Ripple-65Bプレビューとは？より大きなライバルを凌駕する65Bオープンモデル

Ricursive Intelligenceは2026年11月4日にRipple-65Bプレビューをリリースしました。これは650億パラメータの密なオープンウェイトモデルで、そのサイズにもかかわらず、米国製オープンウェイトモデルの中で自己申告によるエージェント型コーディングスコアのトップを記録しています。主要なテストでははるかに大規模なモデルを上回り、Apache 2.0ライセンスで提供され、単一マシンで動作します。Ripple-65Bプレビューの実態、ベンチマーク結果、そして見出しを鵜呑みにする前に知っておくべき注意点を解説します。

Ripple-65Bプレビューとは？

Ripple-65Bプレビューは650億パラメータの密なTransformerモデルで、12兆トークンでゼロからプレトレーニングされ、最大100万トークンのコンテキストをサポートします。寛容なApache 2.0ライセンスの下でリリースされており、ウェイトをダウンロードして自分で実行できます。

このモデルはRicursive Intelligenceから提供されています。同社はパロアルトを拠点とするスタートアップで、フロンティアLLMよりもAIチップ設計で知られています。Rippleは、Ricursiveのチップ設計プラットフォームを支える独自モデルの汎用バリアントであり、オープンウェイトリリースとして誰でも利用できるようになりました。GoogleのAlphaChipに携わった共同創業者のAnna GoldieとAzalia Mirhoseiniがこの取り組みを主導しており、ローンチにはGoogleのJeff Deanから公開の祝辞が寄せられました。

「プレビュー」というラベルは重要です。Ricursive自身の説明によれば、このリリースはエージェント型コーディングに焦点を当てた比較的軽いポストトレーニングを経たものであり、完成品ではなく初期チェックポイントです。

Ripple-65Bプレビューのベンチマーク

注目の主張はTerminal-Bench 2.1で80.52というスコアです。これはモデルがターミナル内でコードを記述・実行する能力を測定するベンチマークです。Ricursiveのモデルカードによると、このスコアは比較対象となった米国製オープンウェイトモデルの中でトップです：

2つの点が際立っています。第一に、この表のすべての競合モデルははるかに多くの総パラメータを持つMixture-of-Experts（MoE）モデルですが、RippleはTerminal-Bench 2.1とSWE-bench Pro v2.0 Hardでそれらを上回っています。第二に、結果は完全な勝利ではありません：SWE-bench VerifiedではReflection Beamがリードし、DeepSWE 1.1ではMuse Spark Openが勝利し、一般知識（MMLU）と一部の数学では大規模モデルがわずかに優位です。

つまり、Rippleはチューニングされた領域であるエージェント型コーディングで最も強く、それ以外では競争力のある水準にとどまっています。

小さな密なモデルがより大きなモデルを上回れる理由

Ricursiveは意図的なアーキテクチャの賭けに出ました。ほとんどの研究機関が現在採用しているMoEデザインの代わりに、トレーニングとサービングのインフラをシンプルに保つためにモダナイズされた密なTransformerをトレーニングしました。このモデルは「薄く深い」形状を採用しており、80層にわたってd_modelが5,120という狭い構造で、スケールでのトレーニング安定性のためにGemma-3Nライクなアーキテクチャを選択しています。

効率性の話が真の注目点です。Ricursiveは総R&Dコストを約3,200万ドルと試算しており、これはエージェント型コーディングにおける前のオープンウェイトリーダーのコストの約10分の1と推定しています。また、Terminal-Benchスコアに到達するのに140万回のRLロールアウトを使用したと報告しており、これはReflection Beamが使用した回数の約70分の1です。自社のOlmo 3ベースラインと比較して、Ricursiveはコードで16倍のコンピュート効率向上を報告しており、フルスケールでは55倍に達します。

これらの数値はRicursiveによるものであり、独立した研究機関によるものではないため、第三者が再現するまでは販売者の自己申告数値として扱ってください。

Ripple-65Bプレビューをローカルで実行できますか？

はい — それがこのモデルの大きな意義の一つです。総パラメータ数65Bで、RippleはNVIDIAのDGX Sparkなどのコンシューマークラスのハードウェアに収まるほど小さく、Ricursiveはローカル開発向けに位置づけています。命令チューニング済みBF16モデル、量子化NVFP4バージョン、BF16ベースモデルの3つのチェックポイントと、開始するためのColabをリリースしました。

データセンターGPUでは、Ricursiveはバッチサイズ8の2xB200で量子化やカスタムカーネルなしに約250トークン/秒を報告しています。

ウェイトとホスト型アクセスは以下から入手できます：

• Hugging Face — ricursiveAI/Ripple-65B-Preview（Apache 2.0ウェイト）
• APIパートナー — Together AI、GMI Cloud、OpenRouter、Fireworksはローンチ日に公開予定

「米国オープンウェイトSOTA」という主張の妥当性

この主張は本物ですが、範囲が限定されています。「米国製オープンウェイトモデルの最先端」はクローズドモデルと非米国製オープンモデルを除外しているため、Rippleが全体的に最良のモデル、あるいは最良のオープンモデルであるという主張ではありません。独立した報道では、Rippleが他のベンチマークでは一部の大規模オープンモデルに劣ることが指摘されています。

いくつかの正直な注意点：

• 自己申告。 見出しのスコアはRicursive自身によるものです。Ricursive自身も、エージェント評価スコアはハーネスと設定によって大きく変動することを認めています。
• プレビュー、最終版ではない。 軽いポストトレーニングは、後のリリースで動作が変わる可能性があることを意味します。
• 限定的な主張。 リーダーシップの主張はエージェント型コーディングにおける米国製オープンウェイトモデルに特定されており、普遍的なランキングではありません。

これらの点はその成果を否定するものではありません — 65Bの密なモデルが500Bから975Bの競合モデルに匹敵または上回る性能を示すことは本物の成果です。ただし、ローンチ日のベンチマークと同様に、その表現には同等の精査が必要です。

Ripple-65BプレビューとReflection Beam、Muse Spark Openの比較

最近のオープンウェイトコーディングモデルの中から選択する場合、トレードオフは主にサイズと汎用性のバランスです：

• Ripple-65Bプレビュー — 最小かつ最も安価に実行可能；Terminal-Bench 2.1とSWE-bench Pro v2.0 Hardで最高性能；密なアーキテクチャでローカルサービングが容易。
• Reflection Beam（501B） — SWE-bench Verifiedでより強力；はるかに大きなMoEでホスティングが重い。
• Muse Spark Open（816B） — DeepSWE 1.1とMCP Atlasで勝利；幅広いカバレッジを持つMetaの大規模リリース。

ローカルにデプロイ可能なコーディングモデルを求め、「プレビュー」の成熟度を受け入れられるチームにとって、Rippleは最も興味深い新しい選択肢です。コーディング評価全体での最大の汎用性を求めるなら、大規模モデルが一部の領域でまだ優位を保っています。

独自のAIワークフォースでオープンモデルを実行する

Ripple-65Bプレビューは、エージェントが日々行う作業のために構築されています：リポジトリの読み取り、コードの記述、ターミナルでのコマンド実行。Eigentはオープンソースのマルチエージェント「Cowork」デスクトップアプリで、そのワークフローをローカルで実行します — GitHubのプルリクエストのレビューなどのタスクにエージェントチームを向け、モデルとデータを自分のマシン上に保持できます。ローカルのオープンウェイトモデルとローカルのエージェントランタイムを組み合わせたい場合は、Eigentをダウンロードして独自のAIワークフォースの構築を始めましょう。