Recursive stellt Flint vor, eine laptop-fähige KI zum Programmieren, größtenