Modelos
A Ricursive lança o Ripple-65B Preview, um modelo de pesos abertos com licença Apache 2.0 para código agêntico, derivado de seu modelo de projeto de chips
A Ricursive lançou o Ripple-65B Preview em 4 nov.: 65 bi densos, Apache 2.0, para código agêntico, não para projetar chips. Benchmarks autodeclarados.
- Modelos
- #Ricursive
- #Ripple-65B
- #pesos abertos
- #Apache 2.0
- #código agêntico
- #Terminal-Bench
- #projeto de chips
Em 4 de novembro de 2026, a Ricursive Intelligence, um laboratório que cria IA para projeto de chips, lançou o Ripple-65B Preview: um modelo denso de 65 bilhões de parâmetros, de pesos abertos com licença Apache 2.0. O modelo não é, em si, uma ferramenta de projeto de chips. A Ricursive o descreve como uma variante generalista do modelo proprietário de sua plataforma de projeto de chips, com pós-treinamento voltado ao código agêntico. O resultado de destaque é autodeclarado, e «pesos abertos» não é o mesmo que «código aberto»: os dados de treinamento não foram publicados.
O essencial
- O que é: 65 bi de parâmetros, denso, pré-treinado do zero com 12 trilhões de tokens, sobretudo inglês e código, só texto, com contexto declarado de até 1 milhão de tokens.
- A licença: Apache 2.0 nos pesos, com checkpoints BF16 instruct, NVFP4 experimental, base e um modelo rascunho no Hugging Face.
- A afirmação: 80,5 no Terminal-Bench 2.1, apresentado como o melhor entre os modelos de pesos abertos dos EUA. É um resultado da própria Ricursive.
- A correção: é um modelo generalista voltado a código, não um modelo para projetar chips.
- O custo declarado: 32 milhões de dólares de P&D completo, segundo a Ricursive, sem auditoria.
O que é o Ripple-65B Preview?
É o primeiro modelo público da Ricursive, laboratório de Palo Alto cofundado por Anna Goldie e Azalia Mirhoseini, que antes trabalharam no AlphaChip do Google. A Ricursive escolheu uma arquitetura densa em vez de mistura de especialistas para simplificar treinamento e serviço. O modelo sempre raciocina dentro de tags de pensamento, sem chave para desligar. O pós-treinamento é descrito como relativamente leve e o lançamento é uma prévia.
Qual a solidez dos benchmarks?
No Terminal-Bench 2.1, a Ricursive informa 80,5, praticamente empatado com o modelo Reflection Beam de 501 bi com 80,1, e à frente do Muse Spark Open da Meta. A afirmação se limita aos modelos de pesos abertos dos EUA: informa-se que alguns modelos abertos chineses pontuam mais alto, embora os números difiram entre rastreadores. Todos os resultados são autodeclarados, e a própria ficha do modelo diz que as pontuações do Terminal-Bench foram em geral mais baixas no banco oficial. A comparação da Ricursive mostra o Beam à frente em vários testes, incluindo o SWE-bench Verified (81,6 contra 76,5). O gráfico de lançamento e a ficha do modelo também divergem em algumas pontuações de concorrentes.
É mesmo código aberto?
Os pesos são abertos sob Apache 2.0, que permite uso comercial. A cobertura lida não diz que dados de treinamento, código de treinamento ou a receita completa tenham sido publicados, então «pesos abertos» é o termo exato. Confira o arquivo de licença e a ficha do modelo antes de construir sobre ele.
Dá para rodar e quanto custa?
Em BF16, o modelo precisa de cerca de duas GPUs B200. O checkpoint NVFP4, de uns 57 GB, roda segundo relatos em um DGX Spark, uma requisição por vez com 128.000 tokens de contexto. Preços hospedados de US$ 0,20 por milhão de tokens de entrada e US$ 0,60 de saída aparecem na Together AI e no OpenRouter. O contexto é declarado em até 1 milhão de tokens, mas um endpoint hospedado foi relatado como limitado a 16.384.
O que não está estabelecido?
- Uma verificação independente da pontuação de 80,5, do banco usado e das demais afirmações de benchmark.
- O custo: os 32 milhões de dólares e a comparação de «um décimo» são estimativas da Ricursive.
- Se o contexto de 1 milhão de tokens se sustenta na prática.
- Se a linhagem do projeto de chips realmente ajuda o desempenho em código.
- O que foi publicado além dos pesos: dados e código de treinamento não constam como abertos.
Tabela-resumo
| Ponto | O que está declarado em 6 de novembro de 2026 | Fonte |
|---|---|---|
| Lançamento | 4 de novembro de 2026, prévia | Together AI, DEV, eesel |
| Tamanho | 65 bi densos, 12 trilhões de tokens, só texto | BenchLM, Together AI |
| Licença | Pesos com Apache 2.0 | Together AI, BenchLM |
| Pontuação de destaque | 80,5 no Terminal-Bench 2.1, autodeclarada | eesel, DEV |
| Custo | US$ 32 mi de P&D, segundo a Ricursive, sem auditoria | eesel, DEV |
| Projeto de chips | Variante do modelo da plataforma; o modelo lançado é para código | Together AI, DEV |
Perguntas frequentes
O Ripple-65B é um modelo de projeto de chips?
Não. É uma variante generalista do modelo da plataforma de projeto de chips da Ricursive, pós-treinada para código agêntico.
O Ripple-65B é código aberto?
Seus pesos estão sob Apache 2.0, então é de pesos abertos. Dados e código de treinamento não constam como publicados.
É o melhor modelo aberto?
Só entre os modelos de pesos abertos dos EUA, segundo o benchmark da própria Ricursive. Informa-se que alguns modelos abertos chineses pontuam mais alto.
Método e limites
Fontes em 6 de novembro de 2026. Lemos a página do modelo na Together AI, o perfil da BenchLM e análises da eesel e da DEV Community, além de uma apresentação da Digital Applied. Não conseguimos abrir o artigo da MarkTechPost e não lemos diretamente a publicação de lançamento da Ricursive nem a ficha do modelo. Não baixamos nem executamos nada.
Fontes
- Together AI: Ripple-65B Preview (verificado em 2026-11-06)
- BenchLM: Ripple-65B Preview benchmarks and context (verificado em 2026-11-06)
- eesel: Ripple-65B review (verificado em 2026-11-06)
- DEV Community: Ricursive's Ripple-65B Preview, explained honestly (verificado em 2026-11-06)
- Digital Applied: Ripple-65B Preview, a new US open-weight model (verificado em 2026-11-06)
Encontrou um erro neste artigo? Avise-nos · Nossa política de correções
