Felo API PlatformFelo API Platform
Zurück zu den Modellen
Ricursiveaimessages

ricursiveAI/Ripple-65B-Preview API

Ripple-65B Preview ist ein dichtes 65-Milliarden-Parameter-Transformer-Modell von Ricursive Intelligence mit offenen Gewichten unter Apache 2.0 und einer Kontextlänge von 1 Million Tokens.

Ripple-65B Preview wurde von Ricursive Intelligence am 5. November 2025 veröffentlicht und ist ein dichtes Transformer-Modell mit 65 Milliarden Parametern, dessen Gewichte unter der Apache-2.0-Lizenz offen zugänglich sind. Es wurde von Grund auf mit etwa 12 Billionen Tokens überwiegend englischsprachigem Text und Code vortrainiert. Die dichte Architektur reduziert die Infrastrukturkomplexität und ermöglicht den Betrieb auf Verbraucherhardware wie einem MacBook oder einer NVIDIA DGX Spark. Das Modell verarbeitet Texteingaben und erzeugt Textausgaben, unterstützt einen Kontext von 1 Million Tokens und bietet natives Tool-Calling mit einem Funktionsaufruf pro Runde, der Funktionsnamen mit JSON-Argumenten zurückgibt.

Das Modell eignet sich für den Aufbau von Coding-Agenten, die Änderungen planen, Tools aufrufen und auf Ergebnisse aufbauen, sowie für Code-Reviews und Refactoring-Pläne für Dateien und Module bis etwa 15.000 Tokens. Darüber hinaus kann es technische Fragen beantworten, als Assistent mit benutzerdefinierten Funktionen zur Datenabfrage dienen und Dokumente zusammenfassen und gegeneinander prüfen. Ein Reasoning-Modus gibt interne Überlegungen als separaten Abschnitt vor der endgültigen Antwort aus. Sampling-Steuerungen, Stopp-Strings, ein numerischer Seed und ein Umschalter zwischen deterministischer Dekodierung und Sampling sind verfügbar; optionale Systemanweisungen, Benutzer- und Sitzungs-Identifikatoren sowie Funktionsdefinitionen werden ebenfalls unterstützt.

Laut eigenen Angaben erreicht Ripple-65B Preview den höchsten TerminalBench-2.1-Wert unter den offenen US-Modellen. Das Modell gilt als Vorschauversion mit relativ leichtem Posttraining, das auf agentisches Coding ausgerichtet ist, und unterstützt nur einen Funktionsaufruf pro Runde. Die Veröffentlichung umfasst drei Checkpoints: ein instruktionsabgestimmtes BF16-Modell, eine NVFP4-Version und ein BF16-Basismodell. Das NVFP4-Checkpoint quantisiert MLP-Schichten bei etwa 34 GiB Gewichten in 4 Bit und behält die Attention in BF16 bei. Das BF16-Modell erreicht 250 Tokens pro Sekunde auf2x B200-GPUs bei Batch-Größe 8 vor der Quantisierung.

Aktualisiert:

MODELL-ID

ripple-65b-preview
Kontext
1.049M
Max. Ausgabe
131.072K
Empfohlene API
messages
Eingabe
text
Ausgabe
text

Highlights

  • 65 Mrd. Parameter, dichte Architektur
  • Offene Gewichte unter Apache 2.0
  • 1 Mio. Tokens Kontext
  • Natives Tool-Calling, ein Aufruf pro Runde
  • Reasoning-Modus mit separatem Abschnitt
  • Läuft auf Verbraucherhardware

Anbieter

1 Anbieter

Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.

Anbieter · Preisdetails
Verfügbarkeit
$0.2$0.6$0.05

Was man für $10 bekommt

Eingabe
50 Mio. Token
Ausgabe
16,7 Mio. Token

Geschätzt anhand der aktuellen Eingabe- und Ausgabepreise, vor Rabatten.

Benchmarks

  • TerminalBench 2.1

    Selbstberichtet; höchster Wert unter den offenen US-Modellen

    80.52
  • SWE-Bench Pro v2.0-Hard

    Punkte

    79.1
  • DeepSWE v1.1

    Punkte

    44.3
  • SciCode

    Niedrigster Wert unter den fünf Modellen in Ricursives Vergleichstabelle

    39.4

Werte wie vom Modellanbieter veröffentlicht.

Schlussfolgern

Standardmäßig aktiviert
Nein
Immer aktiviert
Nein

Schnellstart

Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.

1

API-Schlüssel hinterlegen

Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.

export FELO_API_KEY="YOUR_API_KEY"
2

Erste Anfrage senden

Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.

ripple-65b-preview

Dieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "ripple-65b-preview",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Drittanbieter-SDKs verwenden

Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.

