Ripple-65B, czyli otwarty model do kodowania od twórców AlphaChip

4 listopada Ricursive Intelligence opublikował Ripple-65B Preview, pierwszy publiczny model firmy, z otwartymi wagami na Hugging Face i licencją Apache 2.0. Model ma 65 mld parametrów, nastawiony jest na programowanie z agentami i według Ricursive osiąga 80,5 pkt w Terminal-Bench 2.1.

Czym jest Ripple-65B?

To gęsty (dense) model językowy, czyli bez MoE (mixture-of-experts): na każdy token pracuje wszystkie 65 mld parametrów. Ricursive wytrenował go od zera, na 12 bln tokenów (głównie tekst po angielsku i kod), a okno kontekstu sięga do 1 mln tokenów.

Co ciekawe, Ricursive to nie typowe laboratorium od czatbotów. Firma buduje platformę AI do projektowania chipów, a założyli ją Anna Goldie i Azalia Mirhoseini, twórczynie AlphaChip. Jak czytamy w zapowiedzi, Ripple to „general-purpose variant”, czyli ogólna wersja zamkniętego modelu, na którym działa ich platforma do projektowania chipów.

(Nie mylmy go z Recursive Flint: to inna firma i inny model, choć nazwy brzmią prawie tak samo ;))

Co potrafi Ripple-65B?

Według karty modelu post-trening skupił się na programowaniu agentowym. Najciekawsze wyniki podane przez Ricursive:

1. 80,5 pkt w Terminal-Bench 2.1, teście, w którym model wykonuje zadania w terminalu. W zapowiedzi określono to jako „state-of-the-art” wśród amerykańskich modeli z otwartymi wagami.
2. 76,5% w SWE-bench Verified i 61,42% w SWE-bench Pro v1.0, czyli w naprawianiu prawdziwych zgłoszeń z repozytoriów.
3. 85,2% w GPQA Diamond (pytania naukowe na poziomie doktoratu) i 95,0% w AIME 2026 (matematyka).
4. 71,67% w MCP Atlas, teście korzystania z narzędzi przez MCP.

Traktujmy te liczby z dystansem. W karcie modelu czytamy, że wiele wyników pochodzi z własnych harnessów Ricursive, a całą wersję Preview opisano jako taką, w której post-trening był „relatively light”, czyli dość lekki. Niezależnych pomiarów na razie nie ma.

Dlaczego jest o tym głośno?

Po pierwsze, rozmiar. 65 mld parametrów to niewiele jak na model, który celuje w czołówkę programowania agentowego, a według zapowiedzi model ma „run efficiently on local devices such as NVIDIA DGX Spark”. Do uruchomienia lokalnego jest gotowy checkpoint NVFP4 (skwantyzowany) i notebook w Colabie.

Po drugie, koszt. Według zapowiedzi cały rozwój i trening Ripple-65B Preview kosztował 32 mln dolarów, a do wyniku w Terminal-Bench wystarczyło 1,4 mln rolloutów w RL (reinforcement learning).

Po trzecie, architektura. Model jest „cienki i głęboki” (80 warstw, d_model 5120) i zamiast typowej budowy w stylu Llamy korzysta z rozwiązań podobnych do Gemma 3N, m.in. gated attention i value residuals. Według karty modelu ta zmiana poprawiła stabilność treningu.

Na Hacker News wpis o premierze trafił na stronę główną i zebrał ponad 140 punktów w kilka godzin.

Jak wypróbować Ripple-65B?

Możemy to zrobić na kilka sposobów:

1. Lokalnie: wagi BF16, wersja NVFP4 i model bazowy są na Hugging Face. Jeśli dopiero zaczynamy z modelami na własnym sprzęcie, przyda się poradnik jak uruchomić AI lokalnie.
2. Przez API: model jest w Together AI, GMI Cloud i OpenRouter, a Fireworks ma go dodać wkrótce. W OpenRouter kosztuje 0,20 USD za 1 mln tokenów wejściowych i 0,60 USD za 1 mln wyjściowych (sprawdź limit kontekstu u dostawcy: w OpenRouter to na razie 16 tys. tokenów, a nie 1 mln).

Według karty modelu na dwóch kartach B200 model generuje ok. 250 tokenów na sekundę (przy batchu 8), jeszcze bez kwantyzacji i własnych kerneli.

Na co zwrócić uwagę?

Po pierwsze, na status Preview. Ricursive nie podał, kiedy pojawi się pełna wersja. W zapowiedzi czytamy tylko o możliwościach, które mają się pojawić „as we scale toward the frontier”.

Po drugie, na język. Pretrening był głównie po angielsku i na kodzie, więc po polsku model może radzić sobie słabiej niż w terminalu.

To kolejny mocny model z otwartymi wagami w ostatnich tygodniach, po Reflection Beam i Kimi K3.1 Pro. Tym razem jednak z wersją, którą da się postawić na biurku.

FAQ

Czy Ripple-65B jest darmowy?

Tak, wagi są dostępne na licencji Apache 2.0, więc możemy pobrać model i używać go także komercyjnie. Płacimy tylko za sprzęt i prąd albo za API u dostawcy.

Kto stworzył Ripple-65B?

Ricursive Intelligence, firma z Palo Alto budująca platformę AI do projektowania chipów, założona przez Annę Goldie i Azalię Mirhoseini.

Czy Ripple-65B to model MoE?

Nie. To gęsty model z 65 mld parametrów, wszystkie są aktywne przy każdym tokenie.