Recursive Flint, czyli darmowy model do kodowania na laptopie

21 października startup Recursive opublikował Flint, otwarty model do programowania na licencji Apache 2.0, który działa na zwykłym laptopie. Według TechCrunch firma twierdzi, że przy niemal każdym etapie jego budowy pomagał jej automatyczny system badawczy, tzw. „Eureka Machine”.

Czym jest Recursive Flint?

To model MoE (mixture-of-experts) z 39,8 mld parametrów, z których na każdy token pracuje ok. 2,5 mld. Stąd oznaczenie „40B-A2.5B” na karcie modelu. W środku m.in.:

1. 49 warstw, z czego 47 to warstwy MoE z 256 ekspertami, spośród których na każdy token wybieranych jest 6, plus jeden ekspert współdzielony, aktywny zawsze.
2. Okno kontekstu 262 144 tokenów (prompt razem z odpowiedzią).
3. Wiedza do czerwca 2026.
4. Licencja Apache 2.0, więc możemy go używać także komercyjnie.

Pełny checkpoint w BF16 waży ok. 80 GB. Na laptopie nie uruchomimy go w tej postaci, ale według karty modelu, Recursive przygotował osobne wersje skwantyzowane pod układy NVIDIA i Apple Silicon. Na Hugging Face jest ich już kilkanaście, z gotowymi odnośnikami do llama.cpp, LM Studio, Jan i Ollamy.

Co potrafi Flint?

Wyniki z karty modelu (podane przez Recursive):

Benchmark	Wynik
SWE-bench Pro v2	89,7%
SWE-bench Verified	74,2%
Terminal-Bench 2.1	54,9%

Terminal-Bench liczono z harnessem Terminus 2, a SWE-bench z mini-swe-agent, uśredniając co najmniej pięć prób. To wyniki producenta, więc traktujmy je z dystansem, dopóki nie pojawią się niezależne pomiary.

Ciekawsza jest szybkość. Według testów, Recursive na MacBooku Pro z M4 Pro Flint generuje ok. 131 tokenów na sekundę, a na NVIDIA RTX Spark ponad 150. Do tego dochodzi pierwsza niezależna opinia: według TechCrunch Will Knight z Wired budował z Flintem małe programy na Macu z 48 GB pamięci i model „nailed his coding requests every time”, czyli za każdym razem zrobił to, o co prosił.

Model zbudowany przez AI?

Według TechCrunch mały zespół zbudował go od zera w niecałe cztery miesiące, a Eureka Machine miała zaproponować m.in. bardziej rozproszoną budowę modelu, własne kernele i trening w niskiej precyzji, które zmniejszyły model o 71% przy niemal tej samej jakości.

Recursive nie podał, ile czasu badaczy to zaoszczędziło, a obecna wersja Eureki to według artykułu asystent badawczy nadzorowany przez ludzi, nie samodzielny system. Długoterminowy cel CEO Richarda Sochera (wcześniej główny naukowiec Salesforce) to pełne rekurencyjne samodoskonalenie AI, ale z ludźmi, którzy mogą ten proces zatrzymać.

Firma wyszła z ukrycia w maju z 650 mln USD finansowania przy wycenie 4,65 mld USD, a wśród inwestorów są GV, NVIDIA i AMD Ventures.

Jak wypróbować Recursive Flint?

Najprościej przez jedną z wersji skwantyzowanych na stronie modelu w LM Studio albo Ollamie. Jak to zrobić krok po kroku, opisałem w poradniku jak uruchomić AI lokalnie. Rekomendowane ustawienia z karty modelu to temperatura 1.0, top-p 0.95, top-k 20 i co najmniej 32 768 tokenów na odpowiedź przy trudnych zadaniach.

Pełną wersję karta modelu opisuje na jednym GPU B300 albo H200 z SGLang, z API zgodnym z OpenAI. Taki endpoint możemy podpiąć do harnessu agentowego, tak jak kiedyś darmowego DeepSeeka w OpenCode.

Jedno zastrzeżenie od samego Recursive: Flint potrzebuje więcej prowadzenia niż duże płatne asystenty do kodowania, więc duże zadania lepiej dzielić na mniejsze kroki.

FAQ

Czy Recursive Flint jest darmowy?

Tak. Wagi są do pobrania z Hugging Face na licencji Apache 2.0, a lokalnie płacimy tylko prądem (i zużyciem sprzętu).

Ile pamięci potrzebuje Flint?

Pełna wersja BF16 waży ok. 80 GB i według karty modelu jest przeznaczona na GPU B300 albo H200. Na laptopie korzystamy z wersji skwantyzowanych. Wired testował model na Macu z 48 GB pamięci.

Czy Flint naprawdę zbudowało AI?

Według Recursive system Eureka Machine pomagał przy niemal każdym etapie, ale pod nadzorem ludzi. Firma nie podała, jaką część pracy wykonał sam system.