Ripple-65B: неужели это новый убийца Qwen 3.8 27B из США?

Америка наконец-то представила претендента на замену Qwen 3.8 27B. Ripple-65B Preview от команды AlphaChip из Ricursive Intelligence набрал 80,5 баллов в Terminal-Bench 2.1, опередив американские модели с параметрами 500B+. Но в стартовом рейтинге Qwen отсутствует. Поэтому я сравнил их напрямую: по производительности, памяти, скорости, программному обеспечению и тому, что не показывают бенчмарки. 🔍 ЧТО ВЫ УЗНАЕТЕ • В чем Ripple действительно превосходит Qwen 3.8 27B, а в чем сравнивается или проигрывает • Почему обе модели требуют одинакового объема памяти для вашего контекста, поэтому разница заключается только в весовых коэффициентах • Что помещается на 16, 24, 32 и 48 ГБ • Почему плотный 65-битный процессор работает примерно в 2,3 раза медленнее, чем Qwen на той же видеокарте • DFlash2 на DGX Spark: быстро в коде, медленно в тексте • Поддержка llama.cpp, Ollama и LM Studio уже сейчас • Кому на самом деле стоит перейти на Ripple ⏱️ РАЗДЕЛЫ 0:00 Ripple-65B против Qwen 3.8 27B 1:12 Кто создал Ripple (команда AlphaChip) 1:49 Раунд 1: бенчмарки 3:13 Раунд 2: память и видеопамять 5:23 Раунд 3: скорость 7:27 Раунд 4: программное обеспечение 8:14 Раунд 5: в чем преимущество Ripple 9:08 Подвох 9:33 Вердикт: кому следует перейти 📊 ЦИФРЫ (все данные предоставлены самими пользователями или получены в результате тестов сообщества, по состоянию на 6 ноября 2026 г.) • Terminal-Bench 2.1: Ripple 80.5, Qwen 3.8 27B 73.0 • SWE-bench Pro: 61.4 против 61.7 (разные тестовые среды) • DeepSWE 1.1: 44.3 против 42.2 • GPQA Diamond: 85.2 против 89.2 • 4-битный GGUF: Ripple 38.8 ГБ, Qwen 16.5 ГБ • Контекстная память: у обоих около 64 КБ на токен (по 16 слоев полного внимания каждый), около 2 ГБ при 32K и 9 ГБ при 128K • Ripple 2-бит (20 ГБ, подходит для 24 ГБ): примерно на 81% тот же следующий токен, что и в полной модели • RTX PRO 6000, Ripple Q6: 26 токенов/с при коротком запросе, 24 при 32K, 19 при 131K, менее 7 при 1M (76 минут на чтение запроса) • M5 Ultra, Ripple MLX 4-бит: около 22 токенов/с • DGX Spark, Ripple NVFP4 + DFlash2: около 26,5 токенов/с на коде, около 9 на тексте, около 5 без редактора (оценка) ✅ КОМУ СЛЕДУЕТ ПЕРЕХОДИТЬ • Менее 48 ГБ: оставьте Qwen 3.8 27B • 48 ГБ+ и агенты, активно использующие терминалы: попробуйте Ripple в 4-битном режиме, температура 0 • DGX Spark: только с помощью DFlash2 drafter, только для кода • Компания, которая не может использовать китайские модели: Ripple — ваш новый стандарт 🔗 ИСТОЧНИКИ Модель карты Ripple-65B: https://huggingface.co/ricursiveAI/Ri... Блог о запуске Ricursive: https://www.ricursive.com/ripple Модель карты Qwen3.8-27B: https://huggingface.co/Qwen/Qwen3.8-27B Поддержка Ripple в llama.cpp: https://github.com/ggml-org/llama.cpp... Ripple GGUF (AtomicChat): https://huggingface.co/AtomicChat/Rip... Быстрые запуски Ripple GGUF (prometheusAIR): https://huggingface.co/prometheusAIR/... Руководство по локальному запуску: https://dev.to/alanwest/how-to-run-ri... Qwen3.8-27B GGUF (Unsloth): https://huggingface.co/unsloth/Qwen3.... 📺 СМОТРЕТЬ ДАЛЕЕ Запуск Qwen3.8-27B на ЛЮБОМ GPU (от 8 ГБ до 32 ГБ):    • Run Qwen3.8-27B on ANY GPU (8GB to 32GB): ...   EAGLE-4 только что ускорил Qwen3.8-27B в 3,6 раза:    • EAGLE-4 Just Made Qwen3.8-27B 3.6x Faster!   Лучшие способы получить 48 ГБ видеопамяти для локального ИИ:    • Best Ways to Get 48GB VRAM for Local AI   🙌 ПОДДЕРЖИТЕ КАНАЛ Участники канала получают доступ к видео только для участников и приоритетные ответы в комментариях. Расскажите мне о своей видеокарте и о том, для чего вы используете свою модель, и я скажу вам, стоит ли Ripple занимать место на вашем диске. Нажмите кнопку «Присоединиться» под видео. 💬 Вы оставите свой Qwen или Ripple займет место на вашем диске? 📌 Исследовательское видео, 6 ноября 2026 г., через два дня после выхода предварительной версии Ripple-65B. Бенчмарки — это собственные показатели каждой лаборатории. Скорость — это результаты запусков сообщества или расчеты пропускной способности, как указано в видео. Ripple — это предварительная версия с небольшим постобучением, поэтому результаты могут измениться. Не спонсировано. #Ripple65B #Qwen #LocalAI #LocalLLM #LlamaCpp #OpenSourceAI #AIcoding