Modelle
Ricursive veröffentlicht Ripple-65B Preview, ein Open-Weight-Modell unter Apache 2.0 für agentisches Coding, abgeleitet von seinem Chipdesign-Modell
Ricursive veröffentlichte Ripple-65B Preview am 4. Nov.: 65 Mrd. dicht, Apache 2.0, für agentisches Coding, nicht für Chipdesign. Benchmarks selbst gemeldet.
Am 4. November 2026 hat Ricursive Intelligence, ein Labor, das KI für Chipdesign entwickelt, Ripple-65B Preview veröffentlicht: ein dichtes Modell mit 65 Milliarden Parametern und offenen Gewichten unter der Apache-2.0-Lizenz. Das Modell ist selbst kein Chipdesign-Werkzeug. Ricursive beschreibt es als allgemeine Variante des proprietären Modells hinter seiner Chipdesign-Plattform, mit einem Nachtraining, das auf agentisches Coding ausgerichtet ist. Das Spitzenergebnis ist selbst gemeldet, und „Open-Weight“ ist nicht dasselbe wie „Open Source“: Die Trainingsdaten wurden nicht veröffentlicht.
Das Wesentliche
- Was es ist: 65 Mrd. Parameter, dicht, von Grund auf mit 12 Billionen Tokens vortrainiert, überwiegend Englisch und Code, nur Text, mit einem angegebenen Kontext von bis zu 1 Million Tokens.
- Die Lizenz: Apache 2.0 auf die Gewichte, mit Checkpoints BF16 Instruct, experimentell NVFP4, Basis und einem Entwurfsmodell auf Hugging Face.
- Die Behauptung: 80,5 bei Terminal-Bench 2.1, dargestellt als bester Wert unter US-Open-Weight-Modellen. Es ist Ricursives eigenes Ergebnis.
- Die Richtigstellung: Es ist ein allgemeines, auf Code ausgerichtetes Modell, kein Modell zum Entwerfen von Chips.
- Die Kostenangabe: 32 Millionen Dollar für die gesamte F&E laut Ricursive, nicht geprüft.
Was ist Ripple-65B Preview?
Es ist das erste öffentliche Modell von Ricursive, einem Labor in Palo Alto, mitgegründet von Anna Goldie und Azalia Mirhoseini, die zuvor an Googles AlphaChip arbeiteten. Ricursive wählte eine dichte Architektur statt Mixture-of-Experts, um Training und Betrieb zu vereinfachen. Das Modell denkt immer in Denk-Tags, ohne Schalter zum Abschalten. Das Nachtraining wird als relativ leicht beschrieben, und die Veröffentlichung ist eine Vorschau.
Wie belastbar sind die Benchmark-Angaben?
Bei Terminal-Bench 2.1 meldet Ricursive 80,5, etwa gleichauf mit dem 501-Mrd.-Modell Reflection Beam mit 80,1 und vor Metas Muse Spark Open. Die Aussage beschränkt sich auf US-Open-Weight-Modelle: Einige chinesische offene Modelle sollen höher liegen, die Zahlen unterscheiden sich jedoch je nach Tracker. Alle Ergebnisse sind selbst gemeldet, und die Modellkarte selbst sagt, die Terminal-Bench-Werte seien mit dem offiziellen Testaufbau im Allgemeinen niedriger ausgefallen. Ricursives eigener Vergleich zeigt Beam bei mehreren Tests vorn, darunter SWE-bench Verified (81,6 gegen 76,5). Die Startgrafik und die Modellkarte widersprechen sich zudem bei einigen Werten der Konkurrenz.
Ist es wirklich Open Source?
Die Gewichte sind unter Apache 2.0 offen, was kommerzielle Nutzung erlaubt. Die gelesene Berichterstattung sagt nicht, dass Trainingsdaten, Trainingscode oder das vollständige Rezept veröffentlicht wurden, daher ist „Open-Weight“ der zutreffende Begriff. Prüfen Sie die Lizenzdatei und die Modellkarte, bevor Sie darauf aufbauen.
Lässt es sich betreiben, und was kostet es?
In BF16 braucht das Modell etwa zwei B200-GPUs. Der NVFP4-Checkpoint mit rund 57 GB soll auf einem DGX Spark laufen, eine Anfrage nach der anderen bei 128.000 Tokens Kontext. Gehostete Preise von 0,20 $ je Million Eingabe-Tokens und 0,60 $ je Million Ausgabe-Tokens stehen bei Together AI und OpenRouter. Der Kontext wird mit bis zu 1 Million Tokens angegeben, ein gehosteter Endpunkt war aber laut Berichten auf 16.384 begrenzt.
Was ist nicht belegt?
- Eine unabhängige Überprüfung des Werts von 80,5, des Testaufbaus und der übrigen Benchmark-Angaben.
- Die Kosten: Die 32 Millionen Dollar und der Vergleich „ein Zehntel“ sind Ricursives eigene Schätzungen.
- Ob der Kontext von 1 Million Tokens in der Praxis trägt.
- Ob die Herkunft aus dem Chipdesign die Coding-Leistung tatsächlich verbessert.
- Was über die Gewichte hinaus veröffentlicht wurde: Trainingsdaten und -code gelten nicht als offen.
Übersichtstabelle
| Punkt | Was am 6. November 2026 angegeben ist | Quelle |
|---|---|---|
| Veröffentlichung | 4. November 2026, Vorschau | Together AI, DEV, eesel |
| Größe | 65 Mrd. dicht, 12 Billionen Tokens, nur Text | BenchLM, Together AI |
| Lizenz | Gewichte unter Apache 2.0 | Together AI, BenchLM |
| Spitzenwert | 80,5 bei Terminal-Bench 2.1, selbst gemeldet | eesel, DEV |
| Kosten | 32 Mio. $ F&E laut Ricursive, ungeprüft | eesel, DEV |
| Chipdesign | Variante des Modells hinter der Plattform; veröffentlichtes Modell ist für Code | Together AI, DEV |
Häufig gestellte Fragen
Ist Ripple-65B ein Chipdesign-Modell?
Nein. Es ist eine allgemeine Variante des Modells hinter Ricursives Chipdesign-Plattform, nachtrainiert für agentisches Coding.
Ist Ripple-65B Open Source?
Die Gewichte stehen unter Apache 2.0, also ist es Open-Weight. Trainingsdaten und -code gelten nicht als veröffentlicht.
Ist es das beste offene Modell?
Nur unter den US-Open-Weight-Modellen, laut Ricursives eigenem Benchmark. Einige chinesische offene Modelle sollen höher liegen.
Methode und Grenzen
Quellen Stand 6. November 2026. Wir lasen die Modellseite bei Together AI, das Profil von BenchLM und Analysen von eesel und DEV Community sowie eine Vorstellung von Digital Applied. Den Artikel von MarkTechPost konnten wir nicht öffnen, und wir lasen weder Ricursives Startbeitrag noch die Modellkarte direkt. Wir haben nichts heruntergeladen oder ausgeführt.
Quellen
- Together AI: Ripple-65B Preview (geprüft am 06.11.2026)
- BenchLM: Ripple-65B Preview benchmarks and context (geprüft am 06.11.2026)
- eesel: Ripple-65B review (geprüft am 06.11.2026)
- DEV Community: Ricursive's Ripple-65B Preview, explained honestly (geprüft am 06.11.2026)
- Digital Applied: Ripple-65B Preview, a new US open-weight model (geprüft am 06.11.2026)
Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie
