Ricursive Intelligenceは11月4日、自社のAIチップ設計基盤で使っているモデルの一般向けオープンウェイト版「Ripple-65B Preview」を公開した。ゼロから事前学習したモデルで、学習トークンは12兆、文脈長は最大100万トークンである。ライセンスはApache 2.0。重みはHugging Faceから入手でき、同社はパラメータ規模が小さいため、NVIDIA DGX Sparkのようなローカル装置でも載るとしている。推論はTogether AI、GMI Cloud、OpenRouterで提供し、Fireworksも同日中に加わるとしていた。
同社が前面に出しているのは、エージェント向けコーディング評価TerminalBench 2.1の80.5である。比較として挙げたのは、Reflection Beam 501Bの80.1、Meta Muse Spark Open 816Bの76.4、Thinking Machines Inkling 975Bの63.8、NVIDIA Nemotron 3 Ultra 550Bの56.4だ。そこへ到達するまでのロールアウトは140万回で、以前の首位だったReflection Beamの約70分の1だという。事前学習のモデルラダーは、Olmo 3のラダーと比べ、コード性能を最大16分の1の計算量で同程度にしたとしている。費用はゼロからの研究開発費の総額で3200万ドル、従来のオープンウェイト首位の10分の1という同社の見積もりである。
この数字はいずれも同社の計測と見積もりであり、独立した再現実装の結果ではない。技術選定では、TerminalBenchの1指標であることと、Apache 2.0で重みが取れることを分けて見る。大規模モデルのAPIと、手元で重みを動かせる65Bでは、レイテンシや改変の自由度が違う。導入するなら、自前の課題で同じ条件を使って測り、発表値のまま採用判断にしない方がよい。