Ripple-65B, el modelo abierto de EE. UU. que supera a rivales hasta 15 veces más grandes en coding agéntico
Ripple-65B Preview: U.S. Open-Weight SOTA on Agentic Coding
Ricursive Intelligence lanza Ripple-65B Preview, un modelo denso entrenado desde cero con 12 billones de tokens y contexto de hasta 1M. Alcanza 80.52 en TerminalBench 2.1, superando a Reflection Beam 501B, Meta Muse Spark Open 816B y NVIDIA Nemotron 3 Ultra 550B. Lo logró con solo 32 millones de dólares de I+D, una décima parte del coste del anterior SOTA abierto, y 70 veces menos rollouts de RL. Está disponible en Hugging Face, Together AI, GMI Cloud y OpenRouter.
Desarrollamos y entrenamos Ripple-65B Preview por solo 32 millones de dólares, una décima parte del coste del anterior SOTA abierto en coding agéntico.
- advael
Que la categoría se reduzca hasta este punto realmente ha diluido bastante el término "SOTA"
¿Quieres decir que es state of the art para este subconjunto de benchmarks que estás apuntando? ¿No? Bueno, ¿seguro que es state of the art para modelos de cierta categoría de tamaño? Ah, ¿y qué hay de los modelos que están disponibles para inferencia local? O, state of the art para modelos abiertos de cierto tamaño hechos específicamente en EE. UU. Uh. ¡Qué bien!
- stewartpark
Es genial ver otro modelo de pesos abiertos competitivo. ¡Felicidades!
Pero tal como está, probablemente sea difícil que se vuelva popular entre los aficionados y entusiastas de los modelos locales, como los modelos de la clase 27B de Qwen o los modelos MOE, porque es un modelo denso de 65B y la inferencia será prohibitivamente lenta en hardware de consumo, y parece que el objetivo/misión de la empresa detrás de este modelo es automatizar el diseño de chips.
Así que si tengo que suponer y atar cabos, esto es para las empresas que quieren usar IA en entornos air-gapped para el diseño de chips, de modo que protejan sus PI (sin filtrarlas a laboratorios de IA de terceros o a partes hostiles) y puedan permitirse mucho hardware de inferencia de grado servidor para un desbloqueo rápido con el gran modelo denso.
¡Qué bien!
- wmf
Felicidades, supongo, pero no queda nada bien ni siquiera mencionar esos otros modelos de pesos abiertos.
- 2001zhaozhao
Este modelo obtiene 80.5 en Terminal Bench 2.1
Como referencia, Qwen 3.8 Flash Next (que es más grande que este modelo pero probablemente más barato de ejecutar gracias a MoE) obtiene 84.3, y Qwen 3.8-27B obtiene 73.0.
Creo que este modelo podría ser competitivo, ¿dependiendo de cuánto se haya benchmaxxeado en comparación con Qwen?
- bluejay2387
Hay varias situaciones en las que a algunos de nosotros se nos prohíbe explícitamente usar modelos de empresas que no están bajo la jurisdicción de Estados Unidos. Eso no significa que estos modelos sean competitivos vistos desde una perspectiva global, pero tampoco es una diferenciación irrelevante.