A tavaly alapított AI-startup, Recursive, bemutatta első nyilvános modelljét, Flintet, amit a cég szerdán tett elérhetővé. A Flint egy ingyenes kódolási modell, amely személyi számítógépen futtatható, és a vállalat szerint a fejlesztési munkák nagy részében mesterséges intelligencia segédkezett.
Mi az a Flint és hogyan készült?
A Flint egy úgynevezett mixture-of-experts (szakértői keverék) modell: a teljes, 40 milliárd paraméterből (súlyból) feladat közben csak kis szeletet — pontosan 2,5 milliárd paramétert — aktivál. Ez az architektúra lehetővé teszi, hogy a modell elég könnyű legyen egy átlagos laptop számára, miközben összességében nagy modellmérettel rendelkezik.
A cég közlése szerint a Flint fejlesztésében döntő szerepet játszott a Recursive saját, automata kutatási rendszere, a Eureka Machine. A rendszer ötleteket generált, kísérleteket futtatott, és az eredmények alapján döntött a továbblépésről; a vállalat azt állítja, hogy így egy kis csapat kevesebb mint négy hónap alatt építette fel a modellt a semmiből.
Teljesítmény és gyakorlat
Recursive saját mérései szerint Flint gyors: egy MacBook Pro M4 Pro chipen nagyjából 131 token/s (szövegrészlet/másodperc) sebességet ért el. Ez körülbelül kétszerese a hasonló kategóriás modelleknek ugyanazon a gépen, amelyek 58–69 token/s között teljesítettek (például Google Gemma 4 és Nvidia Nemotron 3.5 Lightning esetén). Nvidia RTX Spark hardveren Flint meghaladta a 150 token/s sebességet.
A Flint a SWE-Bench Verified néven ismert, valós hibajavítást mérő benchmarkon is jól szerepelt: a 50 milliárd paraméternél kisebb modellek között felülmúlta a többi versenytársat. Recursive hat tesztből álló átlagában csak az Alibaba Qwen3.8 27B modell ért el magasabb pontszámot.
Elérhetőség és licenc
A Flintet a felhasználók saját gépén futtatva offline is használhatják, ami segít a kód privát kezelésében és elkerülhetővé teszi a felhőalapú AI-szolgáltatások használati díjait. A modell ingyenesen letölthető a Hugging Face-en az Apache 2.0 nyílt forrású licenc alatt, amely lehetővé teszi a szabad felhasználást és módosítást.
Műszaki megoldások, eredmények a fejlesztésben
A vállalat szerint a Eureka Machine hozzájárult olyan technikai döntésekhez, mint a modellezési szerkezet ritkítása (sparser model shape), alacsony-bitű (low-bit) tréning, amely a Flint méretét 71%-kal csökkentette szinte minőségvesztés nélkül, valamint egyedi kernel-ek fejlesztése, amelyek felgyorsítják az alapvető számításokat.
A Recursive nem közölte pontosan, mennyi időt takarított meg a kutatócsoport számára a Eureka Machine, de megjegyezte, hogy a cél az, hogy minden új modell tovább növelje a rendszer képességét és önállóságát, miközben emberek felügyelik a folyamatot és képesek leállítani, ha szükséges.
Cégtörténet és stratégiai háttér
A Recursive májusban lépett ki a stealth üzemmódból, ekkor 650 millió dollár tőkét jelentett be, és 4,65 milliárd dolláros piaci értékelést kapott olyan befektetőktől, mint a GV, Nvidia és AMD Ventures. A cég vezérigazgatója Richard Socher, a Salesforce korábbi vezető tudósa.
Júniusban a vállalat részletezte, hogy 410 millió dolláros számítási kapacitás-megállapodást kötött az Amazon Web Services-szel, amelyről korábban azt mondták, hogy „kevésbé a létszámról, inkább az ügynökök számáról szól”.
Korlátok és korai visszajelzések
Recursive elismerte, hogy a Flint nagyobb irányítást igényelhet, mint a nagy, fizetős kódolási asszisztensek; a cég javasolja a nagy feladatok apróbb lépésekre bontását. Az első gyakorlati tesztek és beszámolók pozitívak: a Wired újságírója, Will Knight egy 48 GB memóriával szerelt Macen több kisebb programot épített Flinttel (például teendőlista-alkalmazás és webes kutatást végző eszköz), és tapasztalatai szerint a Flint rendre helyes megoldásokat szállított.
Miért fontos?
A Flint bevezetése szemlélteti Recursive hosszabb távú törekvését a rekurzív önfejlesztés irányába: olyan automatizált kutatási ciklusok építése, amelyek minden iterációval jobb modelleket hoznak létre az emberi felügyelet mellett. Ez a megközelítés technológiai előnyöket ígér (gyorsabb fejlesztés, kisebb modellek, helyi futtathatóság), ugyanakkor iparági vitákat is generál a mesterséges intelligencia autonómiájának és biztonságának kérdéseiről.
Összességében a Flint egy korai, de jelentős nyilvános tesztje annak az elképzelésnek, hogy az AI képes lehet saját magán javítani — mindezt emberi ellenőrzés mellett, és a gyakorlatban laptopon futtatható formában.
