Ripple-65B-Preview chega com 1 milhão de contexto por US$ 0,20

O Ripple-65B-Preview estreia no OpenRouter com uma combinação que interessa diretamente a quem paga a fatura da API: janela de contexto de 1.048.576 tokens, entrada a US$ 0,20 por milhão e saída a US$ 0,60 por milhão. O modelo é da ricursiveAI e foi lançado em 4 de novembro de 2026.

O número mais importante para uma decisão de arquitetura é o preço de entrada. Se você precisa enviar documentos extensos, históricos de conversa ou grandes volumes de código para uma única chamada, o Ripple-65B-Preview entra na faixa de baixo custo entre os modelos com contexto de aproximadamente 1 milhão de tokens.

O que mudou na prática

A estreia adiciona mais uma opção de contexto ultralongo ao OpenRouter. A janela informada corresponde a 1.048.576 tokens, o mesmo limite listado para o Tencent: Hy4, lançado no mesmo dia. O Crouton Alpha, da categoria stealth, também aparece com a mesma janela e preço zero para entrada e saída.

A comparação de preço, porém, não é uniforme. O Tencent: Hy4 custa US$ 0,417 por milhão de tokens de entrada e US$ 1,251 por milhão de tokens de saída. No OpenRouter, o Xiaomi: MiMo-V2.6-Flash oferece janela de 1.050.000 tokens por US$ 0,14 na entrada e US$ 0,28 na saída.

Isso coloca o Ripple em uma posição intermediária dentro das opções de contexto longo: ele não tem o menor preço de entrada entre os modelos comparáveis, mas cobra menos na entrada que o Hy4 e menos na saída que o Hy4. O MiMo-V2.6-Flash continua mais barato nas duas tarifas listadas.

A conta depende do tipo de uso

Para quem envia muito conteúdo e recebe respostas relativamente curtas, a tarifa de entrada pesa mais. Nesse cenário, o preço de US$ 0,20 por milhão de tokens pode ser o principal argumento a favor do Ripple. Já aplicações que pedem respostas extensas precisam olhar também para os US$ 0,60 da saída.

Se você usa o modelo em produção para resumir bases documentais, consultar repositórios inteiros ou manter históricos longos, a janela de 1.048.576 tokens reduz a necessidade de fragmentar o material em várias chamadas. Isso pode simplificar o fluxo da aplicação, mas não garante, por si só, melhor recuperação de informações ou respostas mais precisas.

O preço também não deve ser confundido com qualidade. Não há notas registradas para o Ripple-65B-Preview em inteligência, código ou uso agêntico no recorte do Artificial Analysis. Portanto, ainda não existe ali uma comparação de desempenho que justifique trocar um modelo já validado apenas pela janela ou pela tarifa.

Para quem vale — e para quem não muda nada

O lançamento vale principalmente para desenvolvedores que precisam testar contexto ultralongo sem começar por tarifas mais altas. Também é uma alternativa para equipes que querem comparar comportamento em documentos grandes, atendimento com histórico extenso ou análise de código distribuído em muitos arquivos.

Para quem trabalha com prompts curtos, o milhão de tokens de contexto não muda a economia da operação. Nesse caso, latência, qualidade, limites do provedor e preço de saída podem importar mais que o tamanho máximo da janela. Se a aplicação já funciona bem com um modelo de contexto menor, migrar para o Ripple não traz uma vantagem automática.

O mesmo vale para quem exige benchmark antes de colocar um modelo em produção. Como não há notas de inteligência, código ou uso agêntico disponíveis para o Ripple no Artificial Analysis, será necessário testar com dados próprios antes de definir roteamento, fallback ou substituição de um modelo existente.

A decisão para quem paga a API

O Ripple-65B-Preview amplia a concorrência no segmento de contexto ultralongo, mas não inaugura a categoria nem é o modelo mais barato da lista. O argumento concreto é outro: uma janela de 1.048.576 tokens combinada com uma tarifa de saída inferior à do Tencent: Hy4 e uma entrada ainda acessível.

Se o seu gargalo é colocar muito conteúdo em uma chamada, vale incluir o Ripple nos testes. Se o gargalo é qualidade comprovada, não há informação suficiente para escolhê-lo no lugar de um modelo já medido. A decisão prática é medir o custo real por tarefa e a taxa de acerto com seus próprios prompts antes de alterar a rota de produção.