ricursiveAI/Ripple-65B-Preview API
Ripple-65B Preview è un modello linguistico denso da 65 miliardi di parametri di Ricursive Intelligence, con pesi aperti sotto licenza Apache 2.0 e una finestra di contesto di 1 milione di token.
Ripple-65B Preview è un Transformer denso da 65 miliardi di parametri sviluppato da Ricursive Intelligence e rilasciato il 5 novembre 2026 con pesi aperti sotto licenza Apache 2.0. È stato preaddestrato da zero su circa 12 trilioni di token, in prevalenza testo e codice in inglese, con una lunghezza di sequenza di 8K e un'utilizzazione dei flop del modello del 40%. La ricetta di post-addestramento ha incluso midtraining, addestramento su contesto lungo, fine-tuning supervisionato, fine-tuning supervisionato su contesto lungo e apprendimento per rinforzo su domini misti. Il rilascio comprende tre checkpoint: un modello BF16 ottimizzato per le istruzioni, una versione NVFP4 e un modello base BF16.
Il modello è pensato soprattutto per compiti di programmazione agentica: costruire agenti che pianificano modifiche, chiamano strumenti e proseguono dai risultati, oltre a revisione e refactoring del codice, risposta a domande tecniche, assistenti che consultano dati tramite funzioni definite dall'utente e riassunto e verifica incrociata di documenti. Supporta il tool calling nativo con una sola chiamata di funzione per turno, restituendo il nome della funzione con argomenti JSON, e una modalità di ragionamento che espone il ragionamento interno in una sezione separata prima della risposta finale. Gestisce piani di revisione e refactoring per file e moduli fino a circa 15.000 token. Sono disponibili istruzioni di sistema opzionali, identificatori di utente e sessione, definizioni di funzioni, controlli di campionamento, stringhe di stop, un seed numerico e un interruttore tra decodifica deterministica e campionamento.
L'architettura densa è stata scelta al posto di un Mixture-of-Experts per ridurre la complessità infrastrutturale e consente l'esecuzione su hardware di consumo come un MacBook o un NVIDIA DGX Spark. Il modello BF16 raggiunge 250 token al secondo su 2 GPU B200 con batch size 8 prima della quantizzazione. Il checkpoint NVFP4 quantizza i layer MLP mantenendo l'attenzione in BF16, con pesi di circa 34 GiB a 4 bit. Tra i limiti, la release di anteprima ha ricevuto un post-addestramento relativamente leggero, incentrato sulla programmazione agentica, supporta una sola chiamata di funzione per turno ed è superata da rivali Mixture-of-Experts più grandi su SciCode, DeepSWE e MCP Atlas.
Aggiornato:
ID MODELLO
ripple-65b-preview- Contesto
- 1.049M
- Output max
- 131.072K
- API consigliata
- messages
- Input
- text
- Output
- text
In evidenza
- 65 miliardi di parametri, architettura densa
- Pesi aperti sotto licenza Apache 2.0
- Contesto fino a 1 milione di token
- Tool calling nativo, una funzione per turno
- Modalità di ragionamento separata
- Eseguibile su hardware di consumo
Fornitori
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | ||||
|---|---|---|---|---|
| $0.2 | $0.6 | $0.05 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
Cosa acquisti con $10
- Input
- 50 Mln token
- Output
- 16,7 Mln token
Stima basata sui prezzi attuali di input e output, esclusi gli sconti.
Benchmark
- 80.52
TerminalBench 2.1
autodichiarato; il più alto tra i modelli a pesi aperti statunitensi
- 79.1
SWE-Bench Pro v2.0-Hard
punti
- 44.3
DeepSWE v1.1
punti
- 39.4
SciCode
il più basso tra i cinque modelli nella tabella comparativa di Ricursive
Punteggi come pubblicati dal fornitore del modello.
Ragionamento
- Attivo per impostazione predefinita
- No
- Sempre attivo
- No
Avvio rapido
Codice pronto all'uso per chiamare questo modello con le API compatibili di Felo API Platform. Inizia nel Playground se vuoi testare i prompt prima di scrivere codice.
Imposta la chiave API
Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.
export FELO_API_KEY="YOUR_API_KEY"Invia la prima richiesta
Usa questo ID modello con l'endpoint Felo API Platform. Le intestazioni facoltative come X-Request-Id aiutano nella risoluzione dei problemi.
ripple-65b-previewQuesto modello è in grado di ragionare. Se il protocollo selezionato e la route del modello espongono controlli di ragionamento, conserva i metadati di ragionamento restituiti quando continui la conversazione.
