Ripple-65B Preview

資料確認日：2026年11月6日。発表元の主張と第三者の体験を区別し、AIDreamHubの実測とはしていません。

モデルとリポジトリエージェントを分ける

65Bの密なTransformerで、エージェント型コーディングを重視して追加学習されています。BF16の指示調整版、NVFP4版、別のベースモデルがあり、リンク先BF16を量子化版やホストAPIと同じものとして扱えません。

モデルを業務や開発エージェントの中核にする場合も、ツール、リポジトリ状態、権限、実行器、テストが必要です。モデル点数だけで安全なシェルや正しいPRが付属するわけではありません。

AIDreamHubが撮影した公式ページ。製品をローカル実行した画面ではありません。

公開点数には評価足場がある

発表元はTerminal-Bench 2.1で約80.5、SWE-bench Verifiedで76.5を報告します。同時に、比較値には公式報告と自社測定が混在し、実行足場が結果を変えると説明しています。すべてのエージェントに通用する順位とは見なせません。

現在のカードは1Mi、すなわち1,048,576トークンまでの文脈を記載します。最大長が経済的で高精度に扱える長さとは限りません。全リポジトリを無条件に送るより、現実の長さで検索と切り捨て挙動を試します。

使い方：まず配信経路を選ぶ

小規模試験はホストAPIでモデル評価とローカル構築を分けられます。GMIのOpenAI互換例を以下に示しますが、非公開コード送信前に提供者のデータ条件と組織の許可を確認します。鍵は環境変数で渡します。

ローカルならBF16かNVFP4を選び、対応する配信手順を使います。独自コードを確認して版を固定し、短い文脈からツール記録、テスト、資源を残します。当サイトは推論や公開点数の再現を行っていません。

curl https://api.gmi-serving.com/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $GMI_API_KEY" --data '{"model":"gmicloud/Ripple-65B-Preview","messages":[{"role":"user","content":"Explain the failing test before proposing a patch."}],"max_tokens":800}'

提供者の現場報告から学べること

GMIは小規模不具合リポジトリと、罠と人の承認を含む模擬障害対応を公開しています。100エージェントの単回実行と小規模の反復があります。自社エンドポイントの測定であり、ローカルの同等性能や任意の実務成功を証明しません。

参考になるのは外部テストで採点し、モデル自身の完了説明に得点を与えなかった点です。承認もツールで強制しています。少数のプロンプト注入試験を一般的耐性と解釈せず、権限と確認をモデル外に残します。

ダウンロード前のメモリ計算

65十億パラメーターを各2バイトとすると重みだけで約130GB、理想的な4ビットなら約32.5GBです。十進単位の概算で、実測要件ではありません。量子化情報、活性、バッファー、文脈状態が加わります。

特定のDGX Spark例をすべてのノートPCへの約束にしません。入力長、同時数、量子化、最初のトークンまでの時間、合格課題単価を合わせて記録します。長文脈ではボトルネックも変わります。

「直したつもり」を検出する試験

使い捨てリポジトリに固定した失敗テストを用意し、差分と実テスト結果を求めます。変更不要課題、不正ツール応答、拒否操作も入れ、説明と観測状態を分けます。本番変更には一致する人の承認を求めます。

現在のモデルと同じ課題、ツール、予算で比較し、推論が不要ならスクリプトも候補にします。再試行と不採用パッチを数えます。生成が速くても、人の修正が多ければ合格成果の費用は高くなります。

許諾と導入判断

公開重みはApache-2.0表示です。ホスト、連携、入力コードの権利は別です。API価格や上限は変わるため、公開週の料金を固定的な長期費用として約束しないでください。

まず既存の実行ループで合格成果が増えるかを判断し、その後ローカル配信のハードウェアと保守費を検討します。手描き図は容量計画の説明で、性能グラフやモデル結果ではありません。

導入前の質問

4ビットなら32GB GPUで動きますか？

理想的な重みだけで約32.5GBという十進概算です。追加情報、バッファー、文脈は別で、動作保証ではありません。対応ランタイムで余裕を含めて測ります。

公開点数で最良のエージェントと判断できますか？

モデルと実行足場は別です。発表元も比較条件の限界を説明しています。自社課題と固定予算でテストし、単一順位をすべての仕事に広げないでください。

ツール成功なら承認やテストは不要ですか？

実行器が権限と引数を確認し、成果物や実状態を検証します。承認を守ったデモは実際のゲートを使っており、モデルの従順さだけが保証ではありません。

確認した資料

• Ricursive Intelligence — model card
• Ricursive Intelligence — launch and evaluation conditions
• GMI Cloud — provider field tests

関連ツールを探す

• 開発ツール
• テキストモデル