Ripple-65B Previewとは？
Ripple-65B Previewは、Ricursive Intelligenceが初めて公開したモデルです。同社はPalo Altoのチップ設計の研究所で、AlphaChipを手がけた元Googleの研究者Anna GoldieとAzalia Mirhoseiniが創業しました。Flintを作るRichard Socherのロンドンの研究所Recursiveとは関係ありません。2026年11月4日にApache 2.0で公開された密なTransformerで、パラメータ数は648億（64.8 billion）です。主に英語のテキストとコードからなる12兆（12 trillion）トークンでゼロから事前学習されており、コンテキストは最大1Mトークンとされています。Ricursiveは、自社のチップ設計プラットフォームを動かす独自モデルの汎用版だと説明しています。
アーキテクチャは細く深い構成です。幅5,120のモデルに80層、アテンションヘッドは80で、フルアテンション層1つにつきスライディングウィンドウ層（ウィンドウ1,024トークン）が4つあります。事後学習は意図的に軽くし、エージェント型のコーディングに絞っています。Ricursiveによると、スケーリング実験から最終の学習までプロジェクト全体の費用は3,200万ドル（$32 million）で、1〜5人のチームが学習させました。
Hugging Faceには4つのチェックポイントがあります。BF16のinstructモデル、実験的なNVFP4版、BF16のベースモデル、投機的デコーディング用のDFlash2ドラフトモデルです。OpenRouterでは、GMICloudがBF16で提供しており、入力100万トークンあたり$0.20、出力100万トークンあたり$0.60です。
Ripple-65B Previewは使う価値があるか？
Ripple-65B Previewの主張は、このサイズとしては異例です。Ricursive自身の表では、Terminal-Bench 2.1で80.5を記録し、Reflection Beam（501B、80.1）、Muse Spark Open（816B、76.4）、Inkling（975B、63.8）、Nemotron 3 Ultra（550B、56.4）を上回っています。公式のTerminus 2ハーネスで測り直すとRippleは80.5を保ち、Beamは70.8に下がります。SWE-bench Pro v2.0 Hardでは、Beamの76.5に対して79.1です。2026年11月5日の時点で、これを再現した独立の研究所はなく、Artificial Analysisにも掲載はありませんでした。
表全体を読むと、差は縮まります。Rippleが首位なのはinstructモデルの22行のうち3行だけで、いずれもエージェント型コーディングです。SWE-bench Verified（76.5対81.6）、SWE-bench Pro v1.0（61.42対66.1）、MCP Atlas（71.67対80.8）ではBeamに、DeepSWE 1.1（44.3対60.0）ではMuse Spark Openに及びません。競合のスコアの多くはRicursiveが社内で測った斜体の数値で、SWE-bench Pro v2.0 HardでのInklingの2.0もその一つです。この数字は弱いモデルというより、壊れたハーネスの結果に見えます。モデルカード自身も、比較は最善を尽くしたものにすぎず、エージェント系のスコアは再現が難しいと書いています。
ベースモデルを見ると、軽い事後学習の出発点がわかります。Ricursive自身の計測では、MMLUで83.7、HumanEvalで70.9と、Nemotron 3 Ultraの89.1と83.8を下回り、SimpleQA-Verifiedは10.1なので、事実の知識はあまり持っていません。RicursiveはNemotronの優位を合成データのためだとしていますが、実用上は、Rippleの強みは一般知識ではなくコーディングのループにあると読むべきです。
本当のトレードオフは密であることです。Beamが230億（23 billion）パラメータを使うのに対し、トークンはすべて648億（64.8 billion）パラメータを通ります。そのためBF16の重みは約130 GBになり、Ricursiveのサーバー構成ではB200が2台必要です。バッチサイズ8で毎秒250トークンとしています。実験的なNVFP4版は57.2 GBで、128 GBのDGX Sparkを想定していますが、そのスクリプトはコンテキストを131,072トークンに固定しており、うたわれている1Mの8分の1です。データセンター用GPUを2台用意でき、Apache 2.0の条件を求めるチームにとって、Rippleはこのスコア帯で最も小さいモデルです。ワークステーション用のカード1枚には、まったく収まりません。
真価を発揮する場面
B200を2台持つ、従業員300人のソフトウェア会社のプラットフォームエンジニア
ソースコードを社外に出さずに、コーディングエージェント用のモデルを社内で提供する
2台のB200でSGLang 0.5.19を使ってRicursiveのserve.pyを動かし、エージェントのハーネスをローカルのエンドポイントに向けます。READMEはレプ リカごとに同時8リクエストを勧めており、GPUをもう1組追加すれば2つ目のレプリカになります。モデルのライセンス費用はApache 2.0なのでかかりません。
開発者25人のチームのコーディングエージェント用にホスト型モデルを比較しているエンジニアリングマネージャー
長いターミナルセッションでのトークン単価の支出を減らす
OpenRouterでは入力100万トークンあたり$0.20、出力100万トークンあたり$0.60なので、月に入力1億トークンと出力1,000万トークンで約$26です。まずチームの実際のチケットで試してください。目玉のスコアは自己申告で、掲載されているホストはGMICloudだけです。
事後学習を研究する大学の研究室のML研究者
寛容なライセンスの強いベースモデルから強化学習の実験を始める
