Перейти к содержимому
RouterNodul

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.

ГлобальныйИнструментыБез хранения данных (ZDR)
Контекст
1 048 576
Макс. ответ
131 072
Выпущена
04.11.2026

Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP

РегионПопробоватьВходВыходЧтение кэшаID модели в запросах
Глобальный · global-1Попробовать11,00 ₽0,11 PnP33,00 ₽0,33 PnP2,75 ₽0,03 PnPglobal-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

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!"}]
  }'

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

ТестРезультатИсточникДата
Terminal-Bench 2.1, по данным разработчика80,5 против 80,1 у Reflection Beam, 76,4 у Muse Spark Open, 63,8 у Inkling, 56,4 у Nemotron 3 UltraRicursiveнояб. 2026
SWE-bench Pro v2.0 Hard, по данным разработчика79,1 против 76,5 у Reflection BeamRicursiveнояб. 2026
DeepSWE 1.1, по данным разработчика44,3 против 43,3 у Reflection Beam и 60,0 у Muse Spark OpenRicursiveнояб. 2026
SWE-bench Verified, по данным разработчика76,5Hugging Faceнояб. 2026
GPQA Diamond, по данным разработчика85,2Hugging Faceнояб. 2026
HMMT Feb 2026, по данным разработчика90,5Ricursiveнояб. 2026
MMLU-Pro, по данным разработчика84,2Hugging Faceнояб. 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.

Независимое измерениеПо данным разработчика
Сравнить с другими моделями
Все параметры API · 19
  • frequency_penalty
  • include_reasoning
  • logit_bias
  • logprobs
  • max_tokens
  • min_p
  • presence_penalty
  • reasoning
  • repetition_penalty
  • response_format
  • seed
  • stop
  • structured_outputs
  • temperature
  • tool_choice
  • tools
  • top_k
  • top_logprobs
  • top_p

Все модели Ricursive