Ripple-65B Previewとは？API料金・仕組み・65B Denseの実力

速報の要点：安価なAPIとApache 2.0を両立した65B Dense model

Ripple-65B Previewは、Ricursive Intelligenceが自社のAI chip設計platform向けmodelを基に作ったgeneral-purpose版です。instruction-tuned BF16、圧縮したNVFP4、pretrain-onlyのBase model、speculative decoding向けDFlash2 draft modelが公開されています。重みはApache License 2.0で、条件を守れば商用利用、改変、再配布が可能です。

APIをすぐ試す場合はOpenRouterが最も明確です。model IDはricursiveai/ripple-65b-previewで、OpenAI互換Chat Completions／ResponsesとAnthropic Messages形式を利用できます。OpenRouterの公開表示ではnative tool calling、streaming、structured outputを扱えますが、JSON Schemaの厳格な強制には対応していません。

結論として、米国企業由来のopen-weight coding modelを低いtoken単価で評価したいteamには有力です。ただしPreviewの名の通り、第三者による同条件benchmark、長いcontextでの品質、self-hostの必要GPU、tool call成功率はまだ十分に確立していません。本番移行ではなく、固定taskによるpilotから始めるmodelです。

この節の一次情報：Ricursive公式｜Introducing Ripple-65B Preview ／ Hugging Face公式｜Ripple-65B Preview ／ OpenRouter公式｜Ripple-65B Preview

開発元：元Google AlphaChip研究者が率いるRicursive Intelligence

Ricursive Intelligenceは、AIでchipを設計し、そのchipでAIを改善する循環を掲げるstartupです。共同創業者のAnna Goldie氏とAzalia Mirhoseini氏はGoogleでreinforcement learningを用いたchip配置技術AlphaChipの開発に携わりました。Rippleはchip設計systemそのものではなく、その内部modelに由来するgeneral-purpose版です。

開発元は、pretraining ladder、data作成、評価、debug、synthetic data、post-trainingを含む総R&D費が3,200万ドルだったと説明しています。従来の米国open-weight leaderの約10分の1という比較も企業側の推定であり、監査済みの同一会計基準ではありません。事実として確認できるのは、公開model cardにtraining工程と12T tokensの内訳が示されていることです。

この節の一次情報：VentureBeat｜Ex-Googlers' Ripple-65B Preview

仕組み：MoEではなく、薄く深い80層のDense Transformer

Rippleは65Bの全parameterを各tokenで使うDense modelです。d_modelを5,120に抑え、80層へ深くしたthin-and-deep構成を採用しました。OLMo 3のmodel ladderを出発点に、Gemma 3n系の構造、gated attention、global NoPE、value residual、FFN activation clippingを組み合わせています。

開発元がDenseを選んだ理由は、複雑なexpert routingやcustom kernelに依存せず、NVIDIA hardware上のtrainingとservingを単純化するためです。pretrainingは主に英語とcodeからなる12T tokens、8K sequenceで行い、その後64K midtraining、2M long-context training、SFT、mixed-domain RLを重ねています。

MoEとの違いは総parameterではなくactive parameterです。Reflection Beamは総501Bでもactive 23B、Rippleは総65B＝active 65Bです。Rippleが『10倍以上小さいmodelに勝つ』という表現は保存容量の比較には意味がありますが、1 token当たりの計算量や速度が10分の1になることを意味しません。

API料金・速度・仕様：安いが、公開直後の稼働品質を測る

OpenRouterのGMICloud endpointは入力0.20ドル、出力0.60ドル、cache read 0.05ドル／100万tokensです。最大contextは1,048,576 tokens、最大outputは131,072 tokensと表示されています。入力10M・出力2M tokensなら単純なmodel料金は3.20ドルです。tool実行環境、再試行、長文prefill、保存、監視の費用は別です。

速度はproviderと時刻で変わります。2026年11月6日のOpenRouter表示はP50 latency 1.54秒、生成97 tokens/秒、直近24時間availability 96.11%でした。model cardの250 tokens/秒は2基のB200、batch=8、量子化・custom kernelなしという開発元条件で、1 requestの体感速度と直接比較できません。

RicursiveはTogether AI、GMI Cloud、OpenRouter、Fireworksでの提供を案内していますが、Togetherの公開model pageは確認時点でcoming soonでした。料金と利用可能性はproviderごとに分けて確認し、OpenRouterの価格を他社へそのまま当てはめないようにします。

