Ripple-65B a pesi aperti: il modello per il coding delle creatrici di AlphaChip

Il 4 novembre Ricursive Intelligence ha pubblicato Ripple-65B Preview, il primo modello pubblico dell’azienda: Ripple-65B è a pesi aperti, disponibili su Hugging Face con licenza Apache 2.0. Ha 65 miliardi di parametri, è pensato per la programmazione con agenti e, secondo Ricursive, ottiene 80,5 punti su Terminal-Bench 2.1.

Cos’è Ripple-65B a pesi aperti?

È un modello linguistico denso (dense), quindi senza MoE (mixture-of-experts): su ogni token lavorano tutti i 65 miliardi di parametri. Ricursive lo ha addestrato da zero su 12.000 miliardi di token (soprattutto testo in inglese e codice), e la finestra di contesto arriva a 1 milione di token.

Curiosità: Ricursive non è il solito laboratorio di chatbot. L’azienda costruisce una piattaforma di AI per la progettazione di chip ed è stata fondata da Anna Goldie e Azalia Mirhoseini, le creatrici di AlphaChip. L’annuncio definisce Ripple una «general-purpose variant», cioè una versione generalista del modello chiuso su cui gira la loro piattaforma di progettazione di chip.

(Da non confondere con Recursive Flint: un’altra azienda e un altro modello, anche se i nomi suonano quasi uguali ;))

Cosa sa fare Ripple-65B?

Secondo la scheda del modello, il post-training si è concentrato sulla programmazione agentica. I risultati più interessanti dichiarati da Ricursive:

1. 80,5 punti su Terminal-Bench 2.1, un test in cui il modello svolge compiti nel terminale. L’annuncio lo definisce «state-of-the-art» tra i modelli americani a pesi aperti.
2. 76,5% su SWE-bench Verified e 61,42% su SWE-bench Pro v1.0, cioè nella risoluzione di issue reali dai repository.
3. 85,2% su GPQA Diamond (domande scientifiche di livello dottorato) e 95,0% su AIME 2026 (matematica).
4. 71,67% su MCP Atlas, un test sull’uso di strumenti tramite MCP.

Prendiamo questi numeri con le pinze. La scheda del modello spiega che molti risultati provengono dagli harness interni di Ricursive, e descrive l’intera versione Preview come una in cui il post-training è stato «relatively light», cioè piuttosto leggero. Misurazioni indipendenti per ora non ce ne sono.

Perché se ne parla tanto?

Primo, le dimensioni. 65 miliardi di parametri sono pochi per un modello che punta ai vertici della programmazione agentica, e secondo l’annuncio il modello può «run efficiently on local devices such as NVIDIA DGX Spark». Per usarlo in locale c’è un checkpoint NVFP4 (quantizzato) già pronto e un notebook Colab.

Secondo, il costo. Secondo l’annuncio, l’intero sviluppo e addestramento di Ripple-65B Preview è costato 32 milioni di dollari, e per il risultato su Terminal-Bench sono bastati 1,4 milioni di rollout di RL (reinforcement learning).

Terzo, l’architettura. Il modello è «sottile e profondo» (80 strati, d_model 5120) e, invece della classica struttura in stile Llama, usa soluzioni simili a Gemma 3N, tra cui gated attention e value residuals. Secondo la scheda del modello, questa scelta ha migliorato la stabilità dell’addestramento.

Su Hacker News il post del lancio è finito in prima pagina e ha raccolto oltre 140 punti in poche ore.

Come provare Ripple-65B?

Ci sono diversi modi:

1. In locale: i pesi BF16, la versione NVFP4 e il modello base sono su Hugging Face. Se stai iniziando ora con i modelli sul tuo hardware, ti sarà utile la guida su come usare l’AI in locale.
2. Via API: il modello è disponibile su Together AI, GMI Cloud e OpenRouter, e Fireworks lo aggiungerà a breve. Su OpenRouter costa 0,20 USD per 1 milione di token in input e 0,60 USD per 1 milione in output (controlla il limite di contesto del provider: su OpenRouter per ora è di 16.000 token, non di 1 milione).

Secondo la scheda del modello, su due schede B200 il modello genera circa 250 token al secondo (con batch 8), ancora senza quantizzazione né kernel personalizzati.

A cosa fare attenzione?

Primo, allo stato Preview. Ricursive non ha detto quando arriverà la versione completa. Nell’annuncio si parla solo di capacità che arriveranno «as we scale toward the frontier».

Secondo, alla lingua. Il pre-training è stato soprattutto in inglese e sul codice, quindi in italiano il modello potrebbe cavarsela peggio che nel terminale.

È l’ennesimo modello a pesi aperti di peso delle ultime settimane, dopo Reflection Beam e Kimi K3.1 Pro. Questa volta però con una versione che si può tenere sulla scrivania.

FAQ

Ripple-65B è gratis?

Sì, i pesi sono disponibili con licenza Apache 2.0, quindi possiamo scaricare il modello e usarlo anche a fini commerciali. Paghiamo solo hardware ed elettricità, oppure l’API di un provider.

Chi ha creato Ripple-65B?

Ricursive Intelligence, un’azienda di Palo Alto che sviluppa una piattaforma di AI per la progettazione di chip, fondata da Anna Goldie e Azalia Mirhoseini.

Ripple-65B è un modello MoE?

No. È un modello denso da 65 miliardi di parametri, tutti attivi a ogni token.