Felo API PlatformFelo API Platform
Kembali ke model
Ricursiveaimessages

ricursiveAI/Ripple-65B-Preview API

Ripple-65B Preview adalah model Transformer padat 65 miliar parameter dari Ricursive Intelligence, dirilis 5 November 2026 dengan bobot terbuka Apache 2.0 dan konteks 1 juta token.

Ripple-65B Preview adalah model bahasa Transformer padat dengan 65 miliar parameter yang dikembangkan oleh Ricursive Intelligence dan dirilis pada 5 November 2026. Model ini dirilis dengan bobot terbuka di bawah lisensi Apache 2.0 dan mendukung input serta output teks. Dengan panjang konteks 1 juta token, model ini mampu menangani dokumen dan percakapan yang sangat panjang. Proses pra-pelatihan dilakukan dari awal pada sekitar 12 triliun token yang sebagian besar berupa teks berbahasa Inggris dan kode. Arsitektur padat dipilih dibandingkan campuran ahli untuk mengurangi kompleksitas infrastruktur, dan model ini dapat dijalankan pada perangkat keras konsumen seperti MacBook atau NVIDIA DGX Spark.

Model ini unggul dalam tugas pengkodean agen, seperti membangun agen yang merencanakan perubahan, memanggil alat, dan melanjutkan dari hasil. Kemampuan pemanggilan fungsi asli memungkinkan satu panggilan fungsi per giliran dengan nama fungsi dan argumen JSON. Mode penalaran mengembalikan penalaran internal sebagai bagian terpisah sebelum jawaban akhir. Model ini juga mendukung instruksi sistem opsional, pengenal pengguna dan sesi, definisi fungsi, kontrol pengambilan sampel, string berhenti, seed numerik, dan pengodean deterministik versus pengambilan sampel. Untuk tinjauan kode dan rencana refaktorisasi, model ini menangani berkas dan modul hingga sekitar 15.000 token.

Ripple-65B Preview mencapai skor TerminalBench 2.1 yang dilaporkan sendiri sebesar 80,52, tertinggi di antara model bobot terbuka AS. Skor ini dicapai dengan hanya 1,4 juta rollout, jauh lebih sedikit dibandingkan Reflection80.1. Model ini juga mencapai pengurangan biaya 10x relatif terhadap model agen bobot terbuka sebelumnya, dengan biaya penelitian dan pengembangan total $32 juta. Namun, model ini tertinggal dari pesaing campuran ahli yang lebih besar pada SciCode, DeepSWE, dan MCP Atlas. Rilis pratinjau ini telah menjalani pasca-pelatihan ringan yang berfokus pada pengkodean agen. Keterbatasan lain termasuk hanya satu panggilan fungsi per giliran. Model BF16 mencapai 250 token per detik pada 2x B200 GPU dengan ukuran batch 8 sebelum kuantisasi. Rilis ini mencakup tiga pos pemeriksaan: model BF16 instruksi, versi NVFP4, dan model dasar BF16.

Diperbarui:

ID MODEL

ripple-65b-preview
Konteks
1.049M
Output maks
131.072K
API yang direkomendasikan
messages
Masukan
text
Keluaran
text

Sorotan

  • Transformer padat 65 miliar parameter
  • Bobot terbuka lisensi Apache 2.0
  • Konteks 1 juta token
  • Skor TerminalBench 2.1: 80,52
  • Dapat berjalan di perangkat konsumen

Penyedia

1 penyedia

Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.

Penyedia · Detail harga
Ketersediaan
$0.2$0.6$0.05

Yang bisa dibeli dengan $10

Masukan
50 jt token
Keluaran
16,7 jt token

Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.

Tolok ukur

  • TerminalBench 2.1

    Dilaporkan sendiri, tertinggi di antara model bobot terbuka AS

    80.52
  • SWE-Bench Pro v2.0-Hard

    poin

    79.1
  • DeepSWE v1.1

    poin

    44.3
  • SciCode

    Terendah di antara lima model dalam tabel perbandingan Ricursive

    39.4

Skor sesuai publikasi penyedia model.

Penalaran

Aktif secara bawaan
Tidak
Selalu aktif
Tidak

Mulai cepat

Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.

1

Siapkan kunci API

Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.

export FELO_API_KEY="YOUR_API_KEY"
2

Kirim permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.

ripple-65b-preview

Model ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.

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());

Menggunakan SDK pihak ketiga

Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.

3

Aktifkan streaming

Tambahkan stream: true untuk menerima respons sebagai server-sent events.

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

Felo API Platform menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.

