Ricursive, Ripple-65B Preview 출시하며 미국 오픈웨이트 코딩 SOTA 달성

• Ricursive Intelligence가 일반 목적 오픈웨이트 모델 Ripple-65B Preview를 출시함. TerminalBench 2.1에서 80.52점을 기록하며 미국 오픈웨이트 모델 중 최상위(SOTA) 성적을 달성함.
• 총 3,200만 달러의 R&D 비용으로 훈련되었으며, 이는 기존 에이전틱 코딩 오픈웨이트 SOTA 모델 추정 비용의 10분의 1 수준임.
• 12조 토큰으로 사전 학습되었으며, 최대 1M 컨텍스트 길이를 지원함. NVIDIA 하드웨어 최적화를 위해 Dense Transformer 아키텍처를 사용함.
• Reflection Beam 501B(80.1), Meta Muse Spark Open 816B(76.4), Thinking Machines Inkling 975B(63.8), NVIDIA Nemotron 3 Ultra 550B(56.4) 등 파라미터 규모가 훨씬 큰 미국 오픈웨이트 모델들을 모두 능가함.

Technical Approach

• d_model 5120, 총 80층의 Thin-and-deep 아키텍처를 적용함. 커스텀 커널이나 양자화 없이 40% MFU를 유지함.
• 기존 SOTA 대비 약 70배 적은 1.4M 롤아웃으로 TerminalBench 2.1 점수 80.5를 달성함. Truncated importance sampling과 score centering을 활용한 혼합 RL 레시피를 사용함.
• Olmo 3 베이스라인(4B 스케일) 대비 코딩 작업의 컴퓨트 효율을 최대 16배 높이는, 업샘플링된 코드를 포함한 커스텀 사전 학습 데이터셋을 활용함.

Availability

• Hugging Face, Together AI, GMI Cloud, OpenRouter에서 즉시 사용 가능하며, Fireworks 지원은 같은 날 늦게 시작됨.
• 작은 파라미터 규모 덕분에 NVIDIA DGX Spark과 같은 로컬 기기에서 효율적으로 실행되도록 설계됨.