性能：Terminal-Bench 80.5は有望だが、独立評価ではない

model cardではTerminal-Bench 2.1が80.52、SWE-bench Pro v2.0 Hardが79.1、DeepSWE 1.1が44.3です。前2つでは比較対象の米国open-weight modelを上回る一方、DeepSWEではMuse Spark Openの60.0を下回ります。『coding全般で首位』ではなく、選んだbenchmarkとharnessで強いという結果です。

VentureBeatは、launch graphicとmodel cardで一部の競合scoreが異なり、harness変更でも結果が動くと指摘しました。Ricursive自身もagent benchmarkの再現が難しく、公開値と社内評価を混在させたbest-effort比較だと明記しています。Artificial Analysisなど共通条件の第三者評価は確認できません。

Hacker Newsでは公開翌日に331点・120コメントへ伸びました。議論ではDense 65Bのlocal速度、MoEとの比較方法、米国modelだけを対象にしたSOTA表現が主な論点です。OpenRouter endpointで8回中4回tool callに失敗したという開発者報告もありますが、単一の非標準testであり一般化はできません。tool利用は自社schemaで再検証が必要です。

この節の一次情報：Hacker News｜Ripple-65B Preview discussion

利用例と導入判断：API pilotとself-hostを分ける

海外ではOpenRouter上で約7,960万tokensが処理され、Hermes Agent、Pi、Cursorなどからの利用が表示されています。また公開翌日にはGGUF変換、FreeTokenへのarchitecture対応request、DFlash2を使うSGLang設定が現れました。これは開発者の関心を示しますが、production採用や品質保証の証拠ではありません。

APIが向くのは、まずcoding agent、repository修正、terminal task、長文code reviewを少量で評価したいteamです。self-hostが向くのは、source codeを外部APIへ出せない、Apache 2.0でfine-tuneや改変をしたい、GPUを高稼働させられる組織です。65B Denseはquantizeしてもmemory bandwidthとKV cacheが支配的になるため、『consumer hardwareで動く』と『業務速度で安定運用できる』を分けます。

導入testでは50〜200件の実repo taskを固定し、完了率、tool call成功率、人手修正時間、総tokens、TTFT、task完了時間、retryを記録します。APIとself-hostを比較する場合はtoken単価だけでなく、GPU amortization、idle率、model load、monitoring、security patch、operator工数を含む成功task原価で判断します。

注意点・未検証事項

第一に、Preview版です。model cardのbenchmarkは開発元評価で、一部の競合値とharness条件が資料間で一致しません。自社taskと同じagent framework、tool、context、effortで再評価します。

第二に、最大1M contextは利用可能長を示し、全範囲で同じ精度や速度を保証しません。長文ではKV cache、prefill時間、retrieval精度、provider制限を測ります。第三に、OpenRouterの料金・latency・throughput・availabilityは2026年11月6日の確認値で、provider追加や混雑で変動します。

第四に、Apache 2.0のweightsとAPIのdata policyは別です。self-hostでも依存library、container、driverのlicenseとsecurity対応が残ります。APIではOpenRouterとupstream providerのlog、retention、region、SLA、fallback設定を契約前に確認してください。

FAQ

Q. Ripple-65B Previewは無料ですか？　A. weightsはApache 2.0で取得できますが、download、GPU、storage、電力、運用費は必要です。OpenRouter APIは入力0.20ドル・出力0.60ドル／100万tokensです。

Q. laptopで動きますか？　A. 圧縮版やcommunity量子化で起動できる可能性はありますが、65B Denseはmemory bandwidthとKV cacheを多く使います。開発元のDGX Spark対応主張を一般的なlaptop速度へ置き換えないでください。

Q. 1M contextをAPIですぐ使えますか？　A. OpenRouterのmodel pageは1,048,576 tokensを表示しています。providerごとの実上限と長文品質はrequest前にmetadataとpilotで再確認してください。

Q. KimiやQwenより高性能ですか？　A. 共通harnessの独立評価がないため断定できません。Rippleの主張は主に米国open-weight modelとの比較です。品質、速度、task原価を同じrepo taskで測ります。

Q. APIとself-hostのどちらが安いですか？　A. 利用が少ない、変動が大きい段階はAPIが比較しやすく、高稼働で機密要件が強い場合はself-hostが候補です。GPU固定費と運用人件費を含めて比較します。

Q. productionへ導入できますか？　A. 技術的には可能ですが、Preview、第三者評価不足、公開直後のavailabilityを考えると、fallbackとtask単位の再試行を備えた限定pilotから始めるのが安全です。