Uso principal declarado o inferido con cautela desde la documentación oficial.
Ripple-65B Base Preview
Checkpoint base de 65.000 millones de parámetros de la familia Ripple, incluido en el lanzamiento del 4 de noviembre. Es el modelo tras el preentrenamiento con 12 billones de tokens, sin las etapas posteriores de adaptación a instrucciones o contexto largo. Sirve como punto de partida para investigación y entrenamiento adicional.
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
Límites e integración
| ID de API | ricursiveAI/Ripple-65B-Base-Preview |
|---|---|
| Tipo de modelo | Texto y razonamiento |
| Modelo de acceso | Pesos abiertos |
| Licencia | Apache 2.0 |
| Despliegue | Despliegue propio |
| Lanzamiento | 04 NOV 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto |
| Salida | Texto |
| Ventana de contexto | Preentrenamiento a 8K; capacidad útil larga sin verificar |
| Salida máxima | No publicado |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face · PyTorch |
Investigación y evaluación con datos propios, conservando la revisión exacta de pesos, configuración y dependencias. Compara precisión, memoria y latencia antes de integrar el modelo en una aplicación.
La configuración declara hasta 2.097.152 posiciones, pero esa cifra no demuestra capacidad útil a esa longitud en el checkpoint base. El preentrenamiento usa secuencias de 8K. No se le atribuyen el contexto de 1M ni los resultados de agentes del asistente posentrenado. No es un sustituto directo de un chat ajustado.
Qué puede hacer
Orientación
Investigación y evaluación con datos propios, conservando la revisión exacta de pesos, configuración y dependencias. Compara precisión, memoria y latencia antes de integrar el modelo en una aplicación.
Contexto
Preentrenamiento a 8K; capacidad útil larga sin verificar · No publicado
Herramientas e integración
No publicado
Acceso
Hugging Face · checkpoint descargable
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
Los pesos requieren infraestructura propia. El coste depende de memoria, precisión, longitud y carga. Revisa la licencia y el código del runtime antes de desplegar. Una cifra de rendimiento publicada no garantiza el mismo coste ni velocidad en otro equipo.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
Cómo leer los resultados
La tabla específica del modelo base comunica 83,7 en MMLU con cinco ejemplos y exactitud de opción múltiple. Se conserva esa configuración y no se mezclan los resultados con los del asistente. La evaluación sobre conversaciones, herramientas y el dominio de despliegue sigue siendo necesaria.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| MMLU (base, 5-shot MC) | 83,7 / 100 | Puntuación | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
Cronología
Ripple-65B Base Preview
Versión incorporada al catálogo verificado de Inferama.