AntarmukaMetodeURL

Messages

Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.

POST

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

Parameter

NamaTipeDefaultDeskripsi
modelstringripple-65b-previewID model publik yang akan dipanggil.
max_tokensinteger—Jumlah maksimum token yang dihasilkan.
messagesarray—Pesan percakapan untuk Chat Completions.
seed———
toolsarray—Definisi tool calling sesuai skema yang kompatibel.
top_p———
logprobs———
temperaturenumber—Mengontrol variasi respons jika didukung.
tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.
top_logprobs———
response_formatobject—Meminta output terstruktur jika didukung.

Pertanyaan umum

Mengenal ricursiveAI/Ripple-65B-Preview?

Ripple-65B Preview adalah model bahasa Transformer padat dengan 65 miliar parameter yang dikembangkan oleh Ricursive Intelligence dan dirilis pada 5 November 2026. Model ini dirilis dengan bobot terbuka di bawah lisensi Apache 2.0 dan mendukung input serta output teks. Dengan panjang konteks 1 juta token, model ini mampu menangani dokumen dan percakapan yang sangat panjang. Proses pra-pelatihan dilakukan dari awal pada sekitar 12 triliun token yang sebagian besar berupa teks berbahasa Inggris dan kode. Arsitektur padat dipilih dibandingkan campuran ahli untuk mengurangi kompleksitas infrastruktur, dan model ini dapat dijalankan pada perangkat keras konsumen seperti MacBook atau NVIDIA DGX Spark. Model ini unggul dalam tugas pengkodean agen, seperti membangun agen yang merencanakan perubahan, memanggil alat, dan melanjutkan dari hasil. Kemampuan pemanggilan fungsi asli memungkinkan satu panggilan fungsi per giliran dengan nama fungsi dan argumen JSON. Mode penalaran mengembalikan penalaran internal sebagai bagian terpisah sebelum jawaban akhir. Model ini juga mendukung instruksi sistem opsional, pengenal pengguna dan sesi, definisi fungsi, kontrol pengambilan sampel, string berhenti, seed numerik, dan pengodean deterministik versus pengambilan sampel. Untuk tinjauan kode dan rencana refaktorisasi, model ini menangani berkas dan modul hingga sekitar 15.000 token. Ripple-65B Preview mencapai skor TerminalBench 2.1 yang dilaporkan sendiri sebesar 80,52, tertinggi di antara model bobot terbuka AS. Skor ini dicapai dengan hanya 1,4 juta rollout, jauh lebih sedikit dibandingkan Reflection80.1. Model ini juga mencapai pengurangan biaya 10x relatif terhadap model agen bobot terbuka sebelumnya, dengan biaya penelitian dan pengembangan total $32 juta. Namun, model ini tertinggal dari pesaing campuran ahli yang lebih besar pada SciCode, DeepSWE, dan MCP Atlas. Rilis pratinjau ini telah menjalani pasca-pelatihan ringan yang berfokus pada pengkodean agen. Keterbatasan lain termasuk hanya satu panggilan fungsi per giliran. Model BF16 mencapai 250 token per detik pada 2x B200 GPU dengan ukuran batch 8 sebelum kuantisasi. Rilis ini mencakup tiga pos pemeriksaan: model BF16 instruksi, versi NVFP4, dan model dasar BF16.

Bagaimana penggunaan ditagih?

Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.

Apa saja modalitas input dan output yang didukung Ripple-65B Preview?

Model ini hanya mendukung input teks dan output teks.

Berapa panjang konteks dan batas output Ripple-65B Preview?

Model ini memiliki panjang konteks 1 juta token. Batas output tidak ditentukan dalam informasi yang tersedia.

Tugas apa yang paling cocok untuk Ripple-65B Preview?

Model ini cocok untuk membangun agen pengkodean, tinjauan dan refaktorisasi kode, tanya jawab teknis, asisten yang mencari data melalui fungsi yang ditentukan pengguna, serta ringkasan dan pemeriksaan silang dokumen.

Apa perbedaan Ripple-65B Preview dengan model saudaranya?

Ripple-65B Preview adalah model Transformer padat dengan bobot terbuka, sedangkan GPT-6 Sol, GPT-6 Astra, dan GPT-6 Luna adalah model tertutup. Informasi yang tersedia tidak merinci lebih lanjut perbedaan spesifik di antara mereka.

Apakah Ripple-65B Preview mendukung pemanggilan fungsi?

Ya, model ini mendukung pemanggilan fungsi asli dengan satu panggilan fungsi per giliran, mengembalikan nama fungsi dengan argumen JSON.