Ripple-65B, un modèle de code qui mise sur la densité

SSacha

D’après AlphaSignal, Ricursive Intelligence a publié Ripple-65B Preview, un modèle de code dense à poids ouverts, entraîné de zéro sur 12 000 milliards de tokens. L’entreprise annonce un coût de développement de 32 millions de dollars et un score de 80,52 à Terminal-Bench 2.1, une évaluation de tâches de programmation. Elle affirme aussi que son modèle dépasse, sur cette comparaison, des modèles à mélange d’experts jusqu’à 15 fois plus grands, notamment Inkling 975B et Muse Spark 816B. L’idée marquante, c’est donc qu’un système plus petit pourrait obtenir de bons résultats sans adopter une architecture aussi imposante. Mais il faut garder une distinction essentielle : le score, la comparaison et le coût sont des chiffres avancés par Ricursive, pas des résultats vérifiés indépendamment dans les informations disponibles.

SSacha

Dans un modèle dense, chaque token passe par l’ensemble des paramètres du modèle. Ripple-65B compte 65 milliards de paramètres, et son architecture les mobilise donc de façon dense pour produire ses réponses. Un modèle à mélange d’experts, lui, dispose de plusieurs groupes de paramètres, mais n’en active qu’une partie pour chaque token. Alors, comparer seulement le nombre total de paramètres peut donner une image trompeuse : ce chiffre ne dit pas à lui seul combien de calcul est mobilisé à chaque étape, ni quelle est la complexité du service. Ricursive explique avoir choisi la voie dense pour simplifier l’entraînement et l’infrastructure d’exécution. C’est un choix d’ingénierie qui peut faciliter certains aspects de la construction du modèle, mais il ne démontre pas, à lui seul, que Ripple-65B sera plus rapide ou moins coûteux à utiliser.

SSacha

Le modèle vise le travail de programmation, notamment les tâches où un système doit utiliser un terminal, modifier des fichiers et corriger progressivement du code. Ce type d’évaluation cherche à mesurer des actions concrètes, plutôt qu’une simple réponse rédigée sur un sujet informatique. Ripple-65B est diffusé sous licence Apache 2.0, une licence à poids ouverts qui permet de consulter et d’utiliser les poids selon ses conditions. Ses poids sont proposés sur Hugging Face, et un accès hébergé est aussi disponible par OpenRouter, Together AI, GMI Cloud et Fireworks. Cela donne plusieurs portes d’entrée, que l’on souhaite expérimenter avec le modèle ou passer par un service en ligne. En revanche, les informations annoncées ici ne précisent pas le coût de ces accès, ni les conditions pratiques d’utilisation propres à chaque plateforme.

SSacha

La fenêtre de contexte, c’est la quantité de texte que le modèle peut prendre en compte dans un même échange ou une même tâche. Avec un million de tokens annoncé, Ripple-65B peut recevoir un très long ensemble de contenus, par exemple un grand volume de code, avant de produire une réponse. Pour un travail sur un logiciel, cela peut permettre de fournir davantage de fichiers ou de documentation sans les découper immédiatement en petits morceaux. Ricursive indique même que certaines étapes de l’entraînement ont atteint deux millions de tokens de contexte. Attention, cela ne signifie pas que chaque réponse sera automatiquement meilleure, ni que toute tâche nécessite une fenêtre aussi vaste. C’est une capacité technique utile dans certains scénarios, mais sa valeur dépend de la façon dont le modèle exploite réellement le contenu fourni.

SSacha

Le premier point de prudence, c’est que les comparaisons et le budget de 32 millions de dollars viennent de Ricursive. Les résultats ne sont pas accompagnés ici d’une vérification indépendante, et il faudra donc attendre des évaluations extérieures pour confirmer que les performances se reproduisent. Le score de 80,52 porte sur Terminal-Bench 2.1 ; il ne résume pas à lui seul toutes les compétences utiles pour programmer. De même, dépasser un modèle sur une évaluation donnée ne garantit pas de le dépasser sur d’autres tâches, ni dans des usages réels variés. Ricursive annonce aussi environ 40 % de MFU pendant l’entraînement, sans noyaux personnalisés. Cette mesure estime l’utilisation de la puissance de calcul théorique des accélérateurs ; elle renseigne sur l’efficacité de l’entraînement, pas directement sur la qualité du modèle ou sa vitesse de réponse. Ce sont donc des indicateurs à interpréter séparément.

SSacha

Ripple-65B met en avant une autre façon de construire un modèle de code : un modèle dense de 65 milliards de paramètres, plutôt qu’un système à mélange d’experts beaucoup plus large. Ricursive associe ce choix à un entraînement sur 12 000 milliards de tokens et à un coût de développement annoncé de 32 millions de dollars. La fenêtre de contexte d’un million de tokens et la licence Apache 2.0 complètent la proposition, avec une diffusion des poids et plusieurs accès hébergés. Pour les développeurs, l’intérêt potentiel est d’avoir un nouveau modèle à essayer sur des tâches de programmation concrètes, notamment celles qui impliquent des outils et des modifications de fichiers. Mais il faut séparer l’ambition et les annonces de l’entreprise de ce qui est déjà établi : les performances comparatives et le coût restent à confirmer indépendamment. Le test décisif sera de voir si ces résultats tiennent sur des évaluations indépendantes et dans des usages variés.