Ripple-65B Preview

2026-11-04 · Éditeur : Ricursive Intelligence · Domaine : Intelligence Artificielle

Ricursive Intelligence publie Ripple-65B Preview, un modèle dense de 65 milliards de paramètres sous licence Apache 2.0, qui affiche, selon l'éditeur, le meilleur score parmi les modèles comparés sur Terminal-Bench 2.1.

### Contexte Ricursive Intelligence est une jeune entreprise dont les fondateurs, Anna Goldie (directrice générale) et Azalia Mirhoseini (directrice technique), ont participé à la création d'AlphaChip chez Google, selon VentureBeat. Ripple est présenté comme une variante généraliste du modèle propriétaire qui alimente sa plateforme de conception de puces. La version « Preview » est publiée le 4 novembre 2026. ### Caractéristiques | Élément | Valeur | |---|---| | Architecture | Transformeur dense (pas de mélange d'experts), 80 couches, d_model de 5 120 | | Paramètres | 65 milliards, tous actifs | | Pré-entraînement | 12 000 milliards de jetons | | Contexte | Jusqu'à 1 million de jetons annoncés | | Licence | Apache 2.0 (fiche Hugging Face) | | Variantes | Instruct BF16, base BF16, version quantifiée NVFP4 | Ricursive indique que le modèle est conçu pour tourner sur du matériel local comme le NVIDIA DGX Spark, et revendique un coût total de R&D d'environ 32 M$, soit, selon l'entreprise, un dixième de celui du précédent leader ouvert. Ces chiffres sont déclaratifs et non comparables directement. ### Tarifs D'après VentureBeat, le modèle est servi sur OpenRouter (par GMICloud) à 0,20 $ par million de jetons en entrée et 0,60 $ en sortie. VentureBeat relève aussi que ce endpoint liste 16 384 jetons de contexte, bien en deçà du million annoncé. ### Benchmarks Scores publiés par l'éditeur ; ce n'est pas un comparatif contrôlé. | Benchmark (Terminal-Bench 2.1) | Score | |---|---| | Ripple-65B Preview | 80,5 | | Reflection Beam 501B | 80,1 | | Meta Muse Spark Open 816B | 76,4 | | Thinking Machines Inkling 975B | 63,8 | | NVIDIA Nemotron 3 Ultra 550B | 56,4 | La fiche du modèle publie aussi, pour la version instruct : SWE-bench Verified 76,5, GPQA Diamond 85,2, MMLU-Pro 84,2 et HMMT février 2026 90,5. Sur SciCode (39,4) et AutomationBench public (36,4), le modèle est en retrait de plusieurs modèles comparés, et les auteurs décrivent une comparaison « au mieux de leurs moyens » (best-effort attempt at a fair comparison). ### À retenir Un modèle de 65 milliards de paramètres sous licence permissive affiche des scores de code agentique proches de modèles ouverts bien plus volumineux, selon les chiffres de l'éditeur. Ces résultats restent à confirmer par des évaluations indépendantes, d'autant que la fenêtre de contexte effective varie selon l'hébergeur.

Tags : LLM, Poids ouverts, Code, Agents, Apache 2.0, Ricursive Intelligence, Ripple