AI Radar
Ricursive Intelligence открыла веса модели для агентного программирования Ripple-65B Preview
Ricursive Intelligence выложила под лицензией Apache 2.0 модель для агентного программирования Ripple-65B Preview на 65 млрд параметров. На Terminal-Bench 2.1 она набрала 80,5 балла и обошла открытые модели в несколько раз крупнее. Разработку компания оценивает в 32 млн долларов, примерно в десятую часть затрат на прежнего лидера среди моделей с открытыми весами.
Ricursive Intelligence основали Анна Голди и Азалия Мирхосейни, которые в Google DeepMind вели проект AlphaChip, систему для автоматической компоновки блоков на кристаллах TPU. Компания строит платформу для проектирования чипов, и Ripple-65B Preview – вариант модели, которая работает внутри этой платформы. Архитектура выбрана консервативная: плотный трансформер без смеси экспертов, 80 слоёв при размерности 5120, без позиционного кодирования. Модель предобучили на 12 трлн токенов с повышенной долей кода, заявленный контекст составляет до миллиона токенов. Данные для постобучения команда не покупала, а сгенерировала собственными конвейерами синтетики.
На Terminal-Bench 2.1 у Ripple 80,5 балла против 80,1 у Reflection Beam (501 млрд параметров), 76,4 у Muse Spark (816 млрд) и 63,8 у Inkling от Thinking Machines (975 млрд). На SWE-bench Pro v2.0 Hard модель тоже впереди Reflection Beam: 79,1 против 76,5. Отстаёт она на SWE-bench Verified (76,5 против 81,6) и на научном тесте GPQA Diamond (85,2 против 90,6). Все результаты пока приведены со слов компании.
В 32 млн долларов, по словам Ricursive, вошли подбор архитектуры, отладка, генерация синтетики и финальные запуски обучения. Архитектуру подбирали по шагам, начиная с Olmo 3, и отбрасывали варианты, которые не давали прироста уже на 4 млрд параметров. Модель развернули Together AI, GMI Cloud и Fireworks по цене 20 центов за миллион входных и 60 центов за миллион выходных токенов.
Почему это важно
Если данные компании подтвердятся, сильную модель для программирования с открытыми весами можно сделать за десятки миллионов долларов. Это шанс для небольших команд и для компаний, которым нельзя отправлять код во внешние API: такую модель можно развернуть у себя.
Мнение редакции
Мнение редакцииМодель для кодинга выпустил стартап, который вообще-то проектирует чипы. Видимо, современная разработка микросхем сама стала агентным программированием: код описания схем, запуск инструментов в терминале, проверка результата. Отставание на GPQA Diamond при победе на Terminal-Bench намекает, что команда сознательно обменяла широту знаний на умение работать руками.
Первоисточники и подтверждения
TelegramПодборку проверяет редакция DSML. AI помогает дедуплицировать сигналы и готовить текст, но опубликованный выпуск остаётся редакционным продуктом, а не лентой отдельных каналов.