この記事のポイント
- 自社環境で言語モデルを動かす担当者には、重みを入手して評価する候補が増えます。
- Ripple-65B Previewは650億パラメータのモデル。最大100万トークンの文脈に対応します。
- 端末向けに小さい数値形式の実験版NVFP4も公開。必要な容量や速さは環境と設定で確認します。
米Ricursive Intelligenceは、言語モデル「Ripple-65B Preview」を公開しています。学習結果のデータである重みを入手できるモデルとして、公式発表とモデルカードから特徴と評価条件を整理します。
65Bのモデルを、12兆トークンで学習
Ripple-65Bは、複数の専門部分を使い分けるMoE方式ではなく、密な構造のTransformerモデルです。650億パラメータ、学習データ12兆トークン、最大100万トークンの文脈に対応します。文脈長は一度に扱える情報量の上限です。同社のチップ設計用モデルから派生した汎用版と説明しています。開発・学習費用の総額は同社発表で3,200万ドルです。約10分の1という比較は、同社が推定した従来の米国公開モデルのコーディング性能上位モデルが対象です。
コーディング作業を測るTerminalBench 2.1では、同社は80.52というスコアを報告しています。モデルカードにはBF16という数値形式・最大の推論設定での比較条件が記載されています。他社の公式値と同社による測定を併用し、比較手順によって結果が動くことも説明しています。導入する業務での性能を測る値として、そのまま当てはめない方がよいでしょう。
DGX Sparkなどの端末を想定、形式と容量を確認
同社はNVIDIA DGX Sparkのような端末での実行を想定しています。演算能力に対してメモリの転送速度が限られる機器も意識した設計です。Hugging FaceではBF16版に加え、必要容量を抑える数値形式の実験版NVFP4も公開しています。ライセンスはApache 2.0です。Together AIなどのサービスでの提供も案内しています。
まとめ
自社環境で動かすモデルを探す方には、公開された形式とライセンスを確認する候補になります。ローカルLLMのメモリ・機器条件は、実行に必要な容量と速度を分けて考える参考になります。
試す場合は、使用するモデル形式と文脈長を決め、手元の機器で用途に近い処理を測るとよいでしょう。公開スコアの順位よりも、必要な精度と待ち時間に合うかを導入判断につなげやすくなります。
※2026年11月5日に確認した公式情報に基づきます。
