AI News
Alle Meldungen
Berichtet

Ricursive veröffentlicht Vorschau auf Ripple-65B und reklamiert die US-Spitze unter den Open-Weight-Modellen für agentisches Coding

Laut Ricursive ist die Vorschau des dichten 65B-Modells Ripple-65B das beste US-Open-Weight-Modell für agentisches Coding, mit 80,5 % auf Terminal-Bench 2.1.

Modelle · · 2 Min. Lesezeit

Ricursive hat eine Vorschau auf Ripple-65B veröffentlicht, ein dichtes Modell mit 65B Parametern, das laut Unternehmen das beste US-Open-Weight-Modell für agentisches Coding ist. Die zentrale Zahl: 80,5 % auf Terminal-Bench 2.1, rund einen Punkt über den 80,1 % von Beam-501B. Beam-501B ist ein Mixture-of-Experts-Modell, das pro Token 23B Parameter aktiviert. Der Vergleich stellt also ein dichtes Modell, das bei jedem Token alle 65B Parameter nutzt, einem größeren Sparse-Modell gegenüber, das deutlich weniger verwendet. Ricursive argumentiert, dass die dichte Architektur auf diesem Benchmark mit größeren Modellen mithalten kann. Zudem sei das Modell von Grund auf neu vortrainiert worden.

Nach Angaben des Unternehmens liegt Ripple-65B vor mehreren größeren Mixture-of-Experts-Modellen: Muse Spark Open-816B, Beam-501B, Inkling-975B und Nemotron 3 Ultra-550B. Der Vorsprung auf Beam-501B beträgt allerdings weniger als einen Punkt auf einem einzigen Benchmark. Die Aussage stützt sich damit stark auf diesen Wert und auf die Einordnung als „bestes US-Open-Weight-Modell“. In der Berichterstattung zitierte Kritiker halten diese Einordnung für eng gefasst. Einer meinte, das Etikett „US-only SOTA“ verschleiere den Abstand zwischen Ripple-65B und chinesischen Modellen. Ein anderer merkte an, dass Ricursive in der Veröffentlichung auf Vergleiche mit Qwen verzichtet. Ein dritter wies darauf hin, dass das Modell weiterhin hinter dem 284B großen V4 Flash liegt.

Ricursive nennt 12T Trainings-Token, ein Kontextfenster von 1M und eine Apache-2.0-Lizenz. Diese erlaubt Unternehmen die kommerzielle Nutzung der Gewichte mit wenigen Einschränkungen. Die Architektur setzt auf Value Residuals und Sliding Window Attention. Seine Ablationen präsentiert das Unternehmen anhand einer sogenannten Scaling Ladder. In dieser Reihe brachte eine neue Architektur, trainiert auf denselben Daten wie Olmo3, etwa einen dreifachen Gewinn, ein neuer Datensatz auf derselben Architektur etwa einen vierfachen. Diese Werte sind die Lesart der Analyse von Ricursives Ladder. Sie deuten an, worauf das Unternehmen seine Fortschritte zurückführt: Die Arbeit an den Daten trug mehr bei als die Architektur.

Bei den Kosten verweist Ricursive auf ein Budget von 32 Mio. US-Dollar, das nach eigenen Angaben die gesamte Forschung und Entwicklung abdeckt, einschließlich Scaling Ladder, Datenarbeit und finaler Trainingsläufe. Für die Einordnung ist dieses Detail wichtig: Das Budget umfasst das gesamte Programm, nicht einen einzelnen Trainingslauf, und ist daher nicht direkt mit Angaben vergleichbar, die nur den finalen Lauf berücksichtigen. Prime Intellect betrieb die Cluster für das Pretraining und nennt für den Lauf eine 16-fache Effizienz beim Pretraining-Compute.

Was sich ändert

Art: Neue Funktion · Betrifft: Ripple-65B

Warum es wichtig ist

Die Apache-2.0-Lizenz und die angegebenen Coding-Ergebnisse bieten Unternehmen eine weitere Option mit freizügiger Lizenz. Die Benchmark-Angaben stammen allerdings vom Unternehmen selbst, und einige Vergleiche fehlen.

Was Sie tun können

Vergleichen Sie Ripple-65B mit aktuellen offenen Modellen an Ihren eigenen Coding-Aufgaben, bevor Sie ein Produktivsystem umstellen.

Originalquelle

Für diese Meldung haben wir noch keinen Link zur Originalquelle.

Wo wir es gesehen haben

1 Quelle

Latent Space

Prime IntellectRicursive

KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es