Felo API PlatformFelo API Platform
Voltar aos modelos
Ricursiveaimessages

ricursiveAI/Ripple-65B-Preview API

Ripple-65B Preview é um modelo de linguagem denso de 65 bilhões de parâmetros da Ricursive Intelligence, com pesos abertos sob licença Apache 2.0, focado em codificação agêntica e contexto de até 1 milhão de tokens.

O Ripple-65B Preview é o primeiro modelo da Ricursive Intelligence, lançado em 5 de novembro de 2026 como um Transformer denso de 65 bilhões de parâmetros com pesos abertos sob a licença Apache 2.0. Ele foi pré-treinado do zero em aproximadamente 12 trilhões de tokens, majoritariamente de texto em inglês e código, e passou por um processo de pós-treinamento que incluiu midtraining, treinamento de contexto longo, ajuste fino supervisionado e aprendizado por reforço em domínios mistos. O modelo aceita e gera texto, suporta instruções de sistema opcionais, identificadores de usuário e sessão, definições de funções, controles de amostragem, strings de parada, semente numérica e alternância entre decodificação determinística e amostragem.

Com contexto de 1 milhão de tokens, o Ripple-65B Preview é adequado para tarefas que exigem planejamento e execução de código, como construir agentes de codificação que planejam mudanças, chamam ferramentas e continuam a partir dos resultados, revisão e refatoração de arquivos e módulos de até cerca de 15.000 tokens, perguntas técnicas e assistentes que consultam dados por meio de funções definidas pelo usuário. O modelo também pode ser usado para sumarização de documentos e verificação cruzada de informações. Sua arquitetura densa permite execução em hardware de consumidor, como um MacBook ou um NVIDIA DGX Spark, e a versão BF16 alcança 250 tokens por segundo em2 GPUs B200 com batch size 8 antes da quantização.

O Ripple-65B Preview oferece chamada nativa de ferramentas com uma chamada de função por turno, retornando nomes de funções com argumentos em JSON, e um modo de raciocínio que expõe o raciocínio interno como uma seção separada antes da resposta final. A versão Preview passou por um pós-treinamento relativamente leve focado em codificação agêntica, e o modelo fica atrás de rivais maiores de Mixture-of-Experts em SciCode, DeepSWE e MCP Atlas. O lançamento inclui três checkpoints: um modelo BF16 com ajuste fino de instrução, uma versão NVFP4 e um modelo base BF16. O checkpoint NVFP4 quantiza as camadas MLP mantendo a atenção em BF16, com pesos de aproximadamente 34 GiB em 4 bits.

Atualizado:

ID DO MODELO

ripple-65b-preview
Contexto
1.049M
Saída máxima
131.072K
API recomendada
messages
Entrada
text
Saída
text

Destaques

  • Transformer denso de 65 bilhões de parâmetros
  • Pesos abertos sob licença Apache 2.0
  • Contexto de 1 milhão de tokens
  • Chamada nativa de ferramentas com uma função por turno
  • Modo de raciocínio com seção separada
  • Executável em hardware de consumidor

Provedores

1 provedores

Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.

Provedor · Detalhes de preço
Disponibilidade
$0.2$0.6$0.05

O que $10 compram

Entrada
50 mi tokens
Saída
16,7 mi tokens

Estimativa com base nos preços atuais de entrada e saída, antes de descontos.

Benchmarks

  • TerminalBench 2.1

    auto-relatado; melhor entre modelos de pesos abertos dos EUA

    80.52
  • SWE-Bench Pro v2.0-Hard

    pontos

    79.1
  • DeepSWE v1.1

    pontos

    44.3
  • SciCode

    o mais baixo entre os cinco modelos na tabela comparativa da Ricursive

    39.4

Pontuações conforme publicadas pelo fornecedor do modelo.

Raciocínio

Ativado por padrão
Não
Sempre ativado
Não

Início rápido

Código pronto para chamar este modelo com as APIs compatíveis da Felo API Platform. Comece no Playground quando quiser testar prompts antes de escrever código.

1

Defina sua chave de API

Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.

export FELO_API_KEY="YOUR_API_KEY"
2

Faça sua primeira requisição

Use este ID de modelo com o endpoint da Felo API Platform. Cabeçalhos opcionais como X-Request-Id ajudam a solucionar problemas.

ripple-65b-preview

Este modelo tem capacidade de raciocínio. Se o protocolo selecionado e a rota do modelo expuserem controles de raciocínio, preserve os metadados de raciocínio retornados ao continuar a conversa.