BF16のベースチェックポイントは事前学習のみで、midtrainingや合成の質疑応答データは含みません。Apache 2.0なので、結果の発表も重みの再配布もできます。Ricursiveは12兆トークンの事前学習から700ステップのRLまで、学習の各段階を文書化しています。
導入前に確認すること
- 導入
- サーバーでは、BF16の重みとDFlash2ドラフトをダウンロードし、LinuxとCUDA 13の環境で2台のB200上でuvを使ってserve.pyを実行します。ポート30000で待ち受け、コンテキストは1,048,576トークンです。Transformersで読み込むには、モデルが独自のmodeling_ricursive.pyを使うためtrust_remote_codeが必要です。
- 連携
- OpenAI形式のチャットで、推論はreasoning_contentに、構造化されたtool_callsはSGLang上のRicursiveのrippleパーサーを通じて返ります。OpenRouterはtools、tool_choice、response_formatに対応しています。思考のオン・オフの切り替えや推論の強度の設定はありません。
- データとプライバシー
- 4つのチェックポイントすべてがApache 2.0で、ライセンス以外に収益上限や利用制限はありません。セルフホストならプロンプトは自分のハードウェアにとどまります。ホスト版はGMICloudの条件に従い、OpenRouterではこのモデルのEU域内ルーティングは提供されていません。
- 大規模利用時のコスト
- 648億（64.8 billion）パラメータから計算すると、BF16の重みは約130 GBなので、B200を2台見込んでください。OrcaRouterはこの2台を月約$4,800と見積もっています。NVFP4のファイルは合計57.2 GBで、128 GBのDGX Spark向けです。ホスト版では、月に入力10億トークンと出力1億トークンで、OpenRouterのGMICloud価格で約$260です。
- 制限
- 事後学習が軽いプレビュー版で、事実の記憶は弱いです（ベースモデルのSimpleQA-Verifiedは10.1）。DEV Communityでのファイルの検証によると、DGX Sparkのスクリプトは一度に1リクエストしか処理せず、コンテキストは131,072トークンで、HTTPサーバーもありません。READMEは、strictでないツール呼び出しでは余分な引数フィールドが付くことがあると警告しています。
良い点
- Terminal-Bench 2.1で80.5、最大15倍大きいモデルと同等（自己申告）
- ベースモデルを含めApache 2.0の重み
- RicursiveのB200 2台構成で1Mトークンのコンテキスト
- ホスト版は1Mトークンあたり$0.20 / $0.60と安価
気になる点
- 独立したベンチマーク結果はまだない
- SWE-bench Verified、SWE-bench Pro v1.0、MCP AtlasでReflection Beamに及ばない
- BF16には約130 GBが必要。DGX Sparkのスクリプトは131,072トークンまで
- trust_remote_codeとRicursive独自のSGLangパーサーが必要
おすすめの人
B200を2台、またはDGX Sparkを持ち、自分たちでホストしてファインチューニングできるApache 2.0のコーディングエージェント用モデルを求めるプラットフォームチーム。
Ripple-65B Previewの代替
Ripple-65B Preview：よくある質問
- Ripple-65B Previewは使う価値があるか？
- Ripple-65Bは、65Bの密なモデルでも8〜15倍の大きさの米国製オープンモデルにエージェント型コーディングで並べることを説得力をもって示していますが、今のところスコアはすべてRicursive自身のものです。 評価は5点満点中3.9点です。
- Ripple-65B Previewの料金は？
- Apache 2.0でオープンウェイトは無料。OpenRouter（GMICloud）でのホスト版は入力1Mトークンあたり$0.20、出力1Mトークンあたり$0.60。
- Ripple-65B Previewの欠点は？
- 独立したベンチマーク結果はまだない; SWE-bench Verified、SWE-bench Pro v1.0、MCP AtlasでReflection Beamに及ばない; BF16には約130 GBが必要。DGX Sparkのスクリプトは131,072トークンまで; trust_remote_codeとRicursive独自のSGLangパーサーが必要.
- Ripple-65B Previewは誰に向いているか？
- B200を2台、またはDGX Sparkを持ち、自分たちでホストしてファインチューニングできるApache 2.0のコーディングエージェント用モデルを求めるプラットフォームチーム。
- チームや本番環境でRipple-65B Previewを使うと費用はいくらか？
- 648億（64.8 billion）パラメータから計算すると、BF16の重みは約130 GBなので、B200を2台見込んでください。OrcaRouterはこの2台を月約$4,800と見積もっています。NVFP4のファイルは合計57.2 GBで、128 GBのDGX Spark向けです。ホスト版では、月に入力10億トークンと出力1億トークンで、OpenRouterのGMICloud価格で約$260です。
- Ripple-65B Previewは企業データを扱っても安全か？
- 4つのチェックポイントすべてがApache 2.0で、ライセンス以外に収益上限や利用制限はありません。セルフホストならプロンプトは自分のハードウェアにとどまります。ホスト版はGMICloudの条件に従い、OpenRouterではこのモデルのEU域内ルーティングは提供されていません。
- Ripple-65B Previewの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はBeam, Muse Spark Open, Flint 、 DeepSeek-V4.1-Flashです。
回答確認日：2026年11月5日