모델
Ricursive, 칩 설계 모델에서 파생한 에이전트형 코딩용 오픈웨이트 모델 'Ripple-65B Preview'를 Apache 2.0으로 공개
Ricursive가 11월 4일 Ripple-65B Preview를 공개했다. 650억 밀집 모델, Apache 2.0, 용도는 칩 설계가 아닌 코딩이다. 벤치마크는 자체 보고.
2026년 11월 4일, 칩 설계용 AI를 만드는 연구소 Ricursive Intelligence는 Ripple-65B Preview를 공개했습니다. 650억 매개변수의 밀집 모델이며 가중치는 Apache 2.0 라이선스로 공개됩니다. 이 모델 자체는 칩 설계 도구가 아닙니다. Ricursive는 자사 칩 설계 플랫폼을 뒷받침하는 독점 모델의 범용 변형이며, 에이전트형 코딩에 초점을 둔 후속 학습을 거쳤다고 설명합니다. 대표 성적은 자체 보고이고, "오픈웨이트"는 "오픈소스"와 같은 말이 아닙니다. 학습 데이터는 공개되지 않았습니다.
핵심 요약
- 무엇인가: 650억 매개변수 밀집 모델. 12조 토큰으로 처음부터 사전 학습, 주로 영어와 코드, 텍스트 전용, 컨텍스트는 최대 100만 토큰이라고 주장.
- 라이선스: 가중치는 Apache 2.0. Hugging Face에 BF16 instruct, 실험적 NVFP4, 베이스, 초안 모델 체크포인트가 있다.
- 주장: Terminal-Bench 2.1에서 80.5. 미국 오픈웨이트 모델 중 최고라고 소개되지만 Ricursive 자체 결과다.
- 정정: 코드 중심의 범용 모델이며 칩을 설계하는 모델이 아니다.
- 비용 주장: 전체 연구개발 비용 3,200만 달러(Ricursive 발표, 감사 없음).
Ripple-65B Preview란 무엇인가?
Ricursive의 첫 공개 모델입니다. 이 회사는 팰로앨토의 연구소로, 구글의 AlphaChip에 참여했던 Anna Goldie와 Azalia Mirhoseini가 공동 창업했습니다. Ricursive는 학습과 서비스를 단순하게 하려고 전문가 혼합 대신 밀집 구조를 택했습니다. 모델은 항상 사고 태그 안에서 추론하며 이를 끄는 스위치는 없습니다. 후속 학습은 비교적 가볍다고 설명되며, 이번 공개는 프리뷰입니다.
벤치마크 주장은 얼마나 믿을 만한가?
Terminal-Bench 2.1에서 Ricursive는 80.5를 보고하며, 5,010억 매개변수의 Reflection Beam(80.1)과 사실상 비슷하고 Meta의 Muse Spark Open보다 앞선다고 합니다. 이 주장은 미국 오픈웨이트 모델로 한정되며, 일부 중국 오픈 모델이 더 높다고 보도되지만 수치는 추적 사이트마다 다릅니다. 모든 결과는 자체 보고이고, 모델 카드 자체도 공식 테스트 환경에서는 Terminal-Bench 점수가 대체로 더 낮았다고 말합니다. Ricursive의 비교에서도 SWE-bench Verified(81.6 대 76.5) 등 여러 테스트에서 Beam이 앞섭니다. 공개 당시의 차트와 모델 카드는 일부 경쟁 모델 점수에서도 서로 어긋납니다.
정말 오픈소스인가?
가중치는 Apache 2.0으로 공개되어 상업적 사용이 가능합니다. 읽은 보도에는 학습 데이터, 학습 코드, 전체 레시피가 공개되었다는 언급이 없으므로 "오픈웨이트"가 정확한 표현입니다. 이를 기반으로 만들기 전에 라이선스 파일과 모델 카드를 확인하세요.
실행할 수 있나, 비용은?
BF16에서는 B200 GPU가 약 2개 필요합니다. 약 57GB의 NVFP4 체크포인트는 128K 컨텍스트에서 요청을 하나씩 처리하는 조건으로 DGX Spark에서 돌아간다고 보도됩니다. 호스팅 가격은 입력 100만 토큰당 0.20달러, 출력 0.60달러로 Together AI와 OpenRouter에 올라와 있습니다. 컨텍스트는 최대 100만 토큰이라고 하지만, 한 호스팅 엔드포인트는 16,384로 제한되었다고 보고되었습니다.
무엇이 확립되지 않았나?
- 80.5 점수, 테스트 환경, 기타 벤치마크 주장에 대한 독립적 검증.
- 비용: 3,200만 달러와 "10분의 1" 비교는 Ricursive 자체 추정.
- 100만 토큰 컨텍스트가 실제로 유지되는지.
- 칩 설계 계통이 코딩 성능에 실제로 도움이 되는지.
- 가중치 외에 무엇이 공개되었는지: 학습 데이터와 코드는 공개로 보고되지 않았다.
비교 표
| 항목 | 2026년 11월 6일 기준 공표 내용 | 출처 |
|---|---|---|
| 공개 | 2026년 11월 4일, 프리뷰 | Together AI, DEV, eesel |
| 규모 | 650억 밀집, 12조 토큰, 텍스트 전용 | BenchLM, Together AI |
| 라이선스 | 가중치 Apache 2.0 | Together AI, BenchLM |
| 대표 점수 | Terminal-Bench 2.1에서 80.5, 자체 보고 | eesel, DEV |
| 비용 | 연구개발 3,200만 달러(Ricursive 발표, 감사 없음) | eesel, DEV |
| 칩 설계 | 플랫폼 모델의 변형, 공개 모델은 코드용 | Together AI, DEV |
자주 묻는 질문
Ripple-65B는 칩 설계 모델인가?
아닙니다. Ricursive의 칩 설계 플랫폼을 뒷받침하는 모델의 범용 변형이며 에이전트형 코딩용으로 후속 학습되었습니다.
Ripple-65B는 오픈소스인가?
가중치가 Apache 2.0이므로 오픈웨이트입니다. 학습 데이터와 코드가 공개되었다는 보도는 없습니다.
최고의 오픈 모델인가?
Ricursive 자체 벤치마크 기준으로 미국 오픈웨이트 모델 중에서만 그렇습니다. 일부 중국 오픈 모델이 더 높다고 보도됩니다.
방법과 한계
2026년 11월 6일 기준 정보입니다. Together AI의 모델 페이지, BenchLM 프로필, eesel과 DEV Community의 분석, Digital Applied의 소개 글을 읽었습니다. MarkTechPost 기사는 열지 못했고 Ricursive의 공개 글과 모델 카드는 직접 읽지 않았습니다. 아무것도 내려받거나 실행하지 않았습니다.
출처
- Together AI: Ripple-65B Preview (확인일: 2026-11-06)
- BenchLM: Ripple-65B Preview benchmarks and context (확인일: 2026-11-06)
- eesel: Ripple-65B review (확인일: 2026-11-06)
- DEV Community: Ricursive's Ripple-65B Preview, explained honestly (확인일: 2026-11-06)
- Digital Applied: Ripple-65B Preview, a new US open-weight model (확인일: 2026-11-06)
