室谷代表取締役Ripple 65-B Previewは、Ricursive Intelligenceが開発した65Bのエージェント型コーディングモデルで、Ollamaが2026年に自社ライブラリでの提供を開始したものです。ターミナル上で複数ステップの作業をこなすエージェント型コーディングに特化し、最大100万トークンの長いコンテキストを扱えるのが特徴なんですよね。
テキトー教師DotAI 認定講師しかもOllamaの公式スレッドでは「full zero data retention」、つまりデータを外部に保持しない形でローカル実行できると訴求されています。これは業務利用を考える企業にとってかなり大きいポイントですよ。
Ripple 65-B Previewとは？Ricursiveが発表した65Bのエージェント型コーディングモデル
Ripple 65-B Previewの基本情報
開発元
Ricursive Intelligence。ハードウェア・ソフトウェア・モデルを共最適化するフルスタックAIラボ
位置づけ
同社のAIチップ設計プラットフォームを支えるモデルの汎用版。チップ設計用にゼロから学習したモデルを一般向けに開放
アーキテクチャ
MoEではなくdenseモデル。65Bパラメータを全トークンで使用するmodernized dense Transformer
学習データ
12兆トークンで事前学習。ゼロから学習されたと公式ページに記載
dense採用の狙い
全パラメータを毎トークン動かすため推論挙動が読みやすく低遅延のトークン生成に向く。学習・サービングのインフラ複雑性を下げつつ推論とエージェント性能を両立
パラメータ数
65Bは最近の巨大モデルの流れではかなり小さい部類。あえてそこを選んでいる点が特徴
室谷代表取締役まず基本情報を整理したいんですけど、Ripple-65B PreviewはRicursive Intelligenceというラボのモデルで、同社のAIチップ設計プラットフォームを支えているモデルの汎用版という位置づけなんですよね。
テキトー教師DotAI 認定講師そうなんです。単に「コーディングが得意なモデル」という話じゃないんですよ。
Ricursiveはハードウェアとソフトウェアとモデルを共最適化するフルスタックのAIラボで、チップ設計のためにゼロから学習したモデルを、一般向けに開放したのが今回のRipple-65B Previewなんです。
Ricursiveはハードウェアとソフトウェアとモデルを共最適化するフルスタックのAIラボで、チップ設計のためにゼロから学習したモデルを、一般向けに開放したのが今回のRipple-65B Previewなんです。
室谷代表取締役アーキテクチャはMoEではなく、65Bパラメータを全トークンで使うdenseモデル。12兆トークンで事前学習されていて、ゼロから学習されたと公式ページに書かれています。
テキトー教師DotAI 認定講師ここは講座でもよく説明するんですが、denseモデルは全パラメータを毎トークン動かすので、推論時の挙動が読みやすく、低遅延のトークン生成に向く構造なんです。Ricursiveは「modernized dense Transformer」を選んだと明言していて、その理由として学習・サービングのインフラ複雑性を下げつつ、推論とエージェント性能を両立させる狙いを挙げています。
室谷代表取締役パラメータ数が65Bというのは、最近の巨大モデルの流れからするとかなり小さい部類ですよね。そこをあえて選んでいるのが面白いところです。
Ripple 65-B Previewでできること――ターミナル作業をこなすエージェント型コーディングと最大100万トークンの長文脈
Ripple 65-B Previewでできること
エージェント型コーディング
大規模な強化学習でトレーニングされ、コーディングエージェントのように振る舞い、ターミナル上で複数ステップのタスクを遂行する
単発生成ではなくタスク遂行
コマンド実行を伴うタスク遂行を指す点がポイント
ツール呼び出しと思考に対応
Ollamaのタグページでtoolsとthinkingのタグが付与されている
最大100万トークンの長文脈
公式ページでは最大100万トークン対応。大きなコードベースや長時間のエージェントセッションに向く
高速生成
OllamaのMLXエンジン上でDFlash 2という投機的デコーディングを使って高速に生成する
室谷代表取締役できることの中心はエージェント型コーディングです。大規模な強化学習でトレーニングされていて、コーディングエージェントのように振る舞い、ターミナル上で複数ステップのタスクを遂行するという説明になっています。
テキトー教師DotAI 認定講師単発のコード生成ではなく、コマンド実行を伴うタスク遂行を指すのがポイントですね。Ollamaのタグページを見ると、このモデルには
toolsとthinkingのタグが付いていて、ツール呼び出しと思考に対応していることが分かります。室谷代表取締役コンテキスト長も大きな売りです。公式ページでは最大100万トークン対応と書かれていて、大きなコードベースや長時間のエージェントセッションに向くとなっています。
ただ、Ollamaのタグページでは2M context windowという表記もあって、ここは表記が揃っていないんですよね。現時点では、Ricursiveの発表では最大1Mトークン、Ollamaのモデルページでは2M context windowという表記になっている、という整理が正確です。
ただ、Ollamaのタグページでは2M context windowという表記もあって、ここは表記が揃っていないんですよね。現時点では、Ricursiveの発表では最大1Mトークン、Ollamaのモデルページでは2M context windowという表記になっている、という整理が正確です。
