Ripple 65B Preview lidera TerminalBench 2.1 entre modelos abiertos de Estados Unidos

La Ricursive presentó el Ripple 65B Preview, un modelo abierto de 65 mil millones de parámetros que, según la empresa, alcanza la mayor puntuación entre modelos abiertos de Estados Unidos en TerminalBench 2.1. El resultado fue informado por The Decoder el 6 de noviembre de 2026, con base en información de la propia empresa.

En este artículo verás:

• Qué es Ripple 65B Preview y por qué llamó la atención
• Qué dice el resultado en TerminalBench 2.1
• Cómo se compara con Inkling 2 Small
• Qué aún falta confirmar antes de usar en producción
• Preguntas frecuentes sobre Ripple 65B Preview

Qué es Ripple 65B Preview

Ripple 65B Preview es un modelo de lenguaje abierto de Ricursive, con 65 mil millones de parámetros y licencia Apache 2.0. La propuesta de la empresa es ofrecer un modelo abierto hecho en Estados Unidos, con foco en tareas de programación y agentes. La licencia Apache 2.0 permite uso comercial y modificaciones, lo que hace al modelo interesante para equipos que quieren evitar dependencia de una API cerrada.

Según la noticia, el costo total de investigación y desarrollo fue de 32 millones de dólares. Ese número importa porque coloca a Ricursive en una disputa directa con laboratorios más grandes, que gastan valores muy superiores en entrenamiento. Aun así, Ripple 65B Preview no intenta ganar todos los benchmarks. El foco declarado es el desempeño en tareas de terminal y programación, donde los agentes necesitan ejecutar comandos, corregir errores y concluir tareas de varias etapas.

El modelo está disponible en Hugging Face, lo que facilita pruebas locales y comparaciones con otros modelos abiertos. Para quien programa con IA, esto significa una opción más de modelo abierto para correr en infraestructura propia, con control sobre datos y costo.

Qué dice el resultado en TerminalBench 2.1

El punto principal del anuncio es el desempeño en TerminalBench 2.1, un benchmark que mide la capacidad de agentes en tareas de terminal. La empresa dice que Ripple 65B Preview alcanza la mayor puntuación entre modelos abiertos de Estados Unidos en ese benchmark. El resultado es relevante porque terminal y línea de comandos son escenarios comunes para agentes de código, especialmente en flujos de desarrollo, depuración y automatización.

La noticia también informa que Ripple usa dos harnesses diferentes en las pruebas: Terminus 2 en parte de las ejecuciones y OpenCode en otra parte. Esto importa porque el harness puede influir en el resultado. Un modelo puede parecer mejor o peor dependiendo de cómo se ejecuta el agente, qué herramientas están disponibles y cómo se monta el prompt. Por eso, la puntuación debe leerse como resultado de un conjunto específico de condiciones, no como prueba absoluta de superioridad.

TerminalBench 2.1 mide tareas prácticas, pero no cubre todos los usos. No evalúa, por ejemplo, calidad de respuesta en conversación, seguridad, razonamiento multimodal o costo por token. Un modelo puede liderar este benchmark y aun así no ser la mejor elección para tu proyecto.

¿Cómo se compara con Inkling 2 Small?

El mismo artículo coloca al Ripple 65B Preview en comparación con Inkling 2 Small, otro modelo abierto lanzado recientemente. Según la noticia, Ripple queda por detrás de Inkling 2 Small en otros benchmarks. Esto crea un escenario común en el mercado actual: un modelo gana en una tarea específica, mientras que otro gana en tareas más amplias.

En la práctica, la elección entre ambos depende del trabajo. Si el foco es la automatización de terminal, la ejecución de comandos y la conclusión de tareas de desarrollo, Ripple puede ser una opción sólida. Si el foco es el rendimiento general en benchmarks más amplios, Inkling 2 Small parece llevar ventaja según los números divulgados.

Este tipo de comparación también muestra por qué un único benchmark no debe decidir la adopción de un modelo. Lo ideal es probar en el propio repositorio, con las tareas reales del equipo, y medir tiempo, costo y tasa de éxito. Para quien usa agentes de código, vale la pena comparar también latencia, consumo de tokens y estabilidad en tareas largas.

Qué falta confirmar aún

Los números de Ripple 65B Preview provienen de la empresa, no de un laboratorio independiente. Esto no invalida el resultado, pero exige cautela. Antes de adoptar el modelo, vale confirmar la puntuación en fuentes independientes, la versión exacta del modelo testeado y las configuraciones del harness.

También es importante observar que el resultado citado es entre modelos abiertos de Estados Unidos, no entre todos los modelos del mundo. Los modelos cerrados y los modelos abiertos de otros países pueden tener puntuaciones diferentes. La frase del anuncio es específica y no debe leerse como liderazgo general.

Otro punto es la madurez del modelo. Un preview puede cambiar rápidamente. La licencia, los pesos y la documentación pueden actualizarse. Antes de ponerlo en producción, verifica la versión en Hugging Face, la fecha de la última actualización y los requisitos de hardware.

Para ampliar la comparación con otros benchmarks recientes, ve VIALS AA benchmark de razonamiento sobre imágenes científicas y OpenAI presenta BioBasicBench prueba de biología con IA.