美 리커시브, 오픈 모델 리플-65B 공개했다

미국 스타트업 리커시브 인텔리전스(Ricursive Intelligence)가 오픈 웨이트 모델 리플-65B 프리뷰(Ripple-65B Preview)를 내놨다. 파라미터는 650억개로 자신보다 훨씬 큰 미국산 오픈 모델을 에이전트 코딩 성능에서 앞섰다. 개발비는 3,200만 달러(448억원대)로 기존 최고 성능 오픈 모델 개발비의 10분의 1 수준이다.

리커시브 인텔리전스는 AI로 반도체 칩을 설계하는 재귀적 자기 개선을 연구하는 회사다. 리플-65B 프리뷰는 토큰 12조개로 사전 학습했고 컨텍스트 길이를 최대 100만 토큰까지 지원한다.

◇ 에이전트 코딩서 미국 오픈 모델 최고점=리플-65B 프리뷰는 에이전트 코딩 벤치마크 터미널-벤치(Terminal-Bench) 2.1에서 80.52점을 받았다. 미국산 오픈 웨이트 모델 가운데 가장 높은 점수다. 파라미터 5,010억개인 빔(Beam) 501B는 80.1점에 그쳤다. 메타(Meta)가 내놓은 파라미터 8,160억개짜리 뮤즈 스파크 오픈(Muse Spark Open)은 76.4점, 잉클링(Inkling) 975B는 63.8점이었다. 리커시브는 SWE-벤치 프로(SWE-bench Pro) v2.0 하드와 딥SWE(DeepSWE) 1.1에서도 미국산 오픈 모델과 성능을 비교해 공개했다.

모든 분야에서 앞선 건 아니다. 수학 벤치마크 HMMT 2026년 2월과 안전성 벤치마크 포트리스 어드버서리얼(FORTRESS Adversarial), AI 에이전트 실무 능력을 재는 오토메이션벤치(AutomationBench) 공개판에서는 뮤즈 스파크 오픈이 1위였다. 빔 501B가 뒤를 이었고 리플-65B 프리뷰는 3위였다.

◇ 개발비 3,200만 달러=AI 업계는 학습 비용이 매우 비싼 곳으로 꼽힌다. 샘 올트먼 오픈AI(OpenAI) 최고경영자(CEO)는 GPT-4 학습 비용이 1억 달러를 넘었다고 말한 바 있다. 다리오 아모데이 앤트로픽(Anthropic) CEO는 최첨단 모델 학습에 최대 10억 달러가 들 수 있고 사전 학습 비용만 2026~2027년 1,000억 달러에 이를 수 있다고 내다봤다.

리커시브는 리플-65B 프리뷰를 처음부터 만드는 데 3,200만 달러를 썼다고 밝혔다. 사전 학습 규모를 단계적으로 키운 실험과 데이터 조정, 평가와 디버깅, 합성 데이터 생성, 추가 학습 기법 개발, 최종 학습까지 연구개발 전체 비용을 합친 금액이다.

회사는 비용을 줄인 비결로 학습 방식을 들었다. 강화학습에 무작정 연산을 쏟아붓지 않고 연산 효율을 따지며 SFT와 강화학습 기법을 다듬었다는 설명이다. 사후 학습 데이터는 하나도 사지 않았다. 대신 자체 합성 데이터 파이프라인과 품질 필터링, 커버리지 지표를 개발했다. 터미널-벤치 2.1 점수를 80.5점까지 끌어올리는 데 든 시도 횟수는 140만회로 기존 최고점을 낸 빔의 70분의 1 수준이다.

리플-65B 프리뷰는 엔비디아(NVIDIA) 하드웨어에서 효율적으로 학습하고 서비스하도록 설계했다. 파라미터 규모가 비교적 작아 데이터센터용 대형 GPU는 물론 로컬 환경에서도 효율적으로 돌릴 수 있다는 게 회사 설명이다. 모델은 허깅페이스(Hugging Face)에서 무료로 내려받을 수 있다. 투게더AI(Together AI)와 GMI 클라우드(GMI Cloud), 오픈라우터(OpenRouter), 파이어웍스(Fireworks) 같은 API 서비스에서도 쓸 수 있다. 관련 내용은 이곳에서 확인할 수 있다.