Uso principal declarado o inferido con cautela desde la documentación oficial.
Ripple-65B Preview
Asistente de texto y código de Ricursive Intelligence, publicado el 4 de noviembre de 2026. Es un Transformer denso de 65.000 millones de parámetros y 80 capas, preentrenado con 12 billones de tokens. La ficha agrupa los pesos BF16 y su variante NVFP4, con validación específica para cada precisión.
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-Preview |
|---|---|
| Tipo de modelo | Código · 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 · Código |
| Ventana de contexto | Hasta 1M tokens según la ficha |
| Salida máxima | 128K tokens en OpenRouter |
| 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.
El modelo base y DFlash2 tienen fichas separadas. El contexto anunciado no garantiza retención de todos los detalles. La configuración incluye código propio: revisa el runtime y fija versiones. No atribuyas al NVFP4 las cifras BF16 sin una evaluación específica. Un servidor puede imponer límites menores que los pesos.
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
Hasta 1M tokens según la ficha · 128K tokens en OpenRouter
Herramientas e integración
No publicado
Acceso
Hugging Face · checkpoint descargable
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | 0.20 USD / 1M tokens en OpenRouter | 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 | 0.60 USD / 1M tokens en OpenRouter | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
OpenRouter publica 0,20 USD de entrada y 0,60 USD de salida por millón de tokens para su canal. Son tarifas de alojamiento, independientes del despliegue de pesos Apache 2.0. El coste local depende del hardware y la carga. No se ha verificado un descuento Batch para este canal.
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
Ricursive comunica 80,5 en Terminal-Bench 2.1 con Terminus 2 y 79,1 en SWE-bench Pro v2.0 Hard para el asistente. Son cifras del proveedor, sin reproducción de Inferama. La tabla también contiene resultados del modelo base, que deben leerse por separado. No acreditan el rendimiento del borrador DFlash2 aislado.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| Terminal-Bench 2.1 | 80,5 / 100 | Puntuación | Ver fuente ↗ |
| SWE-bench Pro v2.0 Hard | 79,1 / 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 Preview
Versión incorporada al catálogo verificado de Inferama.