Ricursive Intelligence-ის თქმით, Ripple-65B Preview-მ TerminalBench 2.1-ზე 80,52 ქულა მიიღო. მოდელი 12 ტრილიონ ტოკენზე გაიწვრთნა, Hugging Face-ზე Apache 2.0 ლიცენზიით არის ხელმისაწვდომი, საერთო ხარჯები კი სულ 32 მილიონი დოლარია.

AI ჩიპების დიზაინის კომპანია Ricursive Intelligence-მა ღია ენის მოდელი Ripple-65B Preview გაწვრთნა. კომპანიის თქმით, მოდელმა კოდინგის ბენჩმარკ TerminalBench 2.1-ზე 80,52 ქულა მიიღო, რაც ღია ამერიკულ მოდელებს შორის საუკეთესო შედეგია. Ripple-65B Preview Hugging Face-ზე Apache 2.0 ლიცენზიით არის ხელმისაწვდომი.

ტრენინგის ხარჯები და ჰარნესი

Ripple-65B Preview-მა 12 ტრილიონ ტოკენზე წინასწარ გაიწვრთნა. Ricursive-ის თქმით, განვითარებისა და ტრენინგის საერთო ხარჯები სულ 32 მილიონ დოლარს შეადგენდა და მოიცავდა კვლევისა და განვითარების ყველა ხარჯს. ჰარნესად Ripple ნაწილობრივ Terminus 2-ს და ნაწილობრივ OpenCode-ს იყენებს.

ბენჩმარკების შედარება

სხვა ბენჩმარკების შედეგები აჩვენებენ, რომ Ripple არ უდრის ასევე ახლახან გამოშვებულ Inkling 2 Small-ს, თუმცა Ripple, სავარაუდოდ, უფრო ადვილად გასაშვებია მომხმარებლების საკუთარ აპარატურაზე. SWE-Bench Pro v2.0 Hard-ზე Ripple-მ 79,1% მიიღო, ხოლო Inkling 2 Small-მა 86,3%. DeepSWE v1.1-ზე Ripple-მ 44,3% მიიღო, ხოლო Inkling 2 Small-მა 72,1%. MCP Atlas-ზე Ripple-მ 71,67% მიიღო, ხოლო Inkling 2 Small-მა 85,4/85,0%.

არქიტექტურა და ხელმისაწვდომობა

მოდელი იყენებს მკვრივ Transformer არქიტექტურას 65 მილიარდი პარამეტრით და არა უფრო გავრცელებულ ექსპერტთა ნარევის (mixture-of-experts) მიდგომას. მოდელი ოპტიმიზირებულია Nvidia-ს აპარატურაზე. Ripple-65B Preview Hugging Face-ზე Apache 2.0 ლიცენზიით არის ხელმისაწვდომი.

წყაროები: The Decoder

Ripple-65B Preview აგენტურ კოდინგში ძლიერ შედეგებს აჩვენებს როგორც ღია ამერიკული მოდელი

ტრენინგის ხარჯები და ჰარნესი

ბენჩმარკების შედარება

არქიტექტურა და ხელმისაწვდომობა

SiTech — AI-გაძლიერებული ვებ დეველოპმენტი