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());Usare SDK di terze parti
Negli SDK compatibili imposta baseURL su https://openapi.felo.ai/api/v1. Per i client in stile Claude, usa la base URL compatibile con Anthropic. https://openapi.felo.ai/api.
Attiva lo streaming
Aggiungi stream: true per ricevere le risposte come 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 espone superfici compatibili per le chiamate ai modelli. Scegli la superficie che la tua app o il tuo client agente già supporta.
Messages
Messaggi compatibili con Anthropic per i client in stile Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametri
modelstringripple-65b-previewID pubblico del modello da chiamare.max_tokensinteger—Numero massimo di token generati.messagesarray—Messaggi della conversazione per Chat Completions.seed———toolsarray—Definizioni di tool calling secondo lo schema compatibile.top_p———logprobs———temperaturenumber—Controlla la varietà delle risposte quando supportato.tool_choicestring or object—Controlla se uno strumento deve essere chiamato.top_logprobs———response_formatobject—Richiede output strutturato quando supportato.Domande frequenti
Cos'è ricursiveAI/Ripple-65B-Preview?
Ripple-65B Preview è un Transformer denso da 65 miliardi di parametri sviluppato da Ricursive Intelligence e rilasciato il 5 novembre 2026 con pesi aperti sotto licenza Apache 2.0. È stato preaddestrato da zero su circa 12 trilioni di token, in prevalenza testo e codice in inglese, con una lunghezza di sequenza di 8K e un'utilizzazione dei flop del modello del 40%. La ricetta di post-addestramento ha incluso midtraining, addestramento su contesto lungo, fine-tuning supervisionato, fine-tuning supervisionato su contesto lungo e apprendimento per rinforzo su domini misti. Il rilascio comprende tre checkpoint: un modello BF16 ottimizzato per le istruzioni, una versione NVFP4 e un modello base BF16. Il modello è pensato soprattutto per compiti di programmazione agentica: costruire agenti che pianificano modifiche, chiamano strumenti e proseguono dai risultati, oltre a revisione e refactoring del codice, risposta a domande tecniche, assistenti che consultano dati tramite funzioni definite dall'utente e riassunto e verifica incrociata di documenti. Supporta il tool calling nativo con una sola chiamata di funzione per turno, restituendo il nome della funzione con argomenti JSON, e una modalità di ragionamento che espone il ragionamento interno in una sezione separata prima della risposta finale. Gestisce piani di revisione e refactoring per file e moduli fino a circa 15.000 token. Sono disponibili istruzioni di sistema opzionali, identificatori di utente e sessione, definizioni di funzioni, controlli di campionamento, stringhe di stop, un seed numerico e un interruttore tra decodifica deterministica e campionamento. L'architettura densa è stata scelta al posto di un Mixture-of-Experts per ridurre la complessità infrastrutturale e consente l'esecuzione su hardware di consumo come un MacBook o un NVIDIA DGX Spark. Il modello BF16 raggiunge 250 token al secondo su 2 GPU B200 con batch size 8 prima della quantizzazione. Il checkpoint NVFP4 quantizza i layer MLP mantenendo l'attenzione in BF16, con pesi di circa 34 GiB a 4 bit. Tra i limiti, la release di anteprima ha ricevuto un post-addestramento relativamente leggero, incentrato sulla programmazione agentica, supporta una sola chiamata di funzione per turno ed è superata da rivali Mixture-of-Experts più grandi su SciCode, DeepSWE e MCP Atlas.
Come viene addebitato l'utilizzo?
La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.
Quali input e output supporta Ripple-65B Preview?
Supporta input di testo e output di testo. Non sono indicate modalità aggiuntive.
Qual è la finestra di contesto?
La finestra di contesto è di 1 milione di token. Il limite di output non è specificato nella scheda del modello.
A cosa serve principalmente questo modello?
È pensato per la programmazione agentica, la revisione e il refactoring del codice, le domande tecniche, gli assistenti che usano funzioni definite dall'utente e il riassunto e la verifica incrociata di documenti.
Come funziona il tool calling?
Il tool calling è nativo e consente una sola chiamata di funzione per turno, restituendo il nome della funzione con argomenti JSON.
Quali checkpoint sono inclusi nel rilascio?
Il rilascio include tre checkpoint: un modello BF16 ottimizzato per le istruzioni, una versione NVFP4 e un modello base BF16.
In cosa differisce dai modelli della stessa famiglia?
La famiglia di confronto comprende GPT-6 Sol, GPT-6 Astra e GPT-6 Luna. Ripple-65B Preview è un modello denso con pesi aperti, mentre le informazioni fornite non specificano le caratteristiche degli altri modelli.