Ripple 65B Preview API
ID модели в запросах:global-1/ricursiveai/ripple-65b-preview
Ripple 65B Preview от Ricursive через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
- Контекст
- 1 048 576
- Макс. ответ
- 131 072
- Выпущена
- 04.11.2026
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Глобальный · global-1 | Попробовать | 11,00 ₽0,11 PnP | 33,00 ₽0,33 PnP | 2,75 ₽0,03 PnP | global-1/ricursiveai/ripple-65b-preview |
Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
Быстрый старт
curl https://router.nodul.ru/api/v1/chat/completions \ -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "global-1/ricursiveai/ripple-65b-preview", "messages": [{"role":"user","content":"Hello!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="global-1/ricursiveai/ripple-65b-preview", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "global-1/ricursiveai/ripple-65b-preview", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"global-1/ricursiveai/ripple-65b-preview","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"global-1/ricursiveai/ripple-65b-preview","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
Описание
Ripple-65B Preview от Ricursive Intelligence: плотная модель на 65 млрд параметров, обученная с нуля на 12 трлн токенов, с открытыми весами под лицензией Apache 2.0. Разработчик делает упор на агентный код: по его данным, в терминальных задачах она не уступает моделям в разы крупнее.
Для чего подходит Ripple-65B Preview
Модель обучали прежде всего для агентной разработки: работа в терминале, правки в репозиториях, исправление ошибок в больших кодовых базах. Предварительный выпуск прошел относительно легкую донастройку именно с таким уклоном. Через наш каталог принимает текст, умеет вызывать инструменты и работает в потоковом режиме; режим рассуждений в нашем каталоге для нее не указан.
Это универсальная модель, но не флагман для всего подряд. Корпус обучения преимущественно английский и кодовый, поэтому для задач на русском языке, творческих текстов и мультимодальных сценариев лучше сравнить ее с другими вариантами. Изображения, аудио и видео на вход она не принимает.
Ricursive Intelligence известна как лаборатория, которая строит системы проектирования микросхем; Ripple разработчик называет универсальным вариантом собственной закрытой модели, на которой работает эта платформа (по описанию в анонсе). Публичная версия не включает саму систему проектирования чипов, так что ждать от нее специальных возможностей в этой области не стоит. Архитектура у модели «тонкая и глубокая»: 80 слоев при узкой ширине 5120, с чередованием слоев локального окна внимания и глобальных, по описанию разработчика. Заявленное окно контекста большое, но фактический предел зависит от конкретного способа доступа.
Сильные стороны
- Агентный код при скромном размере. По данным разработчика, на Terminal-Bench 2.1 она набирает 80,5 и опережает более крупные американские модели с открытыми весами.
- Плотная архитектура. Все 65 млрд параметров работают на каждом токене, без маршрутизации по экспертам. Разработчик утверждает, что это упростило инфраструктуру обучения.
- Открытые веса и лицензия Apache 2.0. Доступны версии BF16 и NVFP4, а также базовая модель; их можно запускать у себя и дообучать.
- Быстрая генерация. Разработчик приводит 250 токенов в секунду на двух ускорителях B200 при батче 8 (до квантования и особых ядер).
- Хорошая математика для своего размера. В таблице разработчика: AIME 2025 98,3, AIME 2024 97,1.
Ограничения и спорные моменты
- Преимущество узкое и выбрано самим разработчиком. VentureBeat отмечает, что лидерство относится к отдельным американским конкурентам и тестам, а на части других тестов Ripple отстает. На Terminal-Bench 2.1 отрыв от Reflection Beam около 0,4 пункта.
- Цифры в материалах разработчика расходятся. В карточке на Hugging Face для SWE-bench Pro v2.0 Hard у Muse Spark Open стоит 52,3, а у Inkling 2,0; в графике анонса те же модели показаны с 72,4 и 39,6 (по VentureBeat). Разработчик сам признает, что воспроизводить агентные тесты трудно и результат зависит от обвязки. Reflection в собственном анонсе приводит для Beam другие цифры (77,2 на SWE-bench Pro v2 Hard и 44,4 на DeepSWE, по VentureBeat), так что порядок моделей на этих тестах зависит от того, чьи замеры брать.
