Ripple-65B: открытая модель от команды из пяти человек

4 ноября 2026 года Ricursive Intelligence выложила на Hugging Face Ripple-65B Preview — открытую модель на 65 млрд параметров под лицензией Apache 2.0. Модель плотная, не MoE, обучена с нуля на 12 трлн токенов и держит контекст до 1 млн токенов. По данным компании, в Terminal-Bench 2.1 она набирает 80,5 — больше, чем американские открытые модели в 10 раз крупнее.

Самое необычное в релизе — не цифры, а масштаб команды. Ricursive пишет, что за время разработки команда выросла с одного до пяти человек. Ниже — что внутри модели, насколько она сильна по заявлению компании и где её запускать.

Что выпустила Ricursive

Ripple-65B Preview — первая модель Ricursive Intelligence. В превью входят три варианта:

Базовая модель — контрольная точка сразу после предобучения, без промежуточного обучения и синтетических данных вопросов и ответов. На Hugging Face за первую неделю у модели около 7 тыс. скачиваний и почти 500 отметок.

Как устроена модель

Ricursive сознательно выбрала плотную архитектуру вместо популярной MoE. Цель — упростить обучение и обслуживание для маленькой команды. Модель обучалась без собственных ядер и без квантования, с загрузкой ускорителей около 40 %.

Особенности архитектуры:

• «тонкая и глубокая» форма: узкая ширина 5120 и 80 слоёв;
• архитектура в духе Gemma 3N вместо Llama-подобной для стабильности обучения;
• увеличенное число голов внимания и больше слоёв скользящего окна относительно глобальных;
• ограничение активаций, управляемое внимание и остаточные связи по значениям.

Отправной точкой был открытый рецепт Olmo 3. По словам компании, итоговая линейка Ripple в 16 раз эффективнее Olmo 3 по вычислениям на коде.

Как модель обучали

Этапы обучения из карточки модели:

Корпус предобучения — в основном английский текст и код. Ricursive предупреждает, что послеобучение в превью относительно лёгкое и заточено под агентное программирование.

Насколько Ripple-65B сильна

Ricursive сравнивает модель с крупными американскими открытыми моделями. Часть цифр взята из официальных карточек, часть — из собственных замеров компании:

Картина честная: в агентном программировании Ripple на уровне лидеров или выше, в знаниях и сложных научных вопросах уступает крупным моделям. Это ожидаемо для модели в 65 млрд параметров против 500–975 млрд. О первом Inkling мы писали в статье Inkling: ответ США на китайские открытые веса.

Где запускать Ripple-65B

Главное практическое достоинство — размер. 65 млрд параметров в 4-битном формате занимают порядка 35–40 ГБ, и по словам Ricursive модель помещается на компактные машины уровня NVIDIA DGX Spark. Для сравнения, MoE-модели на 500–1000 млрд параметров требуют сервера с несколькими ускорителями, даже если активных параметров у них меньше.

На серверных ускорителях модель быстрая: около 250 токенов в секунду на двух B200 при восьми параллельных запросах, без квантования и собственных ядер. Для сравнения, у крупных MoE-моделей скорость сильно зависит от того, как распределены эксперты между ускорителями, и настроить её без опыта сложнее. У плотной модели этой проблемы нет: она одинаково ведёт себя на любом подходящем железе.

Считать, что выгоднее — своё железо или API, нужно до покупки. Как это сделать, мы разбирали в статье Локальная нейросеть или API.

Для кого эта модель

Ripple-65B интересна трём группам:

1. Тем, кому нужен код внутри контура. Модель с открытыми весами можно запустить на своём сервере, и код не уходит наружу.
2. Тем, кто дообучает модели. Плотная модель среднего размера под Apache 2.0 — удобная основа для своего дообучения на внутреннем коде.
3. Исследователям. Базовая модель без синтетических данных и подробный рецепт обучения полезны для экспериментов.

Для работы с русским текстом стоит быть осторожнее: корпус в основном английский. Как языковой состав влияет на токены и счёт, мы разбирали в статье Русский промпт дороже английского.

Что Ripple меняет для открытых моделей

Последний год открытые модели росли в размере: Kimi K3, Inkling, Muse Spark Open, Mistral Large 4 — сотни миллиардов и триллионы параметров в архитектуре MoE. Такие модели формально открыты, но запустить их у себя может только компания с серверами. О позициях вендоров по открытым весам мы писали в статье Anthropic об открытых весах.

Ripple идёт в обратную сторону: сильный результат в агентном программировании при размере, который помещается на одну машину. Если заявленные цифры подтвердятся независимыми замерами, это аргумент в пользу плотных моделей среднего размера для локальной работы.

Второй сигнал — порог входа. Маленькая команда без собственных ядер и сложной инфраструктуры обучила модель, которую сравнивают с продуктами крупных лабораторий. Открытые рецепты вроде Olmo 3 делают такие проекты реальными. Для рынка это значит больше конкурентов и больше моделей, из которых можно выбирать.

Чем пользоваться через API, пока модели нет в каталогах

Ripple-65B в каталоге KeyDealer на 11 ноября 2026 года нет. Для агентного программирования через OpenAI-совместимый API с оплатой в рублях в каталоге есть модели с проверенными инструментами. Сравним со списочными ценами вендоров по курсу ЦБ на 11 ноября 2026 года, 82,5486 ₽ за доллар:

Цены — за миллион токенов. У нас одна ставка на вход и выход, кэш тарифицируется по полной ставке, поэтому при почти чистом чтении из кэша вендор может выйти дешевле. К запросам Kimi K3.1 Pro на маршруте 2 и GPT-6.1 Sol добавляется служебный контекст около 5000 токенов.

Как проверить модель перед внедрением

Цифры из карточки модели — ориентир, а не гарантия. Перед тем как ставить Ripple-65B или любую другую открытую модель в работу, прогоните её на своих задачах. Возьмите 20–30 типичных примеров из вашего кода или документов, запустите их на новой модели и на той, что используете сейчас, и сравните результат и время ответа. Отдельно проверьте вызов инструментов и работу с длинным контекстом: у превью-моделей эти места часто сырые. Если модель нужна для агента, обязательно проверьте, как она ведёт себя на многошаговых задачах, а не только на одиночных вопросах.

Чего мы не утверждаем

Мы не проверяли Ripple-65B. Все результаты тестов — данные Ricursive, часть из них компания получила своими замерами для моделей, где официальных цифр нет.

Мы не проверяли, что модель помещается на DGX Spark и выдаёт 250 токенов в секунду. Это заявления компании.

Мы не утверждаем, что модель подходит для русскоязычных задач. Корпус обучения в основном английский.

Что держать в голове

Ripple-65B Preview — плотная открытая модель на 65 млрд параметров под Apache 2.0 с контекстом 1 млн токенов. Её сделала команда из пяти человек.

По данным Ricursive, в агентном программировании она на уровне открытых моделей в 10 раз крупнее, но уступает им в знаниях.

Главный плюс — размер: модель можно запустить на одной компактной машине. Для работы через API с оплатой в рублях есть модели каталога. Подробнее о сервисе — на странице о проекте, ключ — на keydealer.ru/login.