Ripple-65B Preview: 에이전트 코딩에서 미국 오픈웨이트 최고 성능 달성

Ricursive Intelligence가 AI 칩 설계 플랫폼용 자체 모델의 범용 변형인 Ripple-65B Preview를 공개함. 12조 토큰으로 사전학습했으며 최대 100만 토큰 컨텍스트를 지원함 TerminalBench 2.1에서 80.52점을 기록해 미국 오픈웨이트 모델 중 최고 성능을 달성했으며, 매개변수가 훨씬 많은 Reflection Beam, Meta Muse Spark Open 등을 앞섬 처음부터 개발하고 학습하는 데 든 전체 연구개발비는 3,200만 달러임. 회사 추산으로는 기존 에이전트 코딩 오픈웨이트 최고 모델 비용의 약 10분의 1에 해당함 자체 합성 데이터와 계산 효율 중심의 지도 미세조정 및 강화학습으로 140만 회 롤아웃 만에 TerminalBench 2.1 80.5점에 도달함. 이는 이전 최고 모델인 Reflection Beam보다 약 70배 적은 롤아웃 수임 밀집 Transformer와 단계별 규모 확장 실험으로 학습 및 서빙 효율을 높임. 4B 규모 실험에서는 코드 성능 지표 기준으로 Olmo 3 모델 확장 체계 대비 최대 16배의 계산 효율 개선을 얻음 모델 공개와 에이전트 코딩 성능 Ricursive Intelligence는 하드웨어, 소프트웨어, 모델을 공동 최적화해 자기 개선 시스템을 구축하는 풀스택 AI 연구소임 칩 설계 플랫폼을 구동하기 위해 언어 모델을 처음부터 학습했으며, 학습 및 서빙 플랫폼에 맞춰 모델 구조를 최적화함 Ripple-65B Preview는 해당 독자 모델의 범용 변형으로, 12조 토큰 사전학습과 최대 100만 토큰 컨텍스트를 지원함 TerminalBench 2.1에서 미국 오픈웨이트 최고 성능인 80.52점을 기록함 Reflection Beam 501B는 80.1점, Meta Muse Spark Open 816B는 76.4점임 Thinking Machines Inkling 975B는 63.8점, NVIDIA Nemotron 3 Ultra 550B는 56.4점임 밀집 모델 구조로 강한 추론 성능과 낮은 지연의 토큰 생성을 제공함 상대적으로 작은 매개변수 규모 덕분에 NVIDIA DGX Spark 같은 로컬 장치에서도 효율적으로 실행 가능함 DGX Spark는 데이터센터 가속기와 비교해 계산 성능 대비 메모리 대역폭이 낮은 장치임 Hugging Face, Together AI, GMI Cloud, OpenRouter에서 이용 가능함 Firewor...