テキトー教師DotAI 認定講師生成の速さも特徴です。OllamaのMLXエンジン上ではDFlash 2という投機的デコーディングを使って高速に生成すると公式ページにあります。
室谷代表取締役長文脈とエージェント作業と高速生成がセットになっているのは、実務のコーディングエージェントを回す上で効いてくる組み合わせですよね。
Ripple 65-B Previewの使い方・始め方――Ollamaでローカル実行する手順とClaude Code等との連携
Ripple 65-B Previewの実行方法と連携先
実行方法
- CLI: ollama run ripple-preview
- cURL: http://localhost:11434/api/chat にモデル名 ripple-preview を指定
- Python: ollama パッケージの chat 関数で model='ripple-preview' を指定
- JavaScript: ollama パッケージの chat で model: 'ripple-preview' を指定
アプリ連携
- Claude Code: ollama launch claude --model ripple-preview で起動
- OpenCode
- Hermes Agent
- OpenClaw
室谷代表取締役ここが今回のニュースの実務的な核心です。Ollamaの公式ページには
ollama run ripple-previewというコマンドがそのまま載っていて、これで動かせるようになっています。テキトー教師DotAI 認定講師整理するとこうです。
- CLI:
ollama run ripple-preview - cURL:
http://localhost:11434/api/chatにモデル名ripple-previewを指定 - Python:
ollamaパッケージのchat関数でmodel='ripple-preview'を指定 - JavaScript:
ollamaパッケージのchatでmodel: 'ripple-preview'を指定
室谷代表取締役さらにアプリケーション連携として、Claude Code、OpenCode、Hermes Agent、OpenClawが公式ページに並んでいて、たとえばClaude Codeなら
ollama launch claude --model ripple-previewという形で起動できると書かれています。テキトー教師DotAI 認定講師既存のコーディングエージェントのインターフェースに、ローカルのRippleを差し込める形ですね。これは受講生さんからもよく質問が出る使い方です。
室谷代表取締役モデルのバリエーションも整理しておきたいです。タグページには7つのモデルが載っていて、サイズと量子化が分かれています。
テキトー教師DotAI 認定講師整理するとこうです。
| タグ | サイズ | コンテキスト |
|---|---|---|
| ripple-preview:latest / :65b | 39GB〜46GB | 2M |
| ripple-preview:65b-q4_K_M | 39GB | 2M |
| ripple-preview:65b-nvfp4（MLX） | 46GB | 2M |
| ripple-preview:65b-gguf-bf16 | 130GB | 2M |
| ripple-preview:65b-bf16 | 130GB〜138GB | 2M |
| ripple-preview:65b-mlx-bf16（MLX） | 138GB | 2M |
室谷代表取締役量子化を選べば40GB前後、BF16なら130GB超という幅ですね。手元のマシンのメモリに合わせて選ぶ形になります。
テキトー教師DotAI 認定講師Ricursiveの発表では、小さいパラメータ枠なのでNVIDIA DGX Sparkのようなローカル端末でも効率的に動かせると説明されています。データセンター向けアクセラレータと比べてメモリ帯域が低い代わりに計算性能が高い、そうした端末に向くという位置づけです。
Ripple 65-B Previewの性能――Terminal-Bench 2.1で80.5、大規模モデルを上回るという主張
室谷代表取締役性能の話はRicursiveの主張として正確に伝えたいんですけど、Terminal-Bench 2.1で80.52を記録し、米国のオープンウェイトでSOTAを達成したとしています。
テキトー教師DotAI 認定講師比較対象も発表に明記されています。整理するとこうです。
- Ripple-65B Preview: 80.52
- Reflection Beam 501B: 80.1
- Meta Muse Spark Open 816B: 76.4
- Thinking Machines Inkling 975B: 63.8
- NVIDIA Nemotron 3 Ultra 550B: 56.4
室谷代表取締役65Bで、501Bや816B、975Bといったはるかに大きいモデルを上回ったという主張なんですよね。これはインパクトがあります。
テキトー教師DotAI 認定講師ただし、これはあくまでRicursiveの報告値であって、第三者が独立に検証した数値ではない点は押さえておきたいです。Ollamaのページも「Ricursive reports a score of 80.5」と、報告であることを明記しています。
室谷代表取締役強みと弱みも発表から読み取れます。Ricursiveのページにはベンチマークのカテゴリとして、エージェント型コーディングのTerminal-Bench 2.1、SWE-bench Pro v2.0 Hard、DeepSWE 1.1、数学のHMMT Feb 2026、安全性のFORTRESS Adversarial、自動化のAutomationBenchが並んでいます。
