Segun MarkTechPost (AI/ML News), Ricursive Intelligence ha presentado Ripple-65B Preview, un modelo de inteligencia artificial de peso abierto diseñado para tareas de codificación autónoma. Este modelo, de 65 mil millones de parámetros densos (65B activos), fue entrenado desde cero sobre un corpus textual compuesto principalmente por contenido en inglés y código, con secuencias de hasta 8 mil tokens. Su rendimiento se mide en la prueba Terminal-Bench 2.1, donde alcanza una puntuación de 80.52 —el mejor resultado registrado hasta la fecha entre modelos abiertos de EE.UU. Aunque su tamaño es significativamente menor que los modelos basados en múltiples expertos (MoE), que alcanzan entre 501 mil y 975 mil billones de parámetros, Ripple-65B supera a sus contrapartes en tareas de codificación agente, especialmente en entornos de desarrollo con contextos largos, hasta 1 millón de tokens.
El modelo se entrega en tres versiones: una versión de instrucciones, una adaptada para el uso de NVFP4 y una base en precisión BF16. Todas las versiones operan bajo licencia Apache 2.0, facilitando su uso en entornos comerciales y educativos. Su entrenamiento se llevó a cabo sin cuantización ni kernels personalizados, utilizando un enfoque de arquitectura densa basada en Transformer, en lugar de un sistema de especialistas. Esta elección reduce la complejidad de infraestructura, permitiendo operar en GPUs de datacenter como el B200, con una velocidad de procesamiento de hasta 250 tokens por segundo. La versión experimental de NVFP4 está dirigida al sistema NVIDIA DGX Spark, indicando una proyección hacia infraestructuras de alto rendimiento.
El equipo de Ricursive revela que el costo total de investigación y desarrollo fue de 32 millones de dólares, cifra que representa una décima parte del costo registrado en el líder previo del campo de codificación agente con acceso abierto. Este ahorro se atribuye a una optimización del flujo de entrenamiento, que logró alcanzar un uso efectivo del 40% del factor de utilización de la memoria (MFU) mediante partición sencilla, sin recurrir a técnicas avanzadas de aceleración.
Para el lector peruano, este avance representa una oportunidad clave en el acceso a herramientas de inteligencia artificial que permiten automatizar tareas técnicas en desarrollo de software. Aunque Ripple-65B no domina en conocimiento técnico o en códigos científicos —su puntuación en SciCode es de solo 39.4, la más baja de cinco modelos evaluados por su equipo—, su capacidad para gestionar contextos largos y operar en entornos de desarrollo con baja infraestructura puede ser especialmente útil para emprendedores, estudiantes universitarios o equipos pequeños que no cuentan con equipos de alto rendimiento. La disponibilidad abierta del modelo y su bajo costo de desarrollo sugieren que, en el futuro, herramientas similares podrían integrarse en plataformas locales, potenciando la innovación tecnológica dentro del país.