Ripple-65B: otwarty model AI z USA za 32 mln dolarów

Amerykańska firma Ricursive Intelligence, specjalizująca się w projektowaniu układów AI, wkroczyła na rynek modeli językowych. Jej pierwszy publiczny projekt - Ripple-65B Preview - to w pełni otwarty model udostępniony na licencji Apache 2.0, który powstał na bazie 12 bilionów tokenów. Według zapewnień twórców osiąga on najlepszy rezultat w testach kodowania agentowego spośród otwartych modeli pochodzących ze Stanów Zjednoczonych.

Co potrafi Ripple-65B Preview i jak wypada na tle konkurencji

W benchmarku TerminalBench 2.1 model uzyskał wynik 80,52 punktu. Do testów wykorzystano dwa różne środowiska uruchomieniowe: częściowo Terminus 2, a częściowo OpenCode. To właśnie ten rezultat firma wskazuje jako swój najmocniejszy argument w kategorii otwartych modeli amerykańskich.

Obraz całości jest jednak bardziej zniuansowany. W pozostałych testach Ripple ustępuje innemu świeżo wydanemu modelowi - Inkling 2 Small. Zestawienie kluczowych wyników prezentuje się następująco:

• SWE-Bench Pro v2.0 Hard: Ripple osiąga 79,1%, podczas gdy Inkling 2 Small notuje 86,3%
• DeepSWE v1.1: odpowiednio 44,3% kontra 72,1% - tutaj różnica jest największa
• MCP Atlas: 71,67% dla Ripple wobec 85,4/85,0% dla konkurenta

Mimo słabszych rezultatów w części testów Ripple ma istotną przewagę praktyczną - według Ricursive model jest znacznie łatwiejszy do wdrożenia na własnym sprzęcie użytkownika. To argument, który może okazać się decydujący dla zespołów ceniących sobie kontrolę nad infrastrukturą.

Architektura i koszty: dense Transformer zamiast mixture-of-experts

Ripple-65B Preview opiera się na gęstej architekturze Transformer z 65 miliardami parametrów. To świadomy wybór - twórcy odeszli od popularnego podejścia mixture-of-experts (MoE), w którym model aktywuje tylko część parametrów przy każdym zapytaniu. Model zoptymalizowano pod kątem sprzętu Nvidii.

Nietypowo niski budżet jak na skalę projektu

Ricursive podaje, że całkowite koszty opracowania i treningu wyniosły 32 miliony dolarów. Kwota ta obejmuje wszystkie wydatki badawczo-rozwojowe związane z projektem. Jak na model o 65 miliardach parametrów i pretreningu na 12 bilionach tokenów to stosunkowo skromny budżet - zwykle tego typu przedsięwzięcia pochłaniają wielokrotnie więcej środków.

Deklaracja ta może być istotnym sygnałem dla rynku: jeśli koszty wytrenowania konkurencyjnego modelu otwartego rzeczywiście da się zamknąć w takiej kwocie, bariera wejścia dla mniejszych graczy znacząco spada. Warto jednak pamiętać, że są to dane pochodzące od samej firmy i nie zostały jeszcze niezależnie zweryfikowane.

Otwartość jako strategia: Apache 2.0 i Hugging Face

Model jest dostępny na platformie Hugging Face na licencji Apache 2.0, co pozwala na szerokie wykorzystanie komercyjne bez dodatkowych zobowiązań licencyjnych. To jeden z najbardziej permisywnych wariantów udostępniania - kontrastujący z modelami "open weight", które często nakładają ograniczenia na zastosowania biznesowe.

Dla polskich zespołów developerskich i firm budujących własne rozwiązania AI oznacza to możliwość pobrania wag, dostrojenia modelu (fine-tuning) i uruchomienia go na własnej infrastrukturze - bez wysyłania danych do zewnętrznego dostawcy. Przy 65 miliardach parametrów wymagania sprzętowe pozostają jednak poważne, zwłaszcza że model zoptymalizowano pod karty Nvidii.

Co to oznacza dla ekosystemu otwartych modeli

Premiera Ripple-65B Preview wpisuje się w szerszy trend: firmy spoza grona największych laboratoriów AI coraz śmielej wchodzą w wyścig modeli otwartych. Ricursive, znane dotąd z projektowania chipów, pokazuje, że kompetencje w zakresie sprzętu i treningu modeli zaczynają się przenikać.

Jednocześnie wyniki benchmarków przypominają, że "najlepszy wśród otwartych modeli z USA" to wciąż kategoria zawężona - globalna konkurencja, w tym modele spoza Stanów Zjednoczonych, prezentuje zbliżone lub lepsze rezultaty. Ripple nie jest więc przełomem w skali światowej, ale może być ważnym punktem odniesienia dla zespołów szukających otwartego, permisywnie licencjonowanego modelu do zadań kodowania agentowego.

Kluczowe pytania dotyczące przyszłości projektu pozostają otwarte: czy Ricursive utrzyma tempo rozwoju i wyda kolejne wersje, oraz czy deklarowany budżet 32 milionów dolarów uda się utrzymać przy skalowaniu modelu. Odpowiedzi poznamy prawdopodobnie wraz z kolejnymi odsłonami Ripple.