Ripple-65B : un modèle open-weight à 32M$
Original : Ripple-65B Preview: U.S. Open-Weight SOTA on Agentic Coding
Pourquoi c'est important
Prouve qu'un SOTA open-weight en coding agentique est atteignable à coût réduit.
Ricursive Intelligence lance Ripple-65B Preview, un modèle open-weight de 65 milliards de paramètres entraîné sur 12 000 milliards de tokens pour 32M$, atteignant le meilleur score US open-weight sur TerminalBench 2.1 (80,52).
Ricursive Intelligence, un laboratoire d'IA spécialisé dans la co-optimisation hardware/software/modèle, publie Ripple-65B Preview, la version grand public de son modèle propriétaire dédié à la conception de puces. Le modèle dépasse des concurrents bien plus grands : Reflection Beam 501B (80,1), Meta Muse Spark Open 816B (76,4), Thinking Machines Inkling 975B (63,8) et NVIDIA Nemotron 3 Ultra 550B (56,4) sur TerminalBench 2.1.
Le coût total de développement s'élève à 32M$, soit un dixième du précédent SOTA open-weight sur le coding agentique — un chiffre qui inclut l'intégralité de la R&D, des données synthétiques, du pretraining et du posttraining. L'architecture choisie est un Transformer dense modernisé, à l'opposé des modèles MoE, ce qui a permis d'atteindre un MFU de 40% sans kernels personnalisés ni quantification.
Côté posttraining, Ricursive a développé une méthode baptisée « Steep Ascent Reinforcement Learning », atteignant un score de 80,5 avec seulement 1,4 million de rollouts — 70 fois moins que Reflection Beam. Le modèle supporte un contexte de 1M tokens et tourne sur des dispositifs locaux comme le NVIDIA DGX Spark. Il est disponible sur Hugging Face, Together AI, GMI Cloud et OpenRouter.