Ricursive publica Ripple-65B Preview, un modelo abierto de 65.000 millones de parámetros diseñado para código agéntico

Ricursive Intelligence, un laboratorio estadounidense que se define como «full-stack», desde el modelo hasta el silicio, publicó el 4 de noviembre de 2026 los pesos de Ripple-65B Preview. Se trata de un modelo denso de 65.000 millones de parámetros, entrenado desde cero y distribuido bajo licencia Apache 2.0, una de las más permisivas que existen. Su principal reclamo: rendir igual o incluso mejor en tareas de código agéntico que modelos abiertos estadounidenses de siete a quince veces más grandes.

Qué se ha publicado

En Hugging Face, Ricursive pone a disposición tres variantes: el modelo instruct en BF16, una versión cuantizada en NVFP4 (el formato de 4 bits de las GPU de NVIDIA recientes) y un modelo base derivado únicamente del preentrenamiento, sin datos sintéticos de preguntas y respuestas. A esto se suma un pequeño modelo auxiliar para acelerar la generación mediante decodificación especulativa. El modelo también es accesible vía API en Together AI, GMI Cloud y OpenRouter.

La ficha técnica describe un preentrenamiento sobre 12 billones de tokens, esencialmente de texto en inglés y código, seguido de varias etapas de adaptación (contexto largo, ajuste supervisado, aprendizaje por refuerzo) que amplían la ventana de contexto hasta un millón de tokens. La arquitectura es «estrecha y profunda»: 80 capas, con más cabezales de atención de lo habitual y una mayor proporción de capas con atención de ventana deslizante. El modelo solo procesa texto.

Ricursive insiste en una decisión a contracorriente: optar por un modelo denso en lugar de una mezcla de expertos (MoE), la arquitectura predominante en los grandes modelos abiertos. Según la empresa, esta elección simplificó la infraestructura hasta el punto de que un equipo que pasó de una a cinco personas pudo llevar a cabo el entrenamiento sin necesidad de núcleos de cálculo a medida. El punto de partida fue la receta abierta de Olmo 3, del Allen Institute for AI.

Las cifras reivindicadas

El dato estrella es una puntuación de 80,5 en Terminal-Bench 2.1, una prueba de tareas de programación ejecutadas en terminal. Ricursive la compara con la de otros modelos abiertos estadounidenses: 80,1 para Reflection Beam (501.000 millones de parámetros), 76,4 para Meta Muse Spark Open (816.000 millones), 63,8 para Thinking Machines Inkling (975.000 millones) y 56,4 para NVIDIA Nemotron 3 Ultra (550.000 millones). El panorama completo es más matizado: Ripple queda por detrás en SWE-bench Verified (76,5 frente a 81,6 de Beam), en MCP Atlas, en SciCode o en las preguntas científicas de GPQA Diamond. La propia empresa reconoce que reproducir estas evaluaciones agénticas resulta complejo, y parte de las puntuaciones de los competidores se midió con sus propias herramientas.

Otro anuncio destacado: Ricursive afirma haber desarrollado y entrenado el modelo por 32 millones de dólares con todo incluido, desde la puesta a punto de la receta hasta el entrenamiento final. Estima que esto supone diez veces menos que el anterior mejor modelo abierto en código agéntico, si bien esta comparación se basa en estimaciones sobre los recursos de computación reportados para Reflection y no en cifras oficiales publicadas por este último.

¿A quién va dirigido?

Con 65.000 millones de parámetros, Ripple sigue siendo un modelo pesado, pero resulta mucho más manejable que las opciones de varios cientos de miles de millones. Ricursive indica que puede funcionar en un equipo de sobremesa como el DGX Spark de NVIDIA y ofrece la versión NVFP4 para fomentar el uso en local. La empresa anuncia asimismo 250 tokens por segundo en dos GPU B200 antes de la cuantización. Para Ricursive, este modelo funciona también como escaparate: una variante interna es la que impulsa su plataforma de diseño de chips asistida por IA.