استارتاپ Ricursive با معرفی مدل متن‌باز Ripple-65B، مدعی پیشتازی در کدنویسی شد

امروز دستاورد جدیدی در اکوسیستم هوش مصنوعی به ثبت رسید؛ یک مدل جدید با وزن‌های باز که به ادعای سازندگانش، در مقایسه با سایر مدل‌های متن‌باز آمریکایی، بالاترین امتیاز عملکرد کدنویسی را در دو بنچمارک مستقل به دست آورده است.

این مدل که Ripple-65B Preview نام دارد، توسط استارتاپ نوپای Ricursive Intelligence توسعه یافته است. این شرکت اعلام کرده که مدل جدیدش در دو بنچمارک Terminal-Bench 2.1 و SWE-bench Pro v2.0 Hard رتبه اول را کسب کرده است؛ معیارهایی که به ترتیب برای سنجش توانایی نوشتن کد در محیط خط فرمان و حل مسائل دشوار مهندسی نرم‌افزار به کار می‌روند (معیار دوم به‌تازگی در ماه سپتامبر معرفی شده است).

نسخه پیش‌نمایش Ripple-65B هم‌اکنون برای دانلود عمومی در پلتفرم Hugging Face قرار گرفته و از طریق رابط‌های برنامه‌نویسی کاربردی (API) ارائه‌دهندگان منتخب از جمله Together AI، سرویس ابری GMI Cloud و پلتفرم OpenRouter در دسترس است؛ هم‌چنین انتظار می‌رود پشتیبانی سرویس Fireworks نیز به زودی آغاز شود.

در پلتفرم OpenRouter، هزینه استفاده از اندپوینت GMICloud معادل ۰.۲۰ دلار به ازای هر یک میلیون توکن ورودی و ۰.۶۰ دلار به ازای هر یک میلیون توکن خروجی تعیین شده است.

البته این رونمایی با چند نکته و محدودیت همراه است. ادعای استارتاپ Ricursive درباره صدرنشینی، صرفاً در مقایسه با برخی رقبای آمریکایی و در آزمون‌هایی مشخص صدق می‌کند؛ ضمن اینکه داده‌های ارائه‌شده توسط خود شرکت نشان می‌دهد این مدل در برخی بنچمارک‌های دیگر از سایر مدل‌های متن‌باز عقب‌تر است.

علاوه بر این، در حالی که ظرفیت زمینه اعلام‌شده برای مدل یک میلیون توکن است، سقف پشتیبانی فعلی در پلتفرم OpenRouter روی ۱۶٬۳۸۴ توکن محدود مانده است.

عرضه عمومی فناوری زیربنایی یک استارتاپ طراحی تراشه

بیانیه رسمی Ricursive مدل Ripple را به‌عنوان دستاوردی برآمده از فعالیت‌های این شرکت در حوزه نیمه‌رساناها معرفی می‌کند. این شرکت در ابتدا یک مدل زبانی اختصاصی برای پشتیبانی از پلتفرم طراحی تراشه خود توسعه داد و سپس نسخه‌ای عمومی از آن را برای کاربردهای گسترده‌تر منتشر کرد.

تیم Ricursive این عرضه را «گونه‌ای چندمنظوره از مدل اختصاصی توان‌بخش پلتفرم طراحی تراشه‌های هوش مصنوعی ما» توصیف کرده است.

این تفکیک اهمیت زیادی دارد، زیرا توسعه‌دهندگان به یک مدل چندمنظوره مرتبط دسترسی پیدا می‌کنند، نه سامانه کامل و اختصاصی طراحی تراشه این شرکت.

بنیان‌گذاران این استارتاپ، آنا گلدی به‌عنوان مدیرعامل و آزالیا میرحسینی به‌عنوان مدیر ارشد فناوری، پیش از این در گوگل نقش کلیدی در ساخت نرم‌افزار طراحی تراشه مبتنی بر یاد‌گیری تقویتی یعنی AlphaChip داشتند.