コーディング系に強く出ている一方で、数学系は相対的に劣るという見方も一部でされていますが、個別スコアは今回のソースでは数値が示されていないので、そこは現時点では明らかにされていない部分です。
コーディング系に強く出ている一方で、数学系は相対的に劣るという見方も一部でされていますが、個別スコアは今回のソースでは数値が示されていないので、そこは現時点では明らかにされていない部分です。
テキトー教師DotAI 認定講師ベンチマークの主張を扱うときは、誰の報告値かを必ず添える。これは講座でも徹底しているところです。
料金・提供範囲――Apache 2.0で商用利用可、Ollama以外の提供先と日本からの利用可否
室谷代表取締役ライセンスはApache 2.0で、商用利用が可能と公式ページに明記されています。ここは実務で使う上で大きいですよね。
テキトー教師DotAI 認定講師提供先も広がっています。Ricursiveの発表によると、Hugging Face、Together AI、GMI Cloud、OpenRouter、Fireworksで利用可能とされています。
Ollamaはそのうちのローカル実行の選択肢という位置づけです。
Ollamaはそのうちのローカル実行の選択肢という位置づけです。
室谷代表取締役料金についてなんですけど、今回のソースにはAPIの入力・出力の単価といった具体的な価格は書かれていないんですよ。ですので、料金は現時点では明らかにされていません、という整理になります。
テキトー教師DotAI 認定講師日本からの利用可否についても、公式ページに地域制限の記述は見当たりません。Ollamaでのローカル実行は手元のマシンで動かす形なので、モデルを取得できれば使えるという構造です。
ただし、提供プロバイダごとの対応状況は各サービスの案内を確認する必要があります。
ただし、提供プロバイダごとの対応状況は各サービスの案内を確認する必要があります。
室谷代表取締役ライセンスがApache 2.0なので、社内ツールに組み込むといった使い方もしやすいですね。
なぜ話題か――65Bの小ささと学習コスト3200万ドルが示すローカルAIの現在地
室谷代表取締役このニュースが刺さる理由は、性能の高さだけじゃないんですよね。学習コストが3200万ドルで、従来のオープンウェイトSOTAの10分の1だとRicursiveが主張しているんです。
テキトー教師DotAI 認定講師しかも3200万ドルは事前学習だけではなく、データミキシング、評価、デバッグ、合成データ生成、事後学習レシピの開発、最終の本番学習まで含めた研究開発費の総額だと説明されています。
室谷代表取締役学習の工夫も具体的です。強化学習は力任せではなく、SFTとRLのレシピを計算効率重視で反復したと。
1.4MロールアウトでTerminal-Bench 2.1の80.5に到達し、これは従来SOTAのReflection Beamと比べて約70分の1のロールアウト数だとしています。
1.4MロールアウトでTerminal-Bench 2.1の80.5に到達し、これは従来SOTAのReflection Beamと比べて約70分の1のロールアウト数だとしています。
テキトー教師DotAI 認定講師アーキテクチャも興味深いです。細く深い比率で、d_modelは5120、層数は80。
推論性能を上げるためにアテンションヘッドを多めに確保し、SWAとグローバルの層比率を上げ、SWAウィンドウを小さくしてコストを相殺する。さらにFFN活性化クリッピング、ゲーテッドアテンション、グローバルNoPE、バリュー残差を加えたと。
推論性能を上げるためにアテンションヘッドを多めに確保し、SWAとグローバルの層比率を上げ、SWAウィンドウを小さくしてコストを相殺する。さらにFFN活性化クリッピング、ゲーテッドアテンション、グローバルNoPE、バリュー残差を加えたと。
室谷代表取締役学習の土台としてOlmo 3のモデルラダーを起点にしている点も見逃せないです。オープンソースの成果の上に積み上げているわけですよね。
テキトー教師DotAI 認定講師最終的にはコードを大幅にアップサンプリングした独自の事前学習データに切り替え、4Bモデル規模でコード性能の計算効率が最大16倍改善したと説明されています。オープンなエコシステムが次の成果を生む、まさに自己改善のループです。
室谷代表取締役65Bというサイズでこの性能が出て、しかもローカル端末で動かせる。ローカルAIの現在地を示す象徴的なリリースだと思います。
MYUUUでもこうした小型高性能モデルの動向は注視していきたいですね。
MYUUUでもこうした小型高性能モデルの動向は注視していきたいですね。
よくある質問
室谷代表取締役最後に、よく聞かれそうな点を整理しておきますね。
テキトー教師DotAI 認定講師まず「Ripple 65-B Previewとは何か」ですが、Ricursive Intelligenceが開発した65Bのdenseモデルで、エージェント型コーディング向けに作られ、最大100万トークンのコンテキストに対応します。Ollamaが提供を開始しました。
室谷代表取締役「Ollamaでどう動かすか」は、
ollama run ripple-previewが基本です。量子化タグを選べば40GB前後から動かせます。テキトー教師DotAI 認定講師「ライセンスは」という質問には、Apache 2.0で商用利用可能と答えられます。
室谷代表取締役「料金は」については、今回のソースにAPI単価の記載がないため、現時点では明らかにされていません。提供プロバイダ各社の案内を確認する必要があります。
テキトー教師DotAI 認定講師「ベンチマークは本当か」については、Terminal-Bench 2.1で80.52というのはRicursiveの報告値である、という点を正確に伝えるのが大事ですね。
室谷代表取締役小型で高性能、しかもローカルで動く。エージェント型コーディングの選択肢がまた一つ増えた、というのが今回のポイントです。
