Ripple-65B à poids ouverts : le modèle de code des créatrices d’AlphaChip

Le 4 novembre, Ricursive Intelligence a publié Ripple-65B Preview, le premier modèle public de l’entreprise : Ripple-65B est à poids ouverts, disponibles sur Hugging Face sous licence Apache 2.0. Le modèle compte 65 milliards de paramètres, il vise la programmation avec des agents et, selon Ricursive, il atteint 80,5 points sur Terminal-Bench 2.1.

Qu’est-ce que Ripple-65B à poids ouverts ?

C’est un modèle de langage dense, donc sans MoE (mixture-of-experts) : les 65 milliards de paramètres travaillent sur chaque token. Ricursive l’a entraîné de zéro sur 12 000 milliards de tokens (surtout du texte en anglais et du code), et la fenêtre de contexte monte jusqu’à 1 million de tokens.

Détail intéressant : Ricursive n’est pas un laboratoire de chatbots classique. L’entreprise construit une plateforme d’IA pour la conception de puces, et elle a été fondée par Anna Goldie et Azalia Mirhoseini, les créatrices d’AlphaChip. L’annonce présente Ripple comme une « general-purpose variant », c’est-à-dire une version généraliste du modèle fermé qui fait tourner leur plateforme de conception de puces.

(À ne pas confondre avec Recursive Flint : autre entreprise, autre modèle, même si les noms se ressemblent beaucoup ;))

Que sait faire Ripple-65B ?

D’après la fiche du modèle, le post-entraînement s’est concentré sur la programmation agentique. Les résultats les plus intéressants annoncés par Ricursive :

1. 80,5 points sur Terminal-Bench 2.1, un test où le modèle exécute des tâches dans le terminal. L’annonce parle de « state-of-the-art » parmi les modèles américains à poids ouverts.
2. 76,5 % sur SWE-bench Verified et 61,42 % sur SWE-bench Pro v1.0, c’est-à-dire la correction de vrais tickets issus de dépôts.
3. 85,2 % sur GPQA Diamond (questions scientifiques de niveau doctorat) et 95,0 % sur AIME 2026 (mathématiques).
4. 71,67 % sur MCP Atlas, un test d’utilisation d’outils via MCP.

Prenons ces chiffres avec du recul. La fiche du modèle précise que beaucoup de résultats viennent des harnesses internes de Ricursive, et elle décrit toute la version Preview comme une version au post-entraînement « relatively light », donc plutôt léger. Il n’existe pas encore de mesures indépendantes.

Pourquoi tout le monde en parle ?

D’abord, la taille. 65 milliards de paramètres, c’est peu pour un modèle qui vise le haut du classement en programmation agentique, et selon l’annonce il peut « run efficiently on local devices such as NVIDIA DGX Spark ». Pour l’utiliser en local, il existe un checkpoint NVFP4 (quantifié) prêt à l’emploi et un notebook Colab.

Ensuite, le coût. Selon l’annonce, tout le développement et l’entraînement de Ripple-65B Preview ont coûté 32 millions de dollars, et le score sur Terminal-Bench n’a demandé que 1,4 million de rollouts de RL (reinforcement learning).

Enfin, l’architecture. Le modèle est « fin et profond » (80 couches, d_model 5120) et, au lieu de la structure habituelle façon Llama, il reprend des solutions proches de Gemma 3N, notamment la gated attention et les value residuals. D’après la fiche du modèle, ce changement a amélioré la stabilité de l’entraînement.

Sur Hacker News, le post de lancement est arrivé en page d’accueil et a recueilli plus de 140 points en quelques heures.

Comment essayer Ripple-65B ?

Plusieurs options :

1. En local : les poids BF16, la version NVFP4 et le modèle de base sont sur Hugging Face. Si vous débutez avec les modèles sur votre propre matériel, le guide pour faire tourner une IA en local vous sera utile.
2. Par API : le modèle est disponible chez Together AI, GMI Cloud et OpenRouter, et Fireworks doit l’ajouter bientôt. Sur OpenRouter, il coûte 0,20 USD par million de tokens en entrée et 0,60 USD par million en sortie (vérifiez la limite de contexte chez le fournisseur : sur OpenRouter, elle est pour l’instant de 16 000 tokens, et non d’un million).

D’après la fiche du modèle, sur deux cartes B200 le modèle génère environ 250 tokens par seconde (avec un batch de 8), encore sans quantification ni kernels maison.

À quoi faire attention ?

D’abord, au statut Preview. Ricursive n’a pas dit quand arrivera la version complète. L’annonce évoque seulement des capacités prévues « as we scale toward the frontier ».

Ensuite, à la langue. Le pré-entraînement s’est fait surtout en anglais et sur du code, donc en français le modèle risque d’être moins bon que dans le terminal.

C’est encore un modèle à poids ouverts solide ces dernières semaines, après Reflection Beam et Kimi K3.1 Pro. Mais cette fois avec une version qu’on peut installer sur son bureau.

FAQ

Ripple-65B est-il gratuit ?

Oui, les poids sont disponibles sous licence Apache 2.0 : on peut télécharger le modèle et l’utiliser aussi à des fins commerciales. On ne paie que le matériel et l’électricité, ou l’API chez un fournisseur.

Qui a créé Ripple-65B ?

Ricursive Intelligence, une entreprise de Palo Alto qui construit une plateforme d’IA pour la conception de puces, fondée par Anna Goldie et Azalia Mirhoseini.

Ripple-65B est-il un modèle MoE ?

Non. C’est un modèle dense de 65 milliards de paramètres, tous actifs pour chaque token.