ریکرسیو اینتلیجنس، استارتاپی که سامانه‌های هوش مصنوعی برای طراحی تراشه می‌سازد، نسخه پیش‌نمایش مدل زبانی ریپل ۶۵بی را منتشر کرده است؛ مدلی با وزن‌های باز که بیش از همه برای برنامه‌نویسی با عامل‌های هوش مصنوعی طراحی شده است. وزن‌ها با مجوز آپاچی ۲، که استفاده تجاری و تغییر را مجاز می‌داند، در هاگینگ فیس قرار گرفته و مدل از طریق تو‌گدر ای‌آی، جی‌ام‌آی کلاود و اوپن‌روتر هم ارائه می‌شود و قرار است فایرورکس نیز به آن‌ها بپیوندد. ونچربیت که روز ۵ نوامبر ۲۰۲۶ این عرضه را پوشش داد، بنیان‌گذاران شرکت را پژوهشگران سابق گوگل معرفی کرده است.
این مدل نسخه‌ای عمومی از سامانه اختصاصی‌ای است که پشت سکوی طراحی تراشه ریکرسیو کار می‌کند. ریپل یک ترنسفورمر متراکم با ۶۵ میلیارد پارامتر است که از صفر روی ۱۲ هزار میلیارد توکن، عمدتاً متن انگلیسی و کد، آموزش دیده و از پنجره زمینه تا یک میلیون توکن پشتیبانی می‌کند. شرکت به‌جای معماری ترکیب متخصصان که امروز در بیشتر آزمایشگاه‌ها رایج است، طراحی متراکم را برگزیده و می‌گوید این کار آموزش و اجرای مدل را ساده‌تر کرده است. بسته منتشرشده شامل یک مدل تنظیم‌شده برای دستورها در دو قالب عددی و یک مدل پایه است.
مهم‌ترین ادعای ریکرسیو امتیاز ۸۰٫۵۲ در آزمون ترمینال‌بنچ ۲٫۱ است؛ اندکی بالاتر از ۸۰٫۱ مدل بیم شرکت رفلکشن و به‌مراتب بالاتر از مدل‌های باز متا، تینکینگ ماشینز و انویدیا که همگی از نظر تعداد کل پارامترها بسیار بزرگ‌ترند. در آزمون دشوار مهندسی نرم‌افزار نیز امتیاز ۷۹٫۱ را در برابر ۷۶٫۵ بیم گزارش کرده است. با این حال کارت مدل در آزمون‌های دیگر تصویر یکدستی نشان نمی‌دهد: ریپل در برخی آزمون‌های کدنویسی و ابزارمحور از رقبا عقب‌تر است و در آزمون‌های دانش عمومی هم از چند رقیب امتیاز کمتری می‌گیرد. خود شرکت می‌پذیرد که بازتولید نتایج آزمون‌های عامل‌محور دشوار است و مقایسه‌اش را تلاشی در حد توان می‌داند.
هزینه، بخش دیگر پیام شرکت است. ریکرسیو می‌گوید کل هزینه پژوهش و توسعه، از نخستین آزمایش‌های مقیاس‌پذیری تا اجراهای نهایی آموزش، ۳۲ میلیون دلار بوده که به برآورد خودش حدود یک‌دهم هزینه پیشتاز قبلی مدل‌های باز در برنامه‌نویسی عامل‌محور است. به گفته شرکت، نتیجه ترمینال‌بنچ با ۱٫۴ میلیون اجرای یادگیری تقویتی به دست آمده، یعنی حدود ۷۰ برابر کمتر از بیم، و تیم در طول پروژه از یک نفر به پنج نفر رسیده است.
معماری مدل باریک و عمیق است، با ۸۰ لایه و چند تغییر فنی در سازوکار توجه. ریکرسیو کار را از نردبان آموزشی‌ای آغاز کرد که مؤسسه آلن برای هوش مصنوعی برای مدل اولمو ۳ منتشر کرده بود و می‌گوید اصلاحاتش آموزش روی کد را در مقیاس کوچک تا ۱۶ برابر کارآمدتر کرده است. به دلیل اندازه نسبتاً جمع‌وجور، نسخه فشرده مدل به گفته شرکت روی یک دستگاه رومیزی انویدیا اجرا می‌شود و روی دو پردازنده گرافیکی مرکز داده حدود ۲۵۰ توکن در ثانیه تولید می‌کند.
همه ارقام عملکرد و هزینه از خود ریکرسیو است و در زمان عرضه هیچ ارزیابی مستقلی در دسترس نبود. برچسب پیش‌نمایش و آنچه شرکت پس‌آموزش نسبتاً سبک می‌نامد نشان می‌دهد مدل هنوز تغییر خواهد کرد، و زمانی برای نسخه نهایی یا نسخه داخلی ویژه طراحی تراشه اعلام نشده است.