Ricursive、エージェント型コーディングに特化した650億パラメータのオープンモデル「Ripple-65B Preview」を公開

モデルからシリコンまでを手がける「フルスタック」を標榜する米国の研究所Ricursive Intelligenceは、2026年11月4日、Ripple-65B Previewの重みを公開した。これはスクラッチから学習された650億パラメータの高密度（dense）モデルであり、最も寛容なライセンス形態の一つであるApache 2.0ライセンスで提供されている。その最大の売りは、エージェント型コーディングにおいて、7〜15倍の規模を持つ米国製オープンモデルと同等以上の性能を発揮することだ。

公開内容

RicursiveはHugging Face上で3つのバリアントを提供している。BF16のInstructモデル、NVFP4量子化バージョン（最新のNVIDIA GPU向け4ビットフォーマット）、そして合成Q&Aデータを用いず事前学習のみを行ったベースモデルだ。さらに、投機的デコーディングによって生成を高速化する小型の補助モデルも追加されている。また、Together AI、GMI Cloud、OpenRouterのAPIを通じても利用できる。

技術仕様書によると、主に英語とコードからなる12兆トークンで事前学習が行われ、その後、コンテキスト長を最大100万トークンまで拡張する複数の適応ステップ（ロングコンテキスト、教師あり微調整、強化学習）が施された。アーキテクチャは「薄く深い」構造を採用しており、80層で構成され、通常よりも多いアテンションヘッドと、スライディングウィンドウアテンション層の割合の増加が特徴だ。テキストのみを処理するモデルとなっている。

Ricursiveは、大規模オープンモデルの主流であるMixture-of-Experts（MoE）ではなく、あえて高密度モデルを選択した点を強調している。同社によれば、この選択によってインフラが簡素化され、1人から5人に増えたチームでもカスタム計算カーネルなしで学習を進めることが可能になったという。開発の出発点となったのは、Allen Institute for AIによるOlmo 3のオープンな開発レシピだった。

主張されているベンチマーク数値

最大の目玉は、ターミナル環境でのプログラミングタスクを測定するTerminal-Bench 2.1における80.5というスコアだ。Ricursiveはこれを他の米国製オープンモデルと比較している。Reflection Beam（5,010億パラメータ）の80.1、Meta Muse Spark Open（8,160億）の76.4、Thinking Machines Inkling（9,750億）の63.8、NVIDIA Nemotron 3 Ultra（5,500億）の56.4を上回る。ただし、全体的な結果はより複雑である。RippleはSWE-bench Verified（Beamの81.6に対して76.5）、MCP Atlas、SciCode、GPQA Diamondの科学分野の設問などでは後れを取っている。同社自身も、こうしたエージェント型評価の再現は困難であると認めており、競合モデルのスコアの一部は自社の評価ツールで測定されたものだ。

もう一つの注目すべき発表は、レシピの策定から最終学習に至るまで、モデルの開発と学習にかかった費用がすべて含めて3,200万ドルであったという主張だ。同社は、エージェント型コーディングにおける従来の最高峰オープンモデルと比べて10分の1のコストだと推計しているが、この比較はReflectionに関して報告された計算リソースの投入量に基づくものであり、Reflection側が公表した公式データではない。

どのような用途に向いているか

650億パラメータのRippleは軽量とは言えないものの、数千億パラメータのモデルに比べればはるかに扱いやすい。Ricursiveは、NVIDIAのDGX Sparkのようなデスクトップマシンにも収まると説明しており、ローカル利用を促進するためにNVFP4版を提供している。また、量子化前の状態で2基のB200 GPU上で毎秒250トークンを達成できるとしている。Ricursiveにとって、このモデルはショーケースの役割も果たしている。社内向けのバリアントは、同社のAI支援による半導体設計プラットフォームの基盤として利用されている。