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());

Usar SDKs de terceiros

Em SDKs compatíveis, defina baseURL como https://openapi.felo.ai/api/v1. Para clientes no estilo Claude, use a base URL compatível com Anthropic. https://openapi.felo.ai/api.

3

Ative o streaming

Adicione stream: true para receber respostas como 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

A Felo API Platform expõe superfícies compatíveis de chamada de modelos. Escolha a superfície que seu app ou cliente de agente já suporta.

SurfaceMethodURL

Messages

Mensagens compatíveis com Anthropic para clientes no estilo Claude.

POST

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

Parâmetros

NomeTipoPadrãoDescrição
modelstringripple-65b-previewID público do modelo a chamar.
max_tokensinteger—Número máximo de tokens gerados.
messagesarray—Mensagens da conversa para Chat Completions.
seed———
toolsarray—Definições de tool calling seguindo o schema compatível.
top_p———
logprobs———
temperaturenumber—Controla a variedade das respostas quando compatível.
tool_choicestring or object—Controla se uma ferramenta deve ser chamada.
top_logprobs———
response_formatobject—Solicita saída estruturada quando compatível.

Perguntas frequentes

O que é ricursiveAI/Ripple-65B-Preview?

O Ripple-65B Preview é o primeiro modelo da Ricursive Intelligence, lançado em 5 de novembro de 2026 como um Transformer denso de 65 bilhões de parâmetros com pesos abertos sob a licença Apache 2.0. Ele foi pré-treinado do zero em aproximadamente 12 trilhões de tokens, majoritariamente de texto em inglês e código, e passou por um processo de pós-treinamento que incluiu midtraining, treinamento de contexto longo, ajuste fino supervisionado e aprendizado por reforço em domínios mistos. O modelo aceita e gera texto, suporta instruções de sistema opcionais, identificadores de usuário e sessão, definições de funções, controles de amostragem, strings de parada, semente numérica e alternância entre decodificação determinística e amostragem. Com contexto de 1 milhão de tokens, o Ripple-65B Preview é adequado para tarefas que exigem planejamento e execução de código, como construir agentes de codificação que planejam mudanças, chamam ferramentas e continuam a partir dos resultados, revisão e refatoração de arquivos e módulos de até cerca de 15.000 tokens, perguntas técnicas e assistentes que consultam dados por meio de funções definidas pelo usuário. O modelo também pode ser usado para sumarização de documentos e verificação cruzada de informações. Sua arquitetura densa permite execução em hardware de consumidor, como um MacBook ou um NVIDIA DGX Spark, e a versão BF16 alcança 250 tokens por segundo em2 GPUs B200 com batch size 8 antes da quantização. O Ripple-65B Preview oferece chamada nativa de ferramentas com uma chamada de função por turno, retornando nomes de funções com argumentos em JSON, e um modo de raciocínio que expõe o raciocínio interno como uma seção separada antes da resposta final. A versão Preview passou por um pós-treinamento relativamente leve focado em codificação agêntica, e o modelo fica atrás de rivais maiores de Mixture-of-Experts em SciCode, DeepSWE e MCP Atlas. O lançamento inclui três checkpoints: um modelo BF16 com ajuste fino de instrução, uma versão NVFP4 e um modelo base BF16. O checkpoint NVFP4 quantiza as camadas MLP mantendo a atenção em BF16, com pesos de aproximadamente 34 GiB em 4 bits.

Como o uso é cobrado?

Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes.

Quais tipos de entrada o Ripple-65B Preview aceita?

O modelo aceita entrada de texto e produz saída de texto. Ele também suporta instruções de sistema opcionais, identificadores de usuário e sessão e definições de funções.

Qual é o tamanho do contexto e do limite de saída?

O Ripple-65B Preview tem contexto de 1 milhão de tokens. O limite de saída não foi especificado nos materiais disponíveis.

Para quais tarefas o Ripple-65B Preview é mais adequado?

Ele é indicado para construir agentes de codificação que planejam mudanças e chamam ferramentas, revisão e refatoração de código, perguntas técnicas, assistentes que consultam dados via funções definidas pelo usuário e sumarização de documentos com verificação cruzada.

Como o Ripple-65B Preview se diferencia em relação a modelos maiores de Mixture-of-Experts?

O Ripple-65B Preview fica atrás de rivais maiores de Mixture-of-Experts em SciCode, DeepSWE e MCP Atlas. Por outro lado, sua arquitetura densa permite execução em hardware de consumidor, como um MacBook ou um NVIDIA DGX Spark.

Quais checkpoints estão incluídos no lançamento?

O lançamento inclui três checkpoints: um modelo BF16 com ajuste fino de instrução, uma versão NVFP4 e um modelo base BF16.