Un nuovo contendente nei modelli open权重
Ricursive Intelligence, laboratorio di intelligenza artificiale fondato da ex ricercatori Google, ha presentato il 4 novembre Ripple-65B Preview, un modello con pesi aperti che l'azienda descrive come il migliore negli Stati Uniti per le prestazioni nel cosiddetto agentic coding, cioè la programmazione affidata a sistemi autonomi in grado di eseguire compiti complessi. La notizia è stata riportata da IT之家 il 6 novembre. Si tratta, secondo quanto dichiarato dall'azienda stessa, di una valutazione che riguarda esclusivamente i modelli open权重 statunitensi, una categoria che negli ultimi mesi ha visto una forte competizione tra laboratori indipendenti e grandi gruppi tecnologici.
Il modello nasce come variante generalista di una tecnologia sviluppata in precedenza da Ricursive Intelligence per piattaforme di progettazione di chip assistita dall'intelligenza artificiale. Questo passaggio da un dominio specialistico a un modello di uso generale rappresenta l'elemento di novità principale: un'azienda che finora operava in un settore verticale entra nel mercato dei modelli fondazionali aperti, dove la concorrenza è misurata soprattutto sulle capacità di ragionamento e di esecuzione di compiti reali.
Ripple-65B Preview è un modello denso, preaddestrato su 12 trilioni di token e con una finestra di contesto fino a 1 milione di token. Sono caratteristiche tecniche che lo collocano nella fascia dei modelli di grandi dimensioni, ma con un'architettura non sparse, cioè senza esperti selezionati dinamicamente. L'azienda sostiene che lo sviluppo e l'addestramento da zero siano costati 32 milioni di dollari, circa 2,14 miliardi di yuan secondo il cambio citato dalla fonte.
Il confronto dichiarato con i modelli più grandi
Secondo quanto affermato da Ricursive Intelligence, Ripple-65B Preview ottiene risultati migliori su TerminalBench 2.1 rispetto a concorrenti di dimensioni molto maggiori, come Meta Muse Spark Open 816B e Nvidia Nemotron 3 Ultra 550B. Il dato è particolarmente rilevante perché suggerisce che un modello più compatto possa competere con sistemi che, almeno nel numero di parametri indicato nei nomi, lo superano di oltre dieci volte. Se confermato, il risultato indicherebbe che l'efficienza dell'addestramento e la qualità dei dati contano più della sola scala dimensionale, un tema centrale nel dibattito sullo sviluppo dei modelli.
Va tuttavia sottolineato che la comparazione è una dichiarazione dell'azienda che ha sviluppato il modello e non risulta verificata in modo indipendente nel materiale disponibile. TerminalBench 2.1 è un benchmark specifico per compiti di terminale e programmazione agentica, quindi i risultati non implicano automaticamente una superiorità generale su altre tipologie di compiti, come il ragionamento linguistico, la comprensione multimodale o l'uso in produzione. Inoltre non è chiaro se i modelli citati come concorrenti siano stati valutati con le stesse impostazioni, lo stesso numero di tentativi o le stesse condizioni di inferenza.
Cosa resta da verificare
Il materiale non indica se Ripple-65B Preview sia disponibile per il download pubblico, con quale licenza venga distribuito né quali siano i termini d'uso commerciale, elementi decisivi per valutare l'impatto reale di un modello open权重. Non è nemmeno specificato se il costo di 32 milioni di dollari comprenda l'infrastruttura di calcolo, i dati di addestramento o solo alcune fasi del processo.
La notizia ha un interesse concreto per il settore: l'ingresso di un laboratorio specializzato in chip design nel mercato dei modelli generalisti aperti aggiunge un attore alla competizione statunitense e offre un possibile segnale che modelli di dimensioni contenute, se ben addestrati, possano ridurre i costi di sviluppo rispetto ai grandi sistemi proprietari. Resta però da capire se le prestazioni dichiarate saranno riprodotte da valutazioni indipendenti e se il modello sarà effettivamente accessibile alla comunità di sviluppatori, due condizioni necessarie perché la rivendicazione di leadership abbia un peso oltre l'annuncio.