استارتاپ Ricursive در ماه ژانویه جذب سرمایه ۳۰۰ میلیون دلاری سری A را با ارزش‌گذاری ۴ میلیارد دلار به رهبری Lightspeed اعلام کرد؛ دور سرمایه‌گذاری پر سر و صدایی که با مشارکت سرمایه‌گذارانی چون بازوی سرمایه‌گذاری انویدیا (NVentures)، صندوق DST Global و Sequoia همراه بود.

بنابراین مدل Ripple به توسعه‌دهندگان مستقل امکان می‌دهد فناوری شرکتی با پشتوانه مالی قدرتمند را ارزیابی کنند که فعالیت اصلی‌اش شتاب‌بخشی به توسعه تراشه‌های سیلیکونی است. با این حال، نتایج بنچمارک‌های کدنویسی این مدل، اثبات‌کننده کارایی سامانه مجزای طراحی تراشه آن نخواهد بود.

نتایج قدرتمند در کدنویسی و برتری شکننده در بنچمارک Terminal-Bench

مدل Ripple شامل ۶۵ میلیارد پارامتر است؛ وزن‌هایی عددی که مدل در طول فرآیند آموزش یاد می‌گیرد. استارتاپ Ricursive این مدل را از پایه بر روی ۱۲ تریلیون توکن آموزش داده است؛ واحدهای متنی که نمایانگر کلمات، بخش‌هایی از کلمات یا علائم نگارشی هستند.

این شرکت تمرکز ویژه‌ای بر وظایفی داشته که در آن‌ها مدل هوش مصنوعی باید چندین مرحله پیاپی را طی کند و برای تکمیل کار، ابزارهای نرم‌افزاری مختلف را به خدمت بگیرد. اسناد منتشرشده در زمان عرضه، نتایج زیر را نشان می‌دهند:

در بنچمارک Terminal-Bench، شرکت Ricursive مدل Ripple را با امتیاز ۸۰.۵ کمی بالاتر از مدل Beam شرکت Reflection با امتیاز ۸۰.۱ قرار داده است؛ پس از آن‌ها، مدل Muse Spark Open متا با امتیاز ۷۶.۴، مدل Inkling از شرکت Thinking Machines با امتیاز ۶۳.۸ و Nemotron 3 Ultra انویدیا با امتیاز ۵۶.۴ جای گرفته‌اند. با در نظر گرفتن این ارقام گردشده، برتری Ripple نسبت به Beam تنها حدود ۰.۴ درصد است.

این شرکت تأکید می‌کند که به این نتایج با حجمی حدود ۱۵ برابر کمتر از تعداد کل پارامترهای مدل Inkling متعلق به Thinking Machines دست یافته است.

نمودار رسمی زمان عرضه هم‌چنین Ripple را در میان این گروه، در جایگاه نخست بنچمارک SWE-bench Pro v2.0 Hard قرار می‌دهد. با این حال، در بنچمارک DeepSWE اوضاع تغییر می‌کند و مدل متا با امتیاز ۶۰.۰ عملکرد بهتری نسبت به امتیاز ۴۴.۳ مدل Ripple نشان می‌دهد. هم‌چنین متا در آزمون‌های ارائه‌شده مربوط به اتوماسیون و ایمنی در برابر حملات متخاصم، بالاتر از Ripple می‌ایستد و در آزمون ریاضی نیز هر دو مدل متا و Reflection امتیاز بیشتری به دست آورده‌اند.

بنابراین اعلام پیشتازی مطلق در کدنویسی بزرگ‌نمایی به حساب می‌آید. مقایسه منتشرشده توسط شرکت Reflection نشان می‌دهد که چند مدل توسعه‌یافته در چین، امتیاز بالاتری نسبت به نتیجه اعلام‌شده Ripple در بنچمارک Terminal-Bench کسب کرده‌اند.