- Не лидер по всем направлениям. По данным разработчика, Muse Spark Open впереди на DeepSWE 1.1 (60,0 против 44,3), AutomationBench, MCP Atlas и FORTRESS Adversarial, а Reflection Beam лидирует на SWE-bench Verified и SWE-bench Pro v1.0.
- Это предварительный выпуск. Донастройка названа относительно легкой; корпус только текстовый, преимущественно английский.
- Независимых замеров пока нет. Почти все цифры получены самим разработчиком, часть сравнений он считал своим конвейером.
Бенчмарки
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| Terminal-Bench 2.1, по данным разработчика | 80,5 против 80,1 у Reflection Beam, 76,4 у Muse Spark Open, 63,8 у Inkling, 56,4 у Nemotron 3 Ultra | Ricursive | нояб. 2026 |
| SWE-bench Pro v2.0 Hard, по данным разработчика | 79,1 против 76,5 у Reflection Beam | Ricursive | нояб. 2026 |
| DeepSWE 1.1, по данным разработчика | 44,3 против 43,3 у Reflection Beam и 60,0 у Muse Spark Open | Ricursive | нояб. 2026 |
| SWE-bench Verified, по данным разработчика | 76,5 | Hugging Face | нояб. 2026 |
| GPQA Diamond, по данным разработчика | 85,2 | Hugging Face | нояб. 2026 |
| HMMT Feb 2026, по данным разработчика | 90,5 | Ricursive | нояб. 2026 |
| MMLU-Pro, по данным разработчика | 84,2 | Hugging Face | нояб. 2026 |
Альтернативы в каталоге
- Reflection Beam 1.0: близкий результат на Terminal-Bench 2.1 по данным Ricursive, но архитектура с маршрутизацией по экспертам; выше на SWE-bench Verified.
- Nemotron 3 Ultra: крупная модель NVIDIA, по данным Ricursive заметно слабее Ripple на агентных тестах; выбирайте, если важны классические тесты знаний.
- gpt-oss-120b: открытая модель общего назначения, когда нужна модель с режимом рассуждений (в нашем каталоге у Ripple он не указан).
- Qwen3-Coder-Next: кодовая модель в российском регионе, если данные должны оставаться в России.
Частые вопросы
Подходит ли Ripple-65B Preview для кодинг-агентов?
Да, именно для этого ее и делали: основной акцент разработчика на терминальных и инженерных задачах. Вход только текстовый, для скриншотов нужна другая модель. Но цифры получены на собственной обвязке разработчика, поэтому проверьте модель на своих репозиториях.
Можно ли запустить ее у себя?
Да. Веса открыты под Apache 2.0, есть версия BF16 и сжатая NVFP4. Разработчик пишет, что модель помещается на потребительское железо вроде NVIDIA DGX Spark, и для локального запуска предлагает именно сжатую NVFP4-версию; хватит ли для этого BF16, источники не уточняют.
Чем она отличается от Reflection Beam?
Ripple плотная: активны все 65 млрд параметров, а у Beam 501 млрд всего и 23 млрд активных на токен. На Terminal-Bench 2.1 результаты близки, на ряде других тестов Beam выше.
Хорошо ли она работает на русском?
Разработчик описывает корпус обучения как преимущественно английский и кодовый; данных о качестве на русском в источниках нет.
Стоит ли брать ее вместо крупной модели для сложного проекта?
Как кандидата для проверки: по заявлениям разработчика, на агентных тестах она сопоставима с гораздо более крупными моделями. Но лидерство подтверждено на подборке самого разработчика, а на нескольких других тестах она уступает, поэтому сравните ее с текущей моделью на своих задачах: по числу выполненных задач, числу ошибок и объему вмешательства человека.
Источники
Результаты в бенчмарках
Независимый замер источника по умолчанию и цифра разработчика, если он ее публиковал.
- SWE-bench Verifiedпо данным разработчикаагент OpenCode, уровень max—76,5
Все параметры API · 19
frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p

