Ricursive, 320억 원으로 미국 오픈웨이트 에이전트 코딩 SOTA를 찍다
Ripple-65B Preview: U.S. Open-Weight SOTA on Agentic Coding
Ricursive Intelligence가 공개한 Ripple-65B Preview는 12조 토큰으로 사전학습한 65B 파라미터 모델로, TerminalBench 2.1에서 80.52를 기록해 미국 오픈웨이트 최고 성능을 달성했다. 자체 모델보다 훨씬 큰 501B, 816B, 975B 모델들을 앞선 결과다. MoE 대신 dense Transformer를 택해 MFU 40%를 유지했고, 140만 번의 롤아웃만으로 SOTA에 도달했다. 전체 R&D 비용은 3200만 달러로, 이전 SOTA의 10분의 1 수준이다.
다시 말해, 우리의 최종 Ripple 모델 래더는 Olmo 3 래더와 비슷한 코드 성능을 16배 적은 컴퓨트로 달성할 수 있다.
HN 토론
75- advael
이 정도로 카테고리를 좁히면 'SOTA'라는 용어가 상당히 희석된 느낌이다
당신이 겨냥한 이 특정 벤치마크 하위 집합에서는 최고 수준이라는 뜻인가? 아니라고? 그럼 분명 특정 크기 카테고리의 모델 중에서는 최고 수준이겠지? 어, 그럼 로컬 추론이 가능한 모델 중에서는? 오, 미국에서 특별히 만들어진 특정 크기의 오픈 모델 중 최고 수준. 음. 대단하네!
- stewartpark
경쟁력 있는 오픈 웨이트 모델이 또 나온 걸 보니 반갑다. 축하한다!
하지만 있는 그대로 보면 Qwen의 27B급 모델이나 MOE 모델 같은 걸 좋아하는 취미 개발자나 로컬 모델 애호가들 사이에서 인기를 얻기는 아마 어려울 것이다. 왜냐하면 이건 65B dense 모델이라 소비자용 하드웨어에서는 추론이 엄청나게 느릴 테고, 이 모델을 만든 회사의 목표/미션이 칩 설계를 자동화하는 것인 듯하기 때문이다.
그래서 억지로 추정해서 점들을 이어 보자면, 이건 칩 설계에 AI를 쓰고 싶은 회사들, 즉 IP를 보호하고(서드파티 AI 랩이나 적대적인 측에 유출되지 않도록) 에어갭 환경에서 쓰려는 회사들을 위한 것이고, 큰 dense 모델로 빠르게 성과를 내기 위해 서버급 추론 하드웨어를 넉넉히 갖출 수 있는 회사들을 위한 것이다.
대단하네!
- wmf
축하한다고 해야겠지만, 다른 오픈 웨이트 모델들을 언급조차 안 하는 건 꽤 안 좋아 보인다.
- 2001zhaozhao
이 모델은 Terminal Bench 2.1에서 80.5점을 기록했다
참고로 Qwen 3.8 Flash Next(이 모델보다 크지만 MoE 덕분에 실행 비용은 아마 더 쌀 것)는 84.3점이고, Qwen 3.8-27B는 73.0점이다.
Qwen과 비교해 얼마나 benchmaxxing을 했는지에 따라 다르겠지만, 이 모델은 경쟁력이 있을 수도 있겠다?
- bluejay2387
우리 중 일부가 미국 관할권 밖 회사의 모델을 쓰는 것이 명시적으로 금지되는 상황이 몇 가지 있다. 그렇다고 해서 이 모델들이 전 세계적 관점에서 경쟁력이 있다는 뜻은 아니지만, 그렇다고 해서 무의미한 차별점도 아니다.