هم‌چنین ارقام به‌روزشده مدل Beam با جدول مقایسه‌ای Ricursive تفاوت‌هایی دارد؛ از جمله امتیاز ۷۷.۲ در بنچمارک SWE-bench Pro v2-Hard و ۴۴.۴ در DeepSWE. این موارد ارزیابی‌های مجزای ارائه‌دهندگان هستند و آزمون‌های کنترل‌شده و هم‌زمان روی هر دو مدل به‌شمار نمی‌روند.

روش‌های ارزیابی و ارقام ضدونقیض، مقایسه را پیچیده می‌کنند

در اسناد خود شرکت Ricursive نیز تناقضاتی دیده می‌شود. شناسنامه مدل در هاگینگ فیس، امتیازهای بنچمارک SWE-bench Pro v2.0 Hard را برای مدل متا ۵۲.۳ و برای Inkling برابر با ۲.۰ ثبت کرده است، در حالی که در نمودار روز عرضه این اعداد به ترتیب ۷۲.۴ و ۳۹.۶ اعلام شده بودند. برخی نمرات رقیبان در DeepSWE نیز متفاوت گزارش شده است.

در این شناسنامه توضیح داده شده که جدول‌ها ترکیبی از نتایج منتشرشده پیشین و ارزیابی‌های داخلی شرکت هستند و به دشواری بازتولید دقیق نتایج در ارزیابی ایجنت‌ها اذعان شده است. هم‌چنین اشاره شده که تغییر فریمورک ارزیابی بر نمرات نهایی اثرگذار بوده است.

برای مدیران و خریداران فنی، این عدم قطعیت باعث می‌شود نتوان با اطمینان کامل عملکرد مدل را در جریان‌های کاری کدنویسی پیش‌بینی کرد. نرم‌افزاری که ایجنت هوش مصنوعی را احاطه کرده است تعیین می‌کند که ایجنت به چه ابزارهایی دسترسی داشته باشد، مکالمات طولانی را چگونه مدیریت کند و در مواجهه با خطاها چه واکنشی نشان دهد. بنابراین نتیجه یک بنچمارک صرفاً نشان‌دهنده توان مدل پایه نیست، بلکه کل این زیرساخت را بازتاب می‌دهد.

نتایج اعلام‌شده مدل Ripple را به گزینه‌ای جدی برای بررسی اولیه تبدیل می‌کند، اما هنوز مشخص نمی‌کند که آیا این مدل می‌تواند وظایف کدنویسی یک سازمان را دقیق‌تر، سریع‌تر یا ارزان‌تر از مدل‌های فعلی انجام دهد یا خیر.

ادعای Ricursive درباره کاهش چشمگیر هزینه‌های آموزش

استارتاپ Ricursive به بهره‌وری کم‌نظیر هزینه‌ها در آموزش مدل Ripple اشاره می‌کند. به گفته این شرکت، کل مراحل شامل آزمایش‌های اولیه، آماده‌سازی مجموعه‌داده، ارزیابی‌ها، عیب‌یابی، تولید داده‌های مصنوعی، توسعه مراحل پایانی آموزش و اجرای نهایی در مجموع ۳۲ میلیون دلار هزینه برداشته است؛ رقمی که در مقایسه با صدها میلیون یا حتی میلیاردها دلار برآوردشده برای سایر مدل‌های مرزی انحصاری، بسیار پایین به نظر می‌رسد.

البته این مقایسه با رقبا نیازمند ارزیابی دقیق‌تر است. شرکت Ricursive بر اساس گزارش‌های منتشرشده پیرامون تعهدات زیرساخت محاسباتی شرکت Reflection و طول دوره آموزش، تخمین می‌زند که هزینه‌اش حدود یک‌دهم پیشتاز قبلی وزن‌های باز آمریکا در زمینه کدنویسی بوده است. این برآورد بر اساس گزارش مالی مستقیم و یکسان از سوی هر دو شرکت نیست.

ادعای بهره‌وری استارتاپ Ricursive بر دو رکن فنی استوار است.

