Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
Ripple-65B Base Preview
Checkpoint base da 65 miliardi di parametri della famiglia Ripple, incluso nel rilascio del 4 novembre. È il modello dopo il pretraining su 12.000 miliardi di token, senza le successive fasi di adattamento alle istruzioni o al contesto lungo. Serve come punto di partenza per ricerca e ulteriore addestramento.
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
Limiti e integrazione
| ID API | ricursiveAI/Ripple-65B-Base-Preview |
|---|---|
| Tipo di modello | Testo e ragionamento |
| Modalità di accesso | Pesi aperti |
| Licenza | Apache 2.0 |
| Distribuzione | Hosting autonomo |
| Rilascio | 04 NOV 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Testo |
| Uscita | Testo |
| Finestra di contesto | Pretraining a 8K; capacità utile a contesto lungo non verificata |
| rendimento massimo | Non pubblicato |
| Ragionamento | Non pubblicato |
| Strumenti pubblicati | |
| Uscite strutturate | Non pubblicato |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · PyTorch |
Ricerca e valutazione con dati propri, conservando revisione esatta dei pesi, configurazione e dipendenze. Confronta precisione, memoria e latenza prima di integrare il modello in un’applicazione.
La configurazione dichiara fino a 2.097.152 posizioni, ma il numero non dimostra capacità utile a tale lunghezza nel checkpoint base. Il pretraining usa sequenze da 8K. Non gli vengono attribuiti il contesto da 1M né i risultati degli agenti dell’assistente post-addestrato. Non sostituisce direttamente un modello chat istruito.
Cosa può fare
Orientamento
Ricerca e valutazione con dati propri, conservando revisione esatta dei pesi, configurazione e dipendenze. Confronta precisione, memoria e latenza prima di integrare il modello in un’applicazione.
Contesto
Pretraining a 8K; capacità utile a contesto lungo non verificata · Non pubblicato
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
I pesi richiedono un’infrastruttura propria. Il costo dipende da memoria, precisione, lunghezza e carico. Controlla licenza e codice del runtime prima del deployment. Un dato di prestazioni pubblicato non garantisce gli stessi costi o velocità su un altro sistema.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
Come leggere i risultati
La tabella specifica del modello base dichiara 83,7 in MMLU con cinque esempi e accuratezza a scelta multipla. La configurazione è preservata senza mescolare i risultati con quelli dell’assistente. Resta necessaria una valutazione di conversazioni, strumenti e dominio di utilizzo.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| MMLU (base, 5-shot MC) | 83,7 / 100 | Punteggio | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
Cronologia
Ripple-65B Base Preview
Versione inclusa nel catalogo verificato di Inferama.