Ricursive AI revela Ripple-65B, un modelo de peso abierto denso que alcanza las puntuaciones más altas en terminal-bench 2.1

Ricursive Intelligence ha lanzado Ripple-65B Preview, un modelo de peso abierto denso de 65 mil millones de parámetros, diseñado específicamente para la codificación basada en agentes. Este modelo alcanza una puntuación de 80,52 en Terminal-Bench 2.1, que Ricursive afirma es la más alta entre los modelos de peso abierto de EE. UU., superando a los competidores MoE que tienen entre 501 mil millones y 975 mil millones de parámetros. El paquete de lanzamiento incluye tres puntos de control: una versión de instrucción afinada en BF16, una variante NVFP4 y un modelo base en BF16, todos liberados bajo la licencia Apache 2.0. Se informa que el coste de desarrollo para Ricursive fue de 32 millones de dólares, que la empresa sugiere que es una décima parte del coste del líder anterior de codificación basada en agentes de peso abierto. La arquitectura cuenta con 5120 d_model en 80 capas, adoptando un diseño similar al de Gemma 3N para la estabilidad. El entrenamiento implicó un corpus de texto únicamente, principalmente en inglés y código, con una longitud de secuencia de 8K. El fuerte rendimiento del modelo en Terminal-Bench 2.1 se logró utilizando solo 1,4 millones de ejecuciones, significativamente menos que los más de 100 millones utilizados por Beam. Además, cuando se probó en el harness oficial Terminus 2 a 128K, la puntuación de Beam descendió a 70,8, mientras que Muse Spark Open alcanzó 78,7, quedando por debajo de los 80,5 de Ripple. El modelo está disponible en Hugging Face, con socios de distribución iniciales que incluyen Together AI, GMI Cloud y OpenRouter.