نخست اینکه این استارتاپ اعلام کرده فرایند یاد‌گیری تقویتی آن پس از ۱.۴ میلیون گام اجرایی (Rollout) به نتیجه ثبت‌شده در بنچمارک Terminal-Bench رسیده است. یک گام اجرایی در واقع زنجیره‌ای از اقدامات تولیدشده است که پژوهشگران آن را ارزیابی کرده و به‌عنوان بازخورد آموزشی به کار می‌برند. شرکت Ricursive می‌گوید این میزان تقریباً ۷۰ برابر کمتر از گام‌های مورد نیاز در رویکرد شرکت Reflection بوده است.

از طرف دیگر شرکت Reflection پیش از این به‌شکل مستقل گزارش داده بود که در طول اجرای چهار هفته‌ای یاد‌گیری تقویتی، بیش از ۱۰۰ میلیون گام اجرایی ایجاد کرده است. با این حال، تفاوت در تعداد گام‌ها به‌تنهایی به معنای کاهش معادل در هزینه‌ها نیست؛ زیرا توالی اقدامات می‌تواند از نظر طول توالی، توان سخت‌افزاری مورد نیاز و هزینه ارزیابی تفاوت‌های عمده‌ای داشته باشد.

دوم اینکه شرکت Ricursive مدعی است با بازطراحی ساختار مدل، تنظیم دقیق پارامترهای تمرینی و پالایش داده‌ها، کارایی آموزش اولیه را ارتقا داده است. آزمایش‌های این تیم با مدل پایه Olmo 3 آغاز شد و پیش از پیاده‌سازی روی مدل بزرگ، تغییرات در مقیاس‌های کوچک‌تر سنجیده شدند.

نمودار آموزشی ارائه‌شده توسط شرکت نشان می‌دهد که فرمول نهایی آن‌ها در مقیاس ۴ میلیارد پارامتر توانسته با ۱۶ برابر توان محاسباتی کمتر به میزان خطای مشابه در پیش‌بینی کد برسد. این رقم معیاری برای بهره‌وری آموزش در یک هدف مشخص است و لزوماً به بهبود ۱۶ برابری در عملکرد یا کاهش هزینه عملیاتی ایجنت کدنویسی تبدیل نمی‌شود.

معماری یکپارچه برای آموزش آسان‌تر و استقرار محلی

تیم Ricursive معماری متراکم یا چگال (Dense) را برای این مدل برگزیده است که در آن هنگام تولید پاسخ، از تمامی پارامترهای مدل استفاده می‌شود. این شرکت اعلام کرده که انتخاب معماری متراکم در مقایسه با طراحی ترکیب متخصصان (Mixture-of-Experts یا MoE) که محاسبات را به بخش‌های محدودی از یک مدل بزرگ‌تر هدایت می‌کند، پیچیدگی زیرساخت آموزشی را بسیار کمتر کرده است.

مدل Ripple با ۸۰ لایه طراحی شده و ساختار آن برای سخت‌افزارهای انویدیا بهینه‌سازی شده است. سازندگان اعلام کرده‌اند که بدون نیاز به کرنل‌های سفارشی خاص یا کوانتیزاسیون در جریان آموزش، بهره‌وری محاسباتی شناور مدل (FLOPs Utilization) را در حدود ۴۰ درصد حفظ کرده‌اند؛ عددی که نشان‌دهنده استفاده بسیار بهینه از ظرفیت محاسباتی موجود است.

با این حال، تعداد کل پارامترها نیازمند بررسی دقیق‌تری است. شناسنامه مدل نشان می‌دهد که Ripple دارای ۶۵ میلیارد پارامتر فعال است، در حالی که مدل Beam شرکت Reflection با وجود داشتن ۵۰۱ میلیارد پارامتر در مجموع، تنها ۲۳ میلیارد پارامتر فعال در هر گام پردازش دارد. اندازه کلی مدل و توان محاسباتی به ازای هر توکن تولیدی، دو مقیاس کاملاً متفاوت هستند.

برای اجرای محلی، شرکت Ricursive به سیستم DGX Spark انویدیا اشاره کرده و در اطلاع‌رسانی شبکه‌های اجتماعی نیز از لپ‌تاپ‌های مک‌بوک نام برده است. با این حال، هنوز پیکربندی حافظه، سرعت دقیق یا طول زمینه قابل استفاده برای لپ‌تاپ‌ها به‌طور شفاف مشخص نشده است.

شناسنامه مدل به وزن‌های دستورالعمل‌محور در فرمت‌های BF16 و هم‌چنین فرمت فشرده NVFP4 به‌همراه مدل پایه BF16 پیوند دارد. توسعه‌دهندگانی که قصد اجرای محلی مدل را دارند باید تفاوت این نسخه‌ها را بشناسند و میزان مصرف حافظه و عملکرد حاصل از هر کدام را به‌طور مستقل اندازه‌گیری کنند.

قیمت‌گذاری در سرویس‌های ابری: نرخ مشخص در OpenRouter و ابهام در سایر میزبان‌ها

شفاف‌ترین نرخ منتشرشده برای استفاده از این مدل در پلتفرم OpenRouter دیده می‌شود که سرویس‌دهی آن توسط سرورهای GMICloud انجام می‌گیرد.

پلتفرم OpenRouter هم‌چنین هزینه توکن‌های کش‌شده در ورودی را ۰.۰۵ دلار به ازای هر یک میلیون توکن در نظر گرفته است. در حال حاضر اندپوینت این ارائه‌دهنده از طول زمینه ۱۶٬۳۸۴ توکن پشتیبانی می‌کند، بنابراین توسعه‌دهندگان نباید تصور کنند این هزینه امکان استفاده از پنجره زمینه یک میلیون توکنی تبلیغ‌شده توسط Ricursive را فراهم می‌سازد.

صفحه اختصاصی مدل در Together نشان می‌دهد که این مدل به زودی به API بدون سرور (Serverless) این پلتفرم افزوده خواهد شد، هرچند در زمان بررسی هنوز در جدول قیمت‌های عمومی Together قرار نگرفته بود.

در مستندات قیمت‌گذاری سرویس Fireworks نیز تعرفه مستقلی برای Ripple درج نشده است. این سرویس تعرفه عمومی ۰.۹۰ دلار در هر میلیون توکن را برای مدل‌های متراکم فهرست‌نشده بالای ۱۶ میلیارد پارامتر اعمال می‌کند که برای ورودی و خروجی یکسان است؛ اما این قاعده عمومی را نباید به‌عنوان قیمت تأییدشده برای Ripple قلمداد کرد.

صفحه عمومی تعرفه‌های GMI Cloud بیشتر بر اجاره ظرفیت پردازنده‌های گرافیکی متمرکز است و صفحه کنسول مرتبط با Ripple در زمان بررسی نرخ مشخصی را نمایش نمی‌داد. به همین دلیل، نرخ اعلام‌شده در پلتفرم OpenRouter صرفاً هزینه استفاده از آن مسیر دسترسی خاص را مشخص می‌کند و نمی‌توان آن را قیمت مستقیم سرویس GMI در نظر گرفت.

نرخ‌های ثبت‌شده برای Ripple کمتر از قیمت‌های اعلام‌شده در پلتفرم Together برای مدل Beam است که ۰.۴۰ دلار ورودی و ۱.۲۰ دلار خروجی تعیین شده بود. البته Ripple ارزان‌ترین مدل میزبانی‌شده محسوب نمی‌شود؛ برای نمونه پلتفرم Together مدل GPT-OSS-120B را با نرخ ۰.۱۵ دلار ورودی و ۰.۶۰ دلار خروجی عرضه می‌کند. این مقایسه‌ها صرفاً بر اساس فهرست ارائه‌دهندگان مختلف است و شرایط سرویس‌دهی آن‌ها یکسان نیست.

در تحلیل هزینه‌های ایجنت‌های کدنویسی، هزینه هر توکن تنها بخشی از فاکتور نهایی به‌شمار می‌رود. تیم‌های فنی باید مواردی چون حجم متنی که در هر وظیفه تولید می‌شود، تعداد دفعات تلاش مجدد ایجنت برای اصلاح کد و هزینه محیط رایانشی اجرای ابزارها را نیز به‌دقت محاسبه کنند.

