Ricursive rilascia Ripple-65B Preview, un modello aperto da 65 miliardi di parametri pensato per il codice agentico

Ricursive Intelligence, un laboratorio statunitense che si definisce «full-stack», dal modello fino al silicio, ha pubblicato il 4 novembre 2026 i pesi di Ripple-65B Preview. Si tratta di un modello denso da 65 miliardi di parametri, addestrato da zero e distribuito sotto licenza Apache 2.0, una delle più permissive in assoluto. La sua argomentazione principale: eguagliare, o persino superare nel codice agentico, modelli aperti americani da sette a quindici volte più grandi.

Cosa è stato pubblicato

Su Hugging Face, Ricursive mette a disposizione tre varianti: il modello instruct in BF16, una versione quantizzata in NVFP4 (il formato a 4 bit delle GPU NVIDIA più recenti) e un modello base derivato dal solo pre-addestramento, privo di dati sintetici di domande e risposte. A questi si aggiunge un piccolo modello ausiliario per accelerare la generazione tramite decodifica speculativa. Il modello è accessibile anche tramite API su Together AI, GMI Cloud e OpenRouter.

La scheda tecnica descrive un pre-addestramento su 12.000 miliardi di token, essenzialmente inglese e codice, seguito da diverse fasi di adattamento (contesto lungo, fine-tuning supervisionato, apprendimento per rinforzo) che estendono il contesto fino a un milione di token. L’architettura è «sottile e profonda»: 80 strati, con un numero di teste di attenzione superiore al consueto e una quota maggiore di strati con attenzione a finestra scorrevole. Il modello elabora esclusivamente testo.

Ricursive insiste su una scelta controcorrente: un modello denso piuttosto che un Mixture-of-Experts (MoE), l’architettura dominante tra i grandi modelli aperti. Secondo l’azienda, questa decisione ha semplificato l’infrastruttura, al punto che un team passato da una a cinque persone è riuscito a gestire l’addestramento senza kernel di calcolo personalizzati. Il punto di partenza è stata la formula aperta di Olmo 3, dell’Allen Institute for AI.

Le cifre rivendicate

Il dato di punta è un punteggio di 80,5 su Terminal-Bench 2.1, un benchmark di compiti di programmazione eseguiti in un terminale. Ricursive lo confronta con gli altri modelli aperti statunitensi: 80,1 per Reflection Beam (501 miliardi di parametri), 76,4 per Meta Muse Spark Open (816 miliardi), 63,8 per Thinking Machines Inkling (975 miliardi) e 56,4 per NVIDIA Nemotron 3 Ultra (550 miliardi). Il quadro complessivo è più sfumato: Ripple viene superato su SWE-bench Verified (76,5 contro 81,6 per Beam), su MCP Atlas, su SciCode o sulle domande scientifiche di GPQA Diamond. La stessa società ammette che riprodurre queste valutazioni agentiche è complesso, e parte dei punteggi dei concorrenti è stata misurata con i propri strumenti.

Altro annuncio di rilievo: Ricursive afferma di aver sviluppato e addestrato il modello per 32 milioni di dollari, tutto compreso, dalla messa a punto della procedura all’addestramento finale. Stima che si tratti di un costo dieci volte inferiore rispetto al precedente miglior modello aperto nel codice agentico, ma questo confronto poggia su impegni di calcolo riportati per Reflection, non su cifre pubblicate da quest’ultimo.

A chi si rivolge?

Con 65 miliardi di parametri, Ripple resta impegnativo ma molto più gestibile rispetto ai modelli da diverse centinaia di miliardi di parametri. Ricursive indica che può funzionare su una workstation desktop come il DGX Spark di NVIDIA e rende disponibile la versione NVFP4 proprio per favorire l’uso locale. La società dichiara inoltre 250 token al secondo su due GPU B200, prima della quantizzazione. Per Ricursive questo modello funge anche da vetrina: una variante interna alimenta infatti la sua piattaforma di progettazione di chip assistita da IA.