Modelos

Ricursive lanza Ripple-65B Preview, un modelo de pesos abiertos con licencia Apache 2.0 para código agéntico, derivado de su modelo de diseño de chips

Ricursive lanzó Ripple-65B Preview el 4 nov.: 65.000 M densos, Apache 2.0, para código agéntico, no para diseñar chips. Benchmarks autodeclarados.

Por Audryk · 6 noviembre 2026

• Modelos
• #Ricursive
• #Ripple-65B
• #pesos abiertos
• #Apache 2.0
• #código agéntico
• #Terminal-Bench
• #diseño de chips

El 4 de noviembre de 2026, Ricursive Intelligence, un laboratorio que crea IA para el diseño de chips, lanzó Ripple-65B Preview: un modelo denso de 65.000 millones de parámetros, de pesos abiertos con licencia Apache 2.0. El modelo no es en sí una herramienta de diseño de chips. Ricursive lo describe como una variante generalista del modelo propietario de su plataforma de diseño de chips, con un posentrenamiento centrado en el código agéntico. Su resultado estrella está autodeclarado, y «pesos abiertos» no es lo mismo que «código abierto»: los datos de entrenamiento no se publicaron.

Lo esencial

• Qué es: 65.000 M de parámetros, denso, preentrenado desde cero con 12 billones de tokens, sobre todo inglés y código, solo texto, con un contexto declarado de hasta 1 millón de tokens.
• La licencia: Apache 2.0 sobre los pesos, con puntos de control BF16 instruct, NVFP4 experimental, base y un modelo borrador en Hugging Face.
• La afirmación: 80,5 en Terminal-Bench 2.1, presentado como el mejor entre los modelos de pesos abiertos de EE. UU. Es un resultado de Ricursive.
• La corrección: es un modelo generalista orientado al código, no un modelo para diseñar chips.
• El coste declarado: 32 millones de dólares de I+D completa, según Ricursive, sin auditar.

¿Qué es Ripple-65B Preview?

Es el primer modelo público de Ricursive, un laboratorio de Palo Alto cofundado por Anna Goldie y Azalia Mirhoseini, que antes trabajaron en AlphaChip de Google. Ricursive eligió una arquitectura densa en lugar de mezcla de expertos para simplificar el entrenamiento y el servicio. El modelo siempre razona dentro de etiquetas de pensamiento, sin interruptor para desactivarlo. El posentrenamiento se describe como relativamente ligero y la versión es una vista previa.

¿Qué solidez tienen los benchmarks?

En Terminal-Bench 2.1, Ricursive informa de 80,5, casi un empate con el modelo Reflection Beam de 501.000 M con 80,1, y por delante de Muse Spark Open de Meta. La afirmación se limita a los modelos de pesos abiertos de EE. UU.: se informa de que algunos modelos abiertos chinos puntúan más alto, aunque las cifras difieren entre seguimientos. Todos los resultados son autodeclarados, y la propia ficha del modelo dice que las puntuaciones de Terminal-Bench fueron en general más bajas con el banco oficial. La comparación de Ricursive muestra a Beam por delante en varias pruebas, entre ellas SWE-bench Verified (81,6 frente a 76,5). El gráfico de lanzamiento y la ficha del modelo también discrepan en algunas puntuaciones de competidores.

¿Es de verdad código abierto?

Los pesos son abiertos con Apache 2.0, que permite el uso comercial. La cobertura leída no dice que se hayan publicado los datos de entrenamiento, el código de entrenamiento o la receta completa, así que «pesos abiertos» es el término exacto. Revisa el archivo de licencia y la ficha del modelo antes de construir sobre él.

¿Se puede ejecutar y cuánto cuesta?

En BF16, el modelo necesita unas dos GPU B200. El punto de control NVFP4, de unos 57 GB, se informa que funciona en un DGX Spark, una petición a la vez con 128.000 tokens de contexto. Aparecen precios alojados de 0,20 $ por millón de tokens de entrada y 0,60 $ de salida en Together AI y OpenRouter. El contexto se declara hasta 1 millón de tokens, pero se informó de un punto de acceso alojado limitado a 16.384.

¿Qué no está establecido?

• Una verificación independiente de la puntuación de 80,5, del banco usado y de las demás afirmaciones de benchmark.
• El coste: los 32 millones de dólares y la comparación de «una décima parte» son estimaciones de Ricursive.
• Si el contexto de 1 millón de tokens se sostiene en la práctica.
• Si el linaje del diseño de chips ayuda de verdad al rendimiento en código.
• Qué se publicó además de los pesos: datos y código de entrenamiento no figuran como abiertos.

Tabla resumen

Preguntas frecuentes

¿Es Ripple-65B un modelo de diseño de chips?

No. Es una variante generalista del modelo de la plataforma de diseño de chips de Ricursive, posentrenada para código agéntico.

¿Es Ripple-65B de código abierto?

Sus pesos tienen licencia Apache 2.0, así que es de pesos abiertos. No se informó de que se hayan publicado los datos ni el código de entrenamiento.

¿Es el mejor modelo abierto?

Solo entre los modelos de pesos abiertos de EE. UU., según el propio benchmark de Ricursive. Se informa de que algunos modelos abiertos chinos puntúan más alto.

Método y límites

Fuentes a 6 de noviembre de 2026. Leímos la página del modelo en Together AI, el perfil de BenchLM y análisis de eesel y DEV Community, además de una presentación de Digital Applied. No pudimos abrir el artículo de MarkTechPost ni leímos directamente la publicación de lanzamiento de Ricursive ni la ficha del modelo. No descargamos ni ejecutamos nada.

Fuentes

• Together AI: Ripple-65B Preview (verificado el 06-11-2026)
• BenchLM: Ripple-65B Preview benchmarks and context (verificado el 06-11-2026)
• eesel: Ripple-65B review (verificado el 06-11-2026)
• DEV Community: Ricursive's Ripple-65B Preview, explained honestly (verificado el 06-11-2026)
• Digital Applied: Ripple-65B Preview, a new US open-weight model (verificado el 06-11-2026)

¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones