Ripple-65B Preview, modelo open-weight, lidera o TerminalBench 2.1 com custo de treino de US$ 32 milhões

O Ripple-65B Preview é a versão de uso geral do modelo proprietário que alimenta a plataforma de design de chips da Ricursive. Foi pré-treinado em 12 trilhões de tokens, com suporte a até 1M de contexto. A empresa reporta 80,52 no TerminalBench 2.1, à frente de Reflection Beam 501B (80,1), Meta Muse Spark Open 816B (76,4), Thinking Machines Inkling 975B (63,8) e NVIDIA Nemotron 3 Ultra 550B (56,4). O recorte é de modelos open-weight dos EUA, e os números são os divulgados pela própria Ricursive.

A escolha técnica mais incomum é a arquitetura densa, em vez de Mixture-of-Experts. Segundo a empresa, isso manteve um MFU de 40% com sharding simples, sem kernels customizados e sem quantização. O modelo usa proporção fina e profunda (d_model de 5120, 80 camadas), atenção gated, NoPE global e value residuals. No pós-treino, a Ricursive diz que não comprou dados, usou pipelines sintéticos próprios e chegou a 80,5 com 1,4M de rollouts, cerca de 70 vezes menos que o Reflection Beam. Os US$ 32 milhões cobrem todo o P&D, incluindo ladder de pré-treino, avaliações, depuração e as execuções finais. A comparação de custo com o SOTA open-weight anterior é estimativa da própria empresa. O modelo está no Hugging Face, Together AI, GMI Cloud e OpenRouter, com Fireworks previsto para o mesmo dia, e roda em dispositivos locais como o NVIDIA DGX Spark.

Para quem opera agentes de código, a leitura é que um modelo denso de 65B, com custo de serviço previsível, pode competir em tarefas de terminal com modelos várias vezes maiores. Isso pesa em latência e em hospedagem própria. Ainda assim, é um benchmark só, divulgado pelo fabricante, e vale testar em suas próprias tarefas antes de migrar.