3

Streaming aktivieren

Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "ripple-65b-preview",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.

SurfaceMethodURL

Messages

Anthropic-kompatible Nachrichten für Clients im Claude-Stil.

POST

https://openapi.felo.ai/api/v1/messages

Parameter

NameTypStandardBeschreibung
modelstringripple-65b-previewÖffentliche Modell-ID, die aufgerufen wird.
max_tokensinteger—Maximale Anzahl generierter Tokens.
messagesarray—Gesprächsnachrichten für Chat Completions.
seed———
toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.
top_p———
logprobs———
temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.
tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.
top_logprobs———
response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.

Häufige Fragen

Was ist ricursiveAI/Ripple-65B-Preview?

Ripple-65B Preview wurde von Ricursive Intelligence am 5. November 2025 veröffentlicht und ist ein dichtes Transformer-Modell mit 65 Milliarden Parametern, dessen Gewichte unter der Apache-2.0-Lizenz offen zugänglich sind. Es wurde von Grund auf mit etwa 12 Billionen Tokens überwiegend englischsprachigem Text und Code vortrainiert. Die dichte Architektur reduziert die Infrastrukturkomplexität und ermöglicht den Betrieb auf Verbraucherhardware wie einem MacBook oder einer NVIDIA DGX Spark. Das Modell verarbeitet Texteingaben und erzeugt Textausgaben, unterstützt einen Kontext von 1 Million Tokens und bietet natives Tool-Calling mit einem Funktionsaufruf pro Runde, der Funktionsnamen mit JSON-Argumenten zurückgibt. Das Modell eignet sich für den Aufbau von Coding-Agenten, die Änderungen planen, Tools aufrufen und auf Ergebnisse aufbauen, sowie für Code-Reviews und Refactoring-Pläne für Dateien und Module bis etwa 15.000 Tokens. Darüber hinaus kann es technische Fragen beantworten, als Assistent mit benutzerdefinierten Funktionen zur Datenabfrage dienen und Dokumente zusammenfassen und gegeneinander prüfen. Ein Reasoning-Modus gibt interne Überlegungen als separaten Abschnitt vor der endgültigen Antwort aus. Sampling-Steuerungen, Stopp-Strings, ein numerischer Seed und ein Umschalter zwischen deterministischer Dekodierung und Sampling sind verfügbar; optionale Systemanweisungen, Benutzer- und Sitzungs-Identifikatoren sowie Funktionsdefinitionen werden ebenfalls unterstützt. Laut eigenen Angaben erreicht Ripple-65B Preview den höchsten TerminalBench-2.1-Wert unter den offenen US-Modellen. Das Modell gilt als Vorschauversion mit relativ leichtem Posttraining, das auf agentisches Coding ausgerichtet ist, und unterstützt nur einen Funktionsaufruf pro Runde. Die Veröffentlichung umfasst drei Checkpoints: ein instruktionsabgestimmtes BF16-Modell, eine NVFP4-Version und ein BF16-Basismodell. Das NVFP4-Checkpoint quantisiert MLP-Schichten bei etwa 34 GiB Gewichten in 4 Bit und behält die Attention in BF16 bei. Das BF16-Modell erreicht 250 Tokens pro Sekunde auf2x B200-GPUs bei Batch-Größe 8 vor der Quantisierung.

Wie wird die Nutzung abgerechnet?

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.

Welche Eingaben und Ausgaben unterstützt das Modell?

Ripple-65B Preview verarbeitet Texteingaben und erzeugt Textausgaben. Es unterstützt optionale Systemanweisungen, Benutzer- und Sitzungs-Identifikatoren sowie Funktionsdefinitionen.

Wie lang ist der Kontext und gibt es ein Ausgabelimit?

Der Kontext umfasst 1 Million Tokens. Ein spezifisches Ausgabelimit wird in den bereitgestellten Informationen nicht genannt.

Für welche Aufgaben ist das Modell geeignet?

Es eignet sich für Coding-Agenten, Code-Reviews und Refactoring-Pläne für Dateien und Module bis etwa 15.000 Tokens, technische Fragen, Assistenten mit benutzerdefinierten Funktionen sowie Dokumentzusammenfassungen und -prüfungen.

Wie unterscheidet sich Ripple-65B Preview von anderen Modellen der Serie?

Informationen zu anderen Modellen der Serie liegen nicht vor. Das Modell selbst ist eine Vorschauversion mit leichtem Posttraining und unterstützt nur einen Funktionsaufruf pro Runde.

Welche Checkpoints sind verfügbar?

Die Veröffentlichung enthält drei Checkpoints: ein instruktionsabgestimmtes BF16-Modell, eine NVFP4-Version und ein BF16-Basismodell.