32 triệu đô la không mua được là xác minh độc lập. Hiện chưa có bên thứ ba nào công bố việc chạy lại các con số của Ripple, và mô hình này hoàn toàn không xuất hiện trên Artificial Analysis Intelligence Index — bảng trung lập tiêu chuẩn. Opus 5.5 đứng ở mức 59 trên chỉ số đó, phiên bản 5.0.1, với chi phí tính toán 10,04 đô la cho mỗi tác vụ chỉ số. Cho đến khi Ripple có một mục trong đó, mọi tuyên bố so sánh giữa các mô hình về nó đều chỉ dựa vào bảng của nhà cung cấp.

Lập luận về giá, được thực hiện đúng cách

Câu hấp dẫn là Ripple rẻ hơn 20 đến 30 lần trên mỗi token. Câu chính xác là Ripple không có giá niêm yết, vì không có gì để niêm yết giá: các trọng số là Apache 2.0 và có thể tải xuống. Các danh mục của bên thứ ba báo giá mức giá dịch vụ lưu trữ gần $0,20 mỗi triệu token đầu vào và $0,60 mỗi triệu token đầu ra, và đó là giá lưu trữ, không phải bảng giá của nhà cung cấp. Tự vận hành biến chi phí thành GPU và thời gian kỹ thuật, rẻ khi ở trạng thái ổn định và đắt vào ngày đầu tiên.

Opus 5.5 là chiều ngược lại. Bốn đô-la đầu vào và hai mươi đô-la đầu ra trên mỗi triệu token là con số thực bạn có thể đưa vào bảng tính ngay hôm nay, với mức đọc cache $0,20 giúp các vòng lặp agent dài với tiền tố ổn định rẻ hơn đáng kể so với mức giá tiêu đề gợi ý. Trên OrcaRouter, đây là một trong hơn 200 mô hình có thể truy cập bằng một khóa duy nhất với mức chênh lệch 0% — giá niêm yết của nhà cung cấp được chuyển nguyên, nên thay đổi giá của Anthropic có hiệu lực ngay trong cùng ngày thay vì vào lần đối soát hóa đơn tiếp theo.

Ripple không nằm trong danh mục của OrcaRouter, và không có gì trong bài viết này nên được hiểu là chúng tôi cung cấp nó. Trọng số của nó có trên Hugging Face, và thông báo ra mắt có nêu tên các đối tác lưu trữ; nếu bạn muốn gọi nó như một API thay vì tự chạy nó, thì đó chính là hướng đi.

Chọn cái nào?

Nếu công việc là một coding agent trên codebase độc quyền có rà soát tuân thủ, Opus 5.5 là lựa chọn có thể bảo vệ được và lập luận benchmark không có gì để tranh cãi: nó có điểm chỉ số độc lập, system card, con số SWE-bench Pro đã công bố, và cửa sổ 1M với 128K đầu ra. Bạn đang trả tiền cho dấu vết kiểm toán nhiều không kém gì cho mô hình.

Nếu công việc là một vòng lặp agent hẹp, khối lượng lớn, nơi prompt ổn định, corpus là của bạn và hóa đơn là ràng buộc, thì một mô hình 65B Apache-2.0 vừa trên hai B200 là một đề xuất thực sự khác biệt so với một API có giá 20 đô-la cho mỗi triệu token đầu ra. Câu hỏi cần trả lời trước khi cam kết không phải là "80.5 có lớn hơn 66.4 không" — mà là "Ripple đạt điểm bao nhiêu trên DeepSWE so với mô hình tôi đang thay thế", và hiện tại câu trả lời được ghi nhận là 44.3 so với 74.2.

Điều đáng quan tâm không phải là một biểu đồ nhà cung cấp khác. Mà là lần chạy độc lập đầu tiên của Ripple 65B Preview trên Terminal-Bench 4.0. Mọi thứ trong so sánh này đều chờ vào con số đó.