Ripple-65B: לפי החברה מודל פתוח אמריקאי מוביל במבחן קידוד אחד, אך מפגר אחרי Inkling 2 Small במדדים אחרים

חברת Ricursive Intelligence, שעוסקת בתכנון שבבי AI, אימנה מודל שפה פתוח משלה. לפי הדיווח ב-The Decoder, המודל Ripple-65B Preview השיג ציון של 80.52 במבחן הקידוד TerminalBench 2.1. על פי החברה, זו התוצאה הטובה ביותר בין המודלים הפתוחים האמריקאיים. Ricursive מציינת גם שעלות הפיתוח והאימון הכוללת עמדה על 32 מיליון דולר בלבד, סכום שלדבריה מכסה את כל הוצאות המחקר והפיתוח.

המודל זמין ב-Hugging Face תחת רישיון Apache 2.0, רישיון open source מתירני שמאפשר בדרך כלל גם שימוש מסחרי ושינוי של המודל. הוא עבר pretraining, שלב האימון הראשוני, על 12 טריליון tokens (יחידות טקסט שהמודל מעבד).

ההישג צר יותר ממה שנראה

הטענה המרכזית של Ricursive מוגבלת בשני מובנים: היא נוגעת למבחן אחד, והיא משווה רק למודלים פתוחים אמריקאיים, ולא לכלל המודלים הפתוחים. ההסתייגות הזו אינה עניין טכני בלבד, שכן רבים מהמודלים הפתוחים הבולטים בשנים האחרונות הגיעו מסין.

יש גם עניין מתודולוגי. לפי הדיווח, Ripple השתמש במבחן בחלקו ב-Terminus 2 ובחלקו ב-OpenCode כ-harness, כלומר התשתית שמריצה את המודל ומחברת אותו לכלים. המשמעות היא שהציון משקף ככל הנראה לא רק את המודל עצמו, אלא גם את סביבת ההרצה שבה נבחן.

הפער מול Inkling 2 Small

התמונה משתנה במבחנים אחרים. בהשוואה ל-Inkling 2 Small, שגם הוא שוחרר לאחרונה, Ripple מפגר בכל שלושת המדדים שמובאים בדיווח:

מבחן	Ripple-65B Preview	Inkling 2 Small
SWE-Bench Pro v2.0 Hard	79.1%	86.3%
DeepSWE v1.1	44.3%	72.1%
MCP Atlas	71.67%	85.4/85.0%

הפער הגדול ביותר נרשם ב-DeepSWE v1.1, כמעט 28 נקודות אחוז. הנתונים שמובאים בדיווח אינם כוללים השוואה בין השניים ב-TerminalBench 2.1, כך שלא ניתן לקבוע על פיהם כיצד Inkling 2 Small היה מתמודד במבחן שבו Ripple מתגאה.

מנגד, The Decoder מעריך ש-Ripple קל ככל הנראה יותר להפעלה על חומרה פרטית של המשתמשים. זה יתרון מעשי לארגונים שמעדיפים להריץ מודל בעצמם, גם אם הוא אינו מוביל במדדים.

ארכיטקטורה פחות נפוצה

Ripple בנוי כ-Transformer צפוף (dense) עם 65 מיליארד פרמטרים, ולא בגישת mixture-of-experts הנפוצה יותר. בגישה הנפוצה רק חלק מהמודל פעיל בכל שלב, ואילו במודל צפוף כל הפרמטרים משתתפים בחישוב. המודל מותאם לחומרה של אנבידיה.

למה זה חשוב

הנתון המעניין ביותר הוא ככל הנראה דווקא העלות. אם הסכום של 32 מיליון דולר אכן משקף את כל ההוצאות, המשמעות היא שגם חברה שאינה מעבדת AI מובילה יכולה לבנות מודל תחרותי במשימות קידוד מסוימות. עם זאת, מדובר בנתון מוצהר של החברה, וכך גם תוצאות המבחנים. הדיווח אינו מזכיר אימות עצמאי של אף אחד מהם, והמודל עצמו מוגדר עדיין Preview, כלומר גרסה מקדימה.

למפתחים ולארגונים, ההערכה הסבירה היא ש-Ripple הוא חלופה פתוחה ונוחה מבחינה משפטית, בעיקר למי שמחפש מודל אמריקאי שניתן להריץ באופן עצמאי. כמודל שמוביל את התחום הוא עדיין לא מוכיח את עצמו: התוצאה החזקה שלו מוגבלת למבחן אחד, ובמדדים האחרים שמובאים בדיווח הוא נשאר מאחור.