Ripple-65B: Open-Weight-Modell fürs Coding von den Machern von AlphaChip

Am 4. November hat Ricursive Intelligence Ripple-65B Preview veröffentlicht: das erste öffentliche Modell der Firma, ein Ripple-65B Open-Weight-Modell mit Gewichten auf Hugging Face und Apache-2.0-Lizenz. Es hat 65 Mrd. Parameter, ist auf agentisches Programmieren ausgelegt und erreicht laut Ricursive 80,5 Punkte in Terminal-Bench 2.1.

Was ist das Open-Weight-Modell Ripple-65B?

Es ist ein dichtes (dense) Sprachmodell, also ohne MoE (Mixture-of-Experts): Für jedes Token arbeiten alle 65 Mrd. Parameter. Ricursive hat es von Grund auf trainiert, mit 12 Billionen Tokens (vor allem englischer Text und Code), und das Kontextfenster reicht bis 1 Mio. Tokens.

Interessant: Ricursive ist kein typisches Chatbot-Labor. Die Firma baut eine KI-Plattform für Chipdesign, gegründet von Anna Goldie und Azalia Mirhoseini, den Entwicklerinnen von AlphaChip. In der Ankündigung heißt Ripple „general-purpose variant“, also eine allgemeine Version des geschlossenen Modells, auf dem ihre Chipdesign-Plattform läuft.

(Nicht verwechseln mit Recursive Flint: andere Firma, anderes Modell, auch wenn die Namen fast gleich klingen ;))

Was kann Ripple-65B?

Laut Model Card lag der Fokus des Post-Trainings auf agentischem Programmieren. Die spannendsten Ergebnisse, die Ricursive angibt:

1. 80,5 Punkte in Terminal-Bench 2.1, einem Test, in dem das Modell Aufgaben im Terminal erledigt. Die Ankündigung nennt das „state-of-the-art“ unter amerikanischen Open-Weight-Modellen.
2. 76,5 % in SWE-bench Verified und 61,42 % in SWE-bench Pro v1.0, also beim Beheben echter Issues aus Repositories.
3. 85,2 % in GPQA Diamond (naturwissenschaftliche Fragen auf Promotionsniveau) und 95,0 % in AIME 2026 (Mathematik).
4. 71,67 % in MCP Atlas, einem Test zur Tool-Nutzung über MCP.

Diese Zahlen sollten wir mit Vorsicht genießen. Laut Model Card stammen viele Ergebnisse aus Ricursives eigenen Harnesses, und die ganze Preview-Version wird als eine beschrieben, bei der das Post-Training „relatively light“ war, also eher leicht. Unabhängige Messungen gibt es noch nicht.

Warum reden alle darüber?

Erstens die Größe. 65 Mrd. Parameter sind wenig für ein Modell, das an die Spitze des agentischen Programmierens will, und laut Ankündigung soll es „run efficiently on local devices such as NVIDIA DGX Spark“. Für den lokalen Betrieb gibt es einen fertigen NVFP4-Checkpoint (quantisiert) und ein Colab-Notebook.

Zweitens die Kosten. Laut Ankündigung hat die gesamte Entwicklung und das Training von Ripple-65B Preview 32 Mio. Dollar gekostet, und für das Terminal-Bench-Ergebnis reichten 1,4 Mio. Rollouts im RL (Reinforcement Learning).

Drittens die Architektur. Das Modell ist „schmal und tief“ (80 Schichten, d_model 5120) und nutzt statt des üblichen Llama-Aufbaus Lösungen ähnlich wie Gemma 3N, etwa Gated Attention und Value Residuals. Laut Model Card hat das die Trainingsstabilität verbessert.

Auf Hacker News landete der Launch-Beitrag auf der Startseite und sammelte in wenigen Stunden über 140 Punkte.

Wie kann man Ripple-65B ausprobieren?

Es gibt mehrere Wege:

1. Lokal: BF16-Gewichte, die NVFP4-Version und das Basismodell liegen auf Hugging Face. Wer gerade erst mit Modellen auf eigener Hardware anfängt, findet Hilfe im Ratgeber KI lokal ausführen.
2. Per API: Das Modell ist bei Together AI, GMI Cloud und OpenRouter verfügbar, Fireworks will es bald hinzufügen. Bei OpenRouter kostet es 0,20 USD pro 1 Mio. Input-Tokens und 0,60 USD pro 1 Mio. Output-Tokens (prüf das Kontextlimit beim Anbieter: Bei OpenRouter sind es vorerst 16.000 Tokens, nicht 1 Mio.).

Laut Model Card erzeugt das Modell auf zwei B200-Karten etwa 250 Tokens pro Sekunde (bei Batch 8), noch ohne Quantisierung und eigene Kernels.

Worauf sollte man achten?

Erstens auf den Preview-Status. Ricursive hat nicht gesagt, wann die vollständige Version kommt. In der Ankündigung ist nur von Fähigkeiten die Rede, die „as we scale toward the frontier“ kommen sollen.

Zweitens auf die Sprache. Das Pretraining lief vor allem auf Englisch und Code, also kommt das Modell auf Deutsch womöglich schlechter zurecht als im Terminal.

Das ist ein weiteres starkes Open-Weight-Modell der letzten Wochen, nach Reflection Beam und Kimi K3.1 Pro. Diesmal aber mit einer Version, die man sich auf den Schreibtisch stellen kann.

FAQ

Ist Ripple-65B kostenlos?

Ja, die Gewichte stehen unter der Apache-2.0-Lizenz, wir können das Modell also herunterladen und auch kommerziell nutzen. Wir zahlen nur für Hardware und Strom oder für die API beim Anbieter.

Wer hat Ripple-65B entwickelt?

Ricursive Intelligence, eine Firma aus Palo Alto, die eine KI-Plattform für Chipdesign baut, gegründet von Anna Goldie und Azalia Mirhoseini.

Ist Ripple-65B ein MoE-Modell?

Nein. Es ist ein dichtes Modell mit 65 Mrd. Parametern, die bei jedem Token alle aktiv sind.