Компания Ricursive Intelligence представила Ripple-65B Preview - открытую языковую модель на 65 млрд параметров, обученную с нуля на 12 трлн токенов. Это не очередной fine-tune Qwen или Llama, а собственная Dense-модель, ориентированная на программирование, reasoning и автономных AI-агентов.
Самое интересное - при 65B параметров модель набрала 80,5% на Terminal-Bench 2.1, обойдя значительно более крупные модели, включая NVIDIA Nemotron 3 Ultra 550B и Meta Muse Spark Open 816B. Правда, результаты опубликованы разработчиками и еще требуют независимой проверки.
🔬 Что интересного:
1. 65B параметров, все активные (Dense, не MoE).
2. Контекст до 1 млн токенов.
3. 76,5% на SWE-bench Verified и 95% на AIME 2026.
4. Поддержка агентских сценариев и вызова инструментов.
5. Заявленная стоимость обучения с нуля - $32 млн.
6. Открытые веса под лицензией Apache 2.0.
💻 Где попробовать?
Модель уже опубликована на Hugging Face в BF16 и экспериментальном NVFP4. Для локального запуска оригинальные веса потребуют около 130 ГБ памяти, поэтому на домашнем железе практичнее использовать квантизированные сборки при наличии совместимого inference backend.
Также Ripple-65B доступна через [OpenRouter](https://openrouter.ai/ricursiveai/ripple-65b-preview):
- Входные токены - $0,20 за 1 млн Выходные токены - $0,60 за 1 млн. Заявленный контекст через OpenRouter - 16K токенов, несмотря на поддержку до 1M в оригинальной модели.
Пока это Preview с ограниченным post-training. Насколько хорошо Ripple справится с реальными задачами, особенно на русском языке, еще предстоит выяснить.
🔗 [Hugging Face] https://huggingface.co/ricursiveAI/Ripple-65B-Preview
🔗 [OpenRouter] https://openrouter.ai/ricursiveai/ripple-65b-preview
Похоже, гонка LLM все больше смещается от количества параметров к эффективности обучения. Посмотрим, сможет ли Ripple подтвердить свои результаты за пределами бенчмарков.