Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
Ripple-65B Preview
Assistente per testo e codice di Ricursive Intelligence, rilasciato il 4 novembre 2026. È un Transformer denso da 65 miliardi di parametri e 80 strati, preaddestrato su 12.000 miliardi di token. La scheda raggruppa pesi BF16 e variante NVFP4, con validazione specifica per ogni precisione.
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-Preview |
|---|---|
| Tipo di modello | Codice · 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 · Codice |
| Finestra di contesto | Fino a 1M token secondo la scheda |
| rendimento massimo | 128K token su OpenRouter |
| 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.
Il modello base e DFlash2 hanno schede separate. Il contesto annunciato non garantisce la conservazione di ogni dettaglio. La configurazione include codice proprio: controlla il runtime e fissa le versioni. Non attribuire al NVFP4 i risultati BF16 senza valutazione specifica. Un server può imporre limiti inferiori a quelli dei pesi.
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
Fino a 1M token secondo la scheda · 128K token su OpenRouter
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | 0,20 USD / 1M token su OpenRouter | 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 | 0,60 USD / 1M token su OpenRouter | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
OpenRouter pubblica 0,20 USD per input e 0,60 USD per output per milione di token sul proprio canale. Sono tariffe di hosting indipendenti dal deployment dei pesi Apache 2.0. Il costo locale dipende da hardware e carico. Nessuno sconto Batch è stato verificato per questo canale.
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
Ricursive dichiara 80,5 in Terminal-Bench 2.1 con Terminus 2 e 79,1 in SWE-bench Pro v2.0 Hard per l’assistente. Sono dati del fornitore non riprodotti da Inferama. La tabella include anche risultati del modello base, da leggere separatamente. Non attestano prestazioni autonome del modello DFlash2.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| Terminal-Bench 2.1 | 80,5 / 100 | Punteggio | Vedi fonte ↗ |
| SWE-bench Pro v2.0 Hard | 79,1 / 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 Preview
Versione inclusa nel catalogo verificato di Inferama.