Ricursive Intelligence, Ripple 65B Preview adlı açık ağırlıklı yapay zekâ modelini yayımladı. Yapay zekâyla çip tasarlayan Ricursive, yeni model duyurusunda daha büyük parametre sayılarından ziyade kodlama performansını ve hesaplama verimliliğini öne çıkarıyor. Şirketin paylaştığı karşılaştırmalar kendi ölçümlerine dayanıyor ve bağımsız bir genel başarı sıralaması oluşturmuyor.
Ripple, 65 milyar parametreli yoğun bir model mimarisi kullanıyor. Ön eğitim verisi 12 trilyon tokena ulaşıyor ve desteklenen bağlam uzunluğu bir milyon token olarak açıklanıyor. Buradaki token, doğrudan kelimeyle aynı ölçü olmadığı için bu kapasiteyi bir milyon Türkçe kelime şeklinde okumamak gerekiyor.
Şirket, TerminalBench 2.1 testinde 80,52 puan bildirdi. Bu test, komut satırı üzerinden yürütülen yazılım görevlerine odaklanıyor. Dolayısıyla tek bir sonuçtan hareketle modelin bütün yazılım projelerinde veya Türkçe görevlerde en iyi seçenek olacağını söylemek mümkün değil.
Maliyet açıklaması da duyurunun dikkat çeken bir başka bölümünü oluşturuyor. Ricursive, 32 milyon doları yalnızca son eğitim çalışmasının bedeli olarak vermiyor. Veri karışımı denemeleri, değerlendirmeler, hata ayıklama, sentetik veri üretimi ve eğitim tarifinin geliştirilmesi bu toplamın içinde bulunuyor.
Ricursive, 32 milyon dolarlık maliyete araştırma denemelerini de dahil ediyor
Modelin ağırlıkları Hugging Face üzerinden erişime açılmış durumda. Bunun yanında Together AI, GMI Cloud, OpenRouter ve Fireworks üzerinden kullanım seçenekleri bulunuyor. Ağırlıklara ulaşabilmek ile her donanımda düşük maliyetle çalıştırabilmek ise ayrı konular olarak kalıyor.
Yerel kullanım düşünen geliştiriciler açısından bellek gereksinimi, nicemleme biçimi ve eşzamanlı istek sayısı pratik sonucu belirleyecek. Aynı model, farklı sunucularda farklı hız ve maliyet gösterebiliyor. Bu nedenle bir karşılaştırma yaparken yalnızca parametre sayısını değil, kullanılan donanımı ve görevin tamamlanma oranını da birlikte görmek gerekiyor.
Ricursive’in daha önce açıkladığı çalışma alanı, donanım tasarımı ile model geliştirmeyi ortak bir döngüye yerleştiriyor. Kurucuların AlphaChip geçmişi de çip bileşenlerinin yerleşimi üzerine yapılan araştırmalara dayanıyor. Ripple’ın kamuya açılan sürümü ise şirketin çip tasarım platformunda kullandığı özel modelin genel amaçlı bir türevi olarak sunuluyor.
Öte yandan modelin yayımlanması, Ricursive imzalı bir tüketici işlemcisinin satışa çıktığını göstermiyor. Şirket yazılım araçlarını ve modellerini geliştirirken üretim, fiziksel doğrulama ve çiplerin pazara ulaşması kendi aşamalarını koruyor. Ripple’ın günlük geliştirme işlerinde ne kadar yararlı olacağı, farklı ekiplerin paylaşacağı kullanım sonuçlarıyla daha görünür hâle gelecek.
Uzun bağlam kapasitesinin yazılım projelerine etkisi de görevden göreve değişiyor. Büyük bir kod deposunu aynı oturumda değerlendirmek ile o deponun her dosyasında doğru değişiklik yapmak aynı başarı ölçüsü değil. Geliştiricilerin kendi testlerini çalıştırması ve modelin önerdiği değişiklikleri gözden geçirmesi önemini koruyor. Bunun yanında dış serviste kullanılan modelle yerelde çalıştırılan nicemlenmiş sürümün sonuçları farklılaşabileceği için karşılaştırmada bu ayrıntının açık tutulması gerekiyor.
Günün Öne Çıkan Fırsatları
