Ricursive Intelligence, компания, основанная бывшими исследователями Google DeepMind Анной Голди и Азалией Мирхосейни, выпустила в открытое превью модель Ripple-65B Preview для агентного кодинга. Плотный трансформер на 65 млрд параметров без MoE, обученный на 12 трлн токенов с контекстом до 1 млн токенов, набрал 80,52 балла на Terminal-Bench 2.1 и обошёл открытые MoE-модели крупнее себя на порядок. Веса выложены под Apache 2.0 на Hugging Face, API доступен у Together AI, GMI Cloud и Fireworks по 20/60 центов за миллион токенов, а собственная оценка стоимости разработки — около 32 млн долларов. На SWE-bench Verified и GPQA Diamond модель пока уступает Reflection Beam, а все опубликованные цифры остаются вендорскими и ждут независимой перепроверки.

image
image
image

Что произошло

Компания Ricursive Intelligence открыла превью модели агентного кодинга Ripple-65B Preview. Это плотный трансформер на 65 млрд параметров без смеси экспертов: 80 слоёв, d_model 5120, предобучение на 12 трлн токенов, контекст до 1 млн токенов. На Terminal-Bench 2.1 модель набрала 80,52 балла, опередив Reflection Beam на 501 млрд параметров (80,1), Muse Spark на 816 млрд (76,4) и Inkling от Thinking Machines на 975 млрд (63,8); компания называет результат SOTA среди открытых весов США по агентному кодингу. При этом на SWE-bench Verified модель показала 76,5 против 81,6 у Reflection Beam, а на GPQA Diamond — 85,2 против 90,6. Стоимость разработки Ricursive Intelligence оценила примерно в 32 млн долларов, что примерно в 10 раз дешевле прежнего открытого SOTA. Веса опубликованы под Apache 2.0 на Hugging Face, а API доступен через Together AI, GMI Cloud и Fireworks по 20/60 центов за миллион токенов.

Контекст

Основательницы Ricursive Intelligence Анна Голди и Азалия Мирхосейни до основания компании работали в Google DeepMind над проектом AlphaChip, поэтому ставка на вычислительную эффективность выглядит закономерным продолжением их опыта. Экономия заложена прямо в архитектуру: повышенная доля слоёв со скользящим окном внимания, избыточное число голов внимания, ограничение активаций в FFN-блоках, gated attention и полный отказ от позиционного кодирования. По данным компании, на наборе dolma_stack перекрёстная энтропия улучшается до 16 раз относительно обычного претрейна. Рецепт данных тоже нестандартен: доля кода в претрейне сильно увеличена, а постобучение выполнено целиком на собственном синтетическом конвейере с фильтрацией по качеству и метриками покрытия, без покупных данных. Поведенческая доработка велась через обучение с подкреплением на 1,4 млн роллаутов, что примерно в 70 раз меньше, чем у Reflection Beam. Именно эта связка решений объясняет, зачем вообще сравнивать плотную модель среднего размера с MoE-моделями гигантского масштаба.

Почему это важно для индустрии

Главный сигнал для индустрии не бенчмарк-победа, а экономика. Модель, построенная примерно на порядок дешевле прежнего открытого SOTA и с RL-фазой, компактной в десятки раз, чем у ближайшего открытого соперника, дотянулась на агентном кодинге до уровня открытых MoE-моделей гигантского масштаба. Если независимые прогоны подтвердят эти цифры, экономика открытых весов сдвинется: фронтальный агентный кодинг перестанет требовать MoE-масштаба и сотен миллионов долларов, а связка кодоцентричных данных, синтетического постобучения и скромного RL станет шаблоном для новых открытых моделей. Возможен и такой сценарий в туллинге: агентные фреймворки, IDE-плагины и роутеры закрепят 65B-класс как дешёвый слой исполнителя в паре с большой MoE-моделью для сложных случаев. Наконец, столь низкая цена API задаёт новый нижний порог юнит-экономики агентных продуктов и способна ускорить снижение цен на агентный инференс в целом.

Почему это важно для пользователей

Попробовать модель можно уже сегодня по трём путям. Веса под Apache 2.0 скачиваются с Hugging Face и запускаются локально: модель помещается на потребительском железе вроде NVIDIA DGX Spark, а на 2xB200 достигает 250 токенов в секунду. Если своего железа нет, проще подключить API от Together AI, Fireworks или GMI Cloud: 20 центов за миллион входных и 60 за миллион выходных токенов делают пилот дешёвым. На этом за один рабочий день реально собрать прототип в собственном кодебейсе — CLI-хук на коммиты, review-бот на pull request или автозакрытие тикетов с терминальным доступом. Прежде чем встраивать модель в продакшен, стоит прогнать её и текущую рабочую модель на своих репозиториях и сравнить долю успешно завершённых задач, стоимость на задачу и латентность: сильная сторона Ripple-65B Preview именно терминальные агентные циклы, тогда как её универсальные оценки проседают, поэтому решение должно опираться на ваши замеры, а не на вендорские бенчмарки.

Что пока неизвестно / ограничения

Все цифры на Terminal-Bench 2.1, SWE-bench Verified и GPQA Diamond пока вендорские: независимых прогонов по выложенным весам не опубликовано. Перевес в 0,42 балла на Terminal-Bench 2.1 заявлен без доверительных интервалов и разбивки по задачам, то есть статистически это шумный отрыв, а не твёрдая победа, и тезис о том, что агентный кодинг больше не требует MoE-масштаба, остаётся гипотезой до независимых репликаций. Оценка стоимости разработки, эффективность претрейна и масштаб RL-фазы — тоже заявления компании: полноценный техотчёт, который позволил бы их проверить, ещё не выпущен. Качество синтетического конвейера постобучения и отсутствие контаминации данными из бенчмарков пока никто независимо не проверил. Наконец, это превью-версия модели, а не финальный релиз, поэтому её характеристики могут отличаться от полноценной версии.

Источники

Автор

Look at AI, редакция