Ripple-65B Preview

자료 확인: 2026년 11월 6일. 발표 측 주장과 제3자 경험을 구분하며 AIDreamHub의 실측이 아닙니다.

모델과 저장소 에이전트를 구분

65B 밀집 Transformer로 에이전트 코딩에 초점을 둔 후학습 모델입니다. BF16 지시형·NVFP4·별도 베이스가 있으며 연결된 BF16 저장소와 양자화·호스팅 API를 동일하게 취급하지 않습니다.

실제 에이전트에는 도구·저장소 상태·권한·실행기·테스트가 필요합니다. 모델 점수만으로 안전한 셸이나 올바른 PR이 제공되지는 않습니다. 기존 실행 루프 안에서 평가해야 합니다.

AIDreamHub가 캡처한 공식 페이지로, 로컬 제품 실행 화면이 아닙니다.

점수와 실행 조건

발표자는 Terminal-Bench 2.1 약 80.5, SWE-bench Verified 76.5를 보고합니다. 비교값은 공식·자체 측정이 섞이고 하네스에 따라 달라진다고 설명합니다. 모든 에이전트의 보편 순위가 아닙니다.

현재 카드는 1Mi, 즉 1,048,576토큰 문맥을 명시합니다. 최대 길이 지원과 경제성·정확성은 다릅니다. 저장소 전체를 무조건 보내기보다 실제 길이에서 검색·절단을 검증합니다.

사용 방법: 제공 경로부터 선택

호스팅으로 소규모 평가를 하면 로컬 구축 부담과 모델 평가를 분리할 수 있습니다. 아래 GMI OpenAI 호환 예제는 환경변수 키를 씁니다. 비공개 코드 전송 전 제공자 데이터 조건과 조직 허가를 확인합니다.

로컬은 정확한 BF16·NVFP4 패키지와 호환 지침을 선택하고 사용자 코드·리비전을 검토합니다. 짧은 문맥부터 도구 기록·테스트·자원을 수집합니다. 당사는 로컬 추론이나 공개 점수를 재현하지 않았습니다.

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}'

제공자 보고서에서 가져올 원칙

GMI는 작은 버그 저장소, 함정과 사람 승인 게이트를 둔 모의 사고 대응을 보고합니다. 단회 100에이전트 실행과 작은 반복 시험을 포함합니다. 자사 엔드포인트 측정으로 로컬 동등 성능이나 임의 업무 성공을 증명하지 않습니다.

유용한 원칙은 외부 테스트로 채점하고 모델의 완료 요약에는 가중치를 주지 않은 것입니다. 승인은 도구가 강제합니다. 몇 번의 주입 시험을 보편 면역으로 해석하지 말고 권한·검증을 모델 밖에 둡니다.

다운로드 전 메모리 산술

650억 파라미터에 2바이트면 약 130GB, 이상적인 4비트면 약 32.5GB입니다. 십진 기준의 단순 하한 계산이며 실측 요구량이 아닙니다. 양자화 정보·활성·버퍼·문맥 상태가 추가됩니다.

특정 DGX Spark 사례를 모든 노트북 약속으로 바꾸지 않습니다. 입력 길이·동시성·양자화·첫 토큰 시간·합격 과제 비용을 함께 기록하세요. 긴 문맥에서는 병목도 달라집니다.

거짓 완료를 잡는 평가

임시 저장소의 고정 실패 테스트로 시작해 패치·실제 테스트·diff를 요구합니다. 변경 불필요 과제, 잘못된 도구 결과, 거절 작업도 포함합니다. 설명과 관측 상태를 분리하고 운영 변경에는 일치하는 사람 승인을 둡니다.

현 모델과 동일 도구·과제·예산으로 비교하며 추론 불필요 작업은 스크립트도 후보입니다. 재시도와 거절 패치를 세세요. 생성이 빨라도 사람이 고치는 비용이 크면 합격 결과는 비쌉니다.

라이선스와 도입 판단

배포는 Apache-2.0 표시입니다. 호스팅·연동·입력 코드 권리는 별도이며 가격·한도는 변합니다. 출시 주 가격을 장기 비용 보증으로 고정하지 않습니다.

먼저 기존 루프에서 합격 작업이 늘어나는지 확인한 후 로컬 장비·유지 비용을 결정합니다. 손그림은 용량 계획의 설명으로 성능 차트나 모델 결과가 아닙니다.

도입 전 질문

4비트면 32GB GPU에 맞나요?

원시 가중치만 이상적으로 약 32.5GB이며 메타데이터·버퍼·문맥이 더 필요합니다. 실제 런타임과 여유 공간으로 검증해야 합니다.

출시 점수로 최고 에이전트인가요?

모델과 하네스는 별개이며 발표자도 비교 한계를 밝힙니다. 자체 저장소·계약·고정 예산으로 평가하세요.

도구 호출 성공이면 승인·테스트가 필요 없나요?

실행기가 권한·인수와 실제 결과를 확인해야 합니다. 승인을 지킨 시연도 실제 도구 게이트를 사용했습니다. 모델의 순응만으로 보증하지 않습니다.

검토 자료

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

관련 도구 찾기

• 코딩 도구
• 텍스트 모델