Modelli

Ricursive pubblica Ripple-65B Preview, un modello a pesi aperti con licenza Apache 2.0 per il codice agentico, derivato dal suo modello di progettazione di chip

Ricursive ha pubblicato Ripple-65B Preview il 4 nov.: 65 mld densi, Apache 2.0, per il codice agentico, non per progettare chip. Benchmark autodichiarati.

Di Audryk · 6 novembre 2026

• Modelli
• #Ricursive
• #Ripple-65B
• #pesi aperti
• #Apache 2.0
• #codice agentico
• #Terminal-Bench
• #progettazione di chip

Il 4 novembre 2026 Ricursive Intelligence, un laboratorio che crea IA per la progettazione di chip, ha pubblicato Ripple-65B Preview: un modello denso da 65 miliardi di parametri, a pesi aperti con licenza Apache 2.0. Il modello non è di per sé uno strumento di progettazione di chip. Ricursive lo descrive come una variante generalista del modello proprietario della sua piattaforma di progettazione di chip, con un post-addestramento incentrato sul codice agentico. Il risultato principale è autodichiarato, e «pesi aperti» non significa «open source»: i dati di addestramento non sono stati pubblicati.

L'essenziale

• Che cos'è: 65 mld di parametri, denso, preaddestrato da zero su 12 trilioni di token, soprattutto inglese e codice, solo testo, con un contesto dichiarato fino a 1 milione di token.
• La licenza: Apache 2.0 sui pesi, con checkpoint BF16 instruct, NVFP4 sperimentale, base e un modello bozza su Hugging Face.
• L'affermazione: 80,5 su Terminal-Bench 2.1, presentato come il migliore tra i modelli a pesi aperti statunitensi. È un risultato di Ricursive.
• La correzione: è un modello generalista orientato al codice, non un modello per progettare chip.
• Il costo dichiarato: 32 milioni di dollari di R&S completa, secondo Ricursive, non verificati da audit.

Che cos'è Ripple-65B Preview?

È il primo modello pubblico di Ricursive, un laboratorio di Palo Alto cofondato da Anna Goldie e Azalia Mirhoseini, che in precedenza avevano lavorato ad AlphaChip di Google. Ricursive ha scelto un'architettura densa anziché una miscela di esperti per semplificare addestramento e servizio. Il modello ragiona sempre dentro tag di pensiero, senza un interruttore per disattivarlo. Il post-addestramento è descritto come relativamente leggero e la versione è un'anteprima.

Quanto sono solidi i benchmark?

Su Terminal-Bench 2.1 Ricursive riferisce 80,5, quasi alla pari con il modello Reflection Beam da 501 mld a 80,1, e davanti a Muse Spark Open di Meta. L'affermazione è limitata ai modelli a pesi aperti statunitensi: si riferisce che alcuni modelli aperti cinesi ottengano punteggi più alti, anche se le cifre differiscono tra i tracker. Tutti i risultati sono autodichiarati, e la scheda del modello stessa dice che i punteggi Terminal-Bench erano in genere più bassi con il banco ufficiale. Il confronto di Ricursive mostra Beam avanti in vari test, tra cui SWE-bench Verified (81,6 contro 76,5). Il grafico di lancio e la scheda del modello divergono inoltre su alcuni punteggi dei concorrenti.

È davvero open source?

I pesi sono aperti con Apache 2.0, che consente l'uso commerciale. La copertura letta non dice che siano stati pubblicati dati di addestramento, codice di addestramento o ricetta completa, quindi «pesi aperti» è il termine esatto. Controlla il file di licenza e la scheda del modello prima di costruirci sopra.

Si può eseguire e quanto costa?

In BF16 il modello richiede circa due GPU B200. Il checkpoint NVFP4, di circa 57 GB, risulta girare su un DGX Spark, una richiesta alla volta con 128.000 token di contesto. Prezzi ospitati di 0,20 $ per milione di token in ingresso e 0,60 $ in uscita compaiono su Together AI e OpenRouter. Il contesto è dichiarato fino a 1 milione di token, ma un endpoint ospitato risultava limitato a 16.384.

Che cosa non è accertato?

• Una verifica indipendente del punteggio di 80,5, del banco usato e delle altre affermazioni di benchmark.
• Il costo: i 32 milioni di dollari e il confronto «un decimo» sono stime di Ricursive.
• Se il contesto da 1 milione di token regge in pratica.
• Se la derivazione dalla progettazione di chip aiuti davvero le prestazioni nel codice.
• Che cosa è stato pubblicato oltre ai pesi: dati e codice di addestramento non risultano aperti.

Tabella riepilogativa

Domande frequenti

Ripple-65B è un modello di progettazione di chip?

No. È una variante generalista del modello della piattaforma di progettazione di chip di Ricursive, post-addestrata per il codice agentico.

Ripple-65B è open source?

I suoi pesi sono sotto Apache 2.0, quindi è a pesi aperti. Dati e codice di addestramento non risultano pubblicati.

È il miglior modello aperto?

Solo tra i modelli a pesi aperti statunitensi, secondo il benchmark di Ricursive stessa. Si riferisce che alcuni modelli aperti cinesi ottengano punteggi più alti.

Metodo e limiti

Fonti al 6 novembre 2026. Abbiamo letto la pagina del modello su Together AI, il profilo di BenchLM e analisi di eesel e DEV Community, oltre a una presentazione di Digital Applied. Non siamo riusciti ad aprire l'articolo di MarkTechPost e non abbiamo letto direttamente il post di lancio di Ricursive né la scheda del modello. Non abbiamo scaricato né eseguito nulla.

Fonti

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

Avete notato un errore in questo articolo? Segnalatelo · La nostra politica sulle correzioni