Sur Terminal-Bench, une courte avance revendiquée pour Ripple-65B

En open weights sous Apache 2.0, Ripple-65B Preview revendique de bons scores en code agentique avec 65 milliards de paramètres et 32 millions de dollars de R&D.

Soixante-cinq milliards de paramètres suffiraient à rivaliser avec plusieurs modèles américains beaucoup plus volumineux sur certaines tâches de programmation agentique. C’est la proposition de Ricursive Intelligence avec Ripple-65B Preview, un modèle dense préentraîné depuis zéro sur 12 000 milliards de jetons. Le laboratoire publie ses paramètres sous licence Apache 2.0 et annonce un contexte pouvant atteindre un million de jetons.

La comparaison mérite d’être délimitée : les résultats présentés proviennent du laboratoire, concernent une sélection de modèles américains open weights et varient selon les tests. Le modèle distribué sur Hugging Face est une déclinaison généraliste d’un système propriétaire utilisé par Ricursive pour sa plateforme de conception de puces. La programmation agentique constitue le principal axe de cette version Preview. Une avance de 0,4 point sur Terminal-Bench

Le score mis en avant atteint 80,5 % sur Terminal-Bench 2.1, contre 80,1 % pour Reflection Beam, 76,4 % pour Muse Spark Open de Meta et 56,4 % pour Nemotron 3 Ultra de NVIDIA, selon le tableau publié par Ricursive. L’avance sur Beam représente donc 0,4 point. Elle place Ripple en tête de cette comparaison précise, sans établir une supériorité générale sur les agents de programmation.

Les autres épreuves dessinent un profil plus contrasté. Sur SWE-bench Pro v2.0 Hard, le laboratoire rapporte 79,1 %, devant les 76,5 % attribués à Beam. Sur DeepSWE 1.1, le résultat de 44,3 % reste inférieur aux 60 % de Muse Spark Open. Sur SWE-bench Verified, les 76,5 % de Ripple se situent derrière les 81,6 % de Beam. Les versions des tests comptent : les scores des différentes éditions de SWE-bench décrivent des évaluations distinctes.

Les conditions d’exécution interviennent aussi. La fiche indique des évaluations en BF16, avec les niveaux d’effort maximaux, et mélange des scores publiés par les laboratoires concurrents avec des mesures réalisées en interne pour compléter les données manquantes. L’équipe reconnaît que le logiciel qui pilote l’agent, la longueur du contexte et sa méthode de résumé peuvent déplacer les résultats. Elle publie une seconde comparaison Terminal-Bench avec Terminus 2, où les scores de plusieurs concurrents diffèrent de leurs chiffres déclarés. Moins de paramètres stockés, davantage de paramètres actifs

Le choix architectural explique une partie de la singularité du modèle. Un Transformer dense mobilise ici ses 65 milliards de paramètres, tandis que les modèles à mélange d’experts, ou MoE, n’en activent qu’une fraction pour chaque jeton. Dans le tableau de Ricursive, Beam compte 501 milliards de paramètres au total mais 23 milliards actifs ; Muse Spark Open en compte 816 milliards au total et 42 milliards actifs.

Présenter Ripple comme beaucoup plus petit est donc pertinent pour le nombre total de paramètres, sans suffire à conclure qu’il exige proportionnellement moins de calcul à chaque étape. La distinction compte pour apprécier les ressources nécessaires à son exécution. Les comparaisons de taille doivent conserver ces deux mesures, plutôt que transformer le rapport entre les volumes totaux en gain automatique de vitesse.

L’architecture retient 80 couches et une largeur interne de 5 120. Le laboratoire explique avoir privilégié une conception dense pour simplifier l’infrastructure d’entraînement et de déploiement sur le matériel NVIDIA. Le préentraînement utilise un corpus textuel principalement anglophone et composé de code, avec des séquences de 8 000 jetons. L’extension du contexte intervient ensuite dans les phases d’entraînement complémentaires. Le format quantifié précise la promesse d’exécution locale

La publication comprend une version ajustée aux instructions en BF16, une variante quantifiée et un modèle de base en BF16. Le dépôt principal représente environ 130 Go, contre 57,2 Go pour le dépôt NVFP4. Cette seconde version est présentée comme expérimentale. Sa quantification conserve les couches d’attention en BF16 et applique le format NVFP4 aux couches MLP.

Ces volumes donnent un repère pour choisir une machine locale. Il faut aussi prévoir la mémoire nécessaire à l’exécution et au traitement du contexte, en plus des paramètres. Le laboratoire cite le DGX Spark comme matériel envisageable. Les 250 jetons par seconde mentionnés dans la fiche ont, eux, été mesurés sur deux accélérateurs B200 avec une taille de lot de huit : cette mesure concerne une configuration de centre de données.

Un accès via OpenRouter est également référencé. Lors de la consultation, la page affiche un contexte de 1 048 576 jetons, avec un tarif de 0,20 dollar par million de jetons en entrée et de 0,60 dollar en sortie. Pour le téléchargement, le fichier de licence Apache 2.0 autorise l’utilisation, la modification et la redistribution selon ses conditions, y compris pour des usages commerciaux. Les 32 millions de dollars couvrent le développement complet

Le budget annoncé dans la présentation du laboratoire englobe les expériences préparatoires, les essais de données, les évaluations, la génération de données synthétiques et les entraînements finaux. Les 32 millions de dollars représentent donc un coût de R&D déclaré. Le rapport de un à dix avancé face au précédent leader repose sur une estimation du budget concurrent, sans comptabilité commune publiée.

Pour l’apprentissage par renforcement, l’équipe annonce avoir atteint 80,5 % sur Terminal-Bench 2.1 après 1,4 million de trajectoires d’entraînement, soit environ soixante-dix fois moins que Beam selon sa comparaison. Le nombre de trajectoires renseigne sur le volume d’expériences réalisées, mais leur longueur et leur coût d’exécution interviennent aussi dans la dépense de calcul.

Les gains de préentraînement ont été recherchés à travers des séries de modèles de tailles croissantes, à partir d’une référence Olmo 3. Le facteur d’efficacité de seize annoncé sur le code correspond à une mesure à l’échelle de quatre milliards de paramètres. Toutes les modifications testées