Ricursive AI, 에이전트 코딩용 650억 개 파라미터의 밀집형 오픈 웨이트 모델 Ripple-65B Preview 출시

Ricursive AI는 11월 4일 Ripple-65B Preview를 출시했다. 회사에 따르면 처음부터 사전 학습한 650억 개 파라미터의 밀집형 언어 모델이다. 회사는 이 모델이 에이전트 코딩 작업에서 미국 오픈 웨이트 모델의 새로운 최고 성능을 기록했으며, Muse Spark Open-816B, Beam-501B, Inkling-975B, Nemotron 3 Ultra-550B 등 훨씬 큰 모델보다 앞선다고 주장한다. 이는 회사 자체의 주장이다.

Ricursive에 따르면 이 모델은 12조 개 토큰으로 사전 학습됐고 최대 100만 토큰의 컨텍스트를 지원하며, Terminal-Bench 2.1에서 Reflection의 Beam 501B가 기록한 80.1보다 높은 80.52점을 받았다. 회사는 연구개발 총비용을 3,200만 달러로 제시한다. 회사에 따르면 이 모델은 Hugging Face, Together AI, GMI Cloud, OpenRouter에서 이용할 수 있다.

모델 제작자 중 한 명인 Shayan Talaei는 Terminal-Bench 2.1에서 이 모델이 미국 오픈 웨이트 모델 중 새로운 최고 기록이라고 말한다. 그는 핵심 연구진 5명이 모델을 만들었으며, 모델 및 도구 호출이 길게 이어질 때 지연 시간을 줄이고 학습·서빙 스택을 단순화하기 위해 밀집형 구조를 택했다고 밝혔다. 그는 후처리 학습 데이터를 구매하지 않고 오픈소스 학습 및 추론 스택을 기반으로 자체 데이터 생성·필터링 파이프라인을 구축했으며, 강화학습 시스템과 작업 커리큘럼을 함께 조정했다고 말했다.