리커시브, 650억 매개변수 AI 모델 공개…코딩 평가 80.52점

리커시브 인텔리전스(Ricursive Intelligence)가 매개변수 650억 개의 공개 가중치 AI 모델 Ripple-65B Preview를 공개했다. 회사가 밝힌 Terminal-Bench 2.1 점수는 80.52점으로, 5010억 매개변수 모델 Reflection Beam 501B의 80.1점보다 높다.

리커시브 인텔리전스는 발표문에서 새 모델을 자체 AI 칩 설계 플랫폼에 쓰이는 비공개 모델의 범용 버전이라고 설명했다. 리커시브는 앞서 AI 칩 설계 주기를 수주 단위로 줄이려는 구상을 공개한 바 있다.

모델은 매개변수 650억 개를 모두 사용하는 밀집형 구조다. 회사는 주로 영어 문장과 코드로 이뤄진 12조 토큰으로 모델을 처음부터 사전학습했다고 밝혔다.

모델은 80개 층으로 구성됐다. 회사가 제시한 최대 문맥 길이는 약 100만 토큰이며, 구조는 엔비디아 장비에서의 학습과 구동을 고려해 정했다고 설명했다.

회사는 BF16 기반 명령 수행 모델과 NVFP4 버전, 후속 학습 전 상태의 기본 모델을 제공한다. 모델 가중치는 허깅페이스 모델 카드에 아파치 2.0 라이선스로 공개됐다.

공개 가중치 모델은 학습된 가중치를 내려받아 실행할 수 있다. 따라서 모델 자체를 이용하는 방식과 외부 서비스가 제공하는 API의 처리 범위는 구분할 필요가 있다.

비교에 쓰인 Terminal-Bench는 AI가 명령줄 환경에서 작업을 수행하는 능력을 평가한다. 평가 운영팀은 버전 2.1 안내에서 기존 89개 과제 가운데 28개를 수정했다고 밝혔다.

리커시브 인텔리전스가 제시한 Terminal-Bench 2.1 점수는 80.52점이다. 회사가 비교한 Reflection Beam 501B의 점수는 80.1점으로, Ripple-65B Preview가 0.42점 높았다.

리커시브 인텔리전스는 모델 카드에서 일부 경쟁 모델의 공식 점수가 없는 평가 항목에는 자체 측정치를 넣었다고 밝혔다. 따라서 비교 수치에는 공개된 공식 점수와 회사가 자체 측정한 결과가 함께 포함된다.

회사는 평가 도구와 설정에 따라 Terminal-Bench 점수가 달라질 수 있어 결과를 재현하기 어렵다고 설명했다. 이 점수는 회사가 제시한 평가 결과로 읽어야 한다.

다른 코딩 평가에서는 경쟁 모델의 순서가 달랐다. 모델 카드의 SWE-bench Verified 점수는 Ripple-65B Preview가 76.5점, Beam 501B가 81.6점이었다.

SWE-bench Pro v2.0 Hard에서는 Ripple-65B Preview가 79.1점, Beam 501B가 76.5점으로 집계됐다. 두 평가에서 순위가 엇갈린 만큼 Terminal-Bench 한 항목만으로 전반적인 코딩 성능을 판단하기는 어렵다.

개발비 역시 회사가 제시한 수치다. 리커시브 인텔리전스는 사전학습 실험과 데이터 구성, 평가, 후속 학습, 최종 학습을 포함한 연구개발비가 3200만 달러(약 430억원)였다고 밝혔다.

회사는 강화학습 과정에서 약 140만 회의 시도를 거쳐 해당 평가 점수에 도달했다고 설명했다. 이 수치는 한 차례 학습 실행 비용이 아니라 개발 과정 전반에 대한 회사의 설명과 함께 제시됐다.

이용 경로에 따라 문맥 길이와 제공 상태는 다르다. OpenRouter 페이지는 API 문맥 길이를 1만6384토큰으로 표시해 모델 자체의 최대 문맥 길이 약 100만 토큰과 차이가 있다.

Together AI 모델 페이지는 서버리스 API 제공 상태를 ‘출시 예정’으로 안내하고 있다. 회사가 공개한 모델의 사양과 각 서비스에서 실제 제공하는 범위는 별도로 확인해야 한다.