Modèle MoE de DeepSeek avec 552B de paramètres au total et 8 à 16B actifs par token. Contexte de 1M de tokens, licence MIT : usage commercial libre. Conçu pour le service en ligne, trop grand pour un usage local sur un seul PC.
Ripple-65B Preview
Publié le 19 nov. 2026
Modèle dense de 64,8 milliards de paramètres de Ricursive Intelligence, Apache 2.0 : préentraînement depuis zéro sur 12 000 milliards de token, contexte jusqu'à 1M, architecture thin-and-deep (d_model 5120, 80 couches). Visé sur le coding agentique : 80,5 sur TerminalBench 2.1, devant des MoE open-weight jusqu'à 10x plus grands. Checkpoint NVFP4 (MLP 4 bits, attention BF16) pensé pour une seule workstation à 128 Go unifiés (DGX Spark), ~19,5 tok/s en une requête.
Caractéristiques
- 64,8B dense
- Apache 2.0
- 1M de contexte
- TerminalBench 2.1 : 80,5
- NVFP4 pour 128 Go unifiés
- Setup SGLang stock sur DGX Spark
Historique des versions
- 65B PreviewActuelle
Prima release: instruct BF16 e NVFP4, base BF16, DFlash2 draft.
Tags
Liens utiles
Découvrir Ripple-65B Preview
Visitez le site officiel pour télécharger, vous documenter et commencer à utiliser Ripple-65B Preview.
Ressources liées — Modèles
Le modèle d'images open le plus avancé : adhérence au prompt excellente, anatomie solide et fine-tuning complet. La référence pour les usages sérieux.
Génération en très peu d'étapes avec une haute qualité et un excellent rendu du texte. La version distillée de FLUX, pensée pour la vitesse.