شرایط حقوقی: مجوز آپاچی ۲.۰ استفاده تجاری و بازتوزیع را مجاز می‌داند

مخزن رسمی استارتاپ Ricursive دارای مجوز آپاچی ۲.۰ (Apache 2.0) است که استفاده تجاری، اعمال تغییرات و توزیع مجدد را با رعایت شروط تعیین‌شده مجاز می‌شمارد.

برای تیم‌های سازمانی، این مجوز امکان شخصی‌سازی مدل و گنجاندن آن در محصولات تجاری را بدون نیاز به پرداخت حق امتیاز فراهم می‌کند. در این مجوز هیچ سقف درآمدی یا محدودیت تعداد کاربران ماهانه‌ای که نیازمند توافق تجاری جداگانه باشد، دیده نمی‌شود.

با این حال، بازتوزیع مدل تعهداتی به‌همراه دارد. دریافت‌کنندگان باید نسخه‌ای از مجوز را دریافت کنند، در فایل‌های ویرایش‌شده تغییرات به‌طور شفاف مشخص شود و کلیه حقوق مالکیت معنوی و نام‌گذاری‌ها حفظ گردد. هم‌چنین اگر پروژه دارای فایل NOTICE باشد، نکات مربوطه باید همراه مشتقات بازتوزیع‌شده ارائه شوند.

مجوز آپاچی ۲.۰ توسعه‌دهندگان را ملزم نمی‌کند که تغییرات اعمالی خود را تحت همین مجوز منتشر کنند. از سوی دیگر، این مجوز حقوق گسترده‌ای برای استفاده از علامت تجاری Ricursive ایجاد نکرده و هیچ‌گونه ضمانت‌نامه عملکردی برای مدل ارائه نمی‌دهد.

هم‌چنین باید تفکیک روشنی میان مجوز وزن‌های مدل و قراردادهای ارائه‌دهندگان میزبانی قائل شد. دانلود وزن‌های مدل هزینه‌های سخت‌افزاری و عملیاتی را از بین نمی‌برد و بهره‌گیری از API ابری همچنان مشمول تعرفه‌ها و مقررات سرویس‌دهنده خواهد بود.

آنچه تیم‌های فنی و سازمانی هم‌اکنون می‌توانند ارزیابی کنند

جذابیت فوری مدل Ripple در ترکیب عواملی چون وزن‌های قابل دانلود، مجوز آزاد تجاری، نتایج رقابتی در کدنویسی به گزارش سازنده و مسیرهای میزبانی ابری کم‌هزینه نهفته است.

گام بعدی برای تیم‌های توسعه، مقایسه عملی مدل با استفاده از مخازن نرم‌افزاری واقعی و ابزارهای ایجنتی خودشان است. در این سنجش باید نرخ موفقیت در وظایف، خطاها، زمان صرف‌شده، مصرف توکن و میزان نیاز به دخالت نیروی انسانی ثبت شود. هم‌چنین تیم‌هایی که خواهان اجرای محلی مدل هستند، نیازمند ارزیابی مجزایی در خصوص حداقل حافظه مورد نیاز و بازدهی پردازشی خواهند بود.

رونمایی استارتاپ Ricursive بستری فراهم کرده است تا مشخص شود آیا مدلی به مراتب کوچک‌تر می‌تواند از پس اموری برآید که پیش از این به سیستم‌های متن‌باز غول‌پیکر آمریکایی واگذار می‌شد یا خیر. پرسش‌های اصلی آینده پیرامون قابلیت بازتولید نتایج، محدودیت‌های استقرار و هزینه نهایی به ازای هر وظیفه تکمیل‌شده خواهد بود؛ متغیرهایی که تعیین می‌کنند آیا یک نتیجه امیدوارکننده در بنچمارک می‌تواند به ابزاری واقعاً کارآمد در پروژه‌های سازمانی تبدیل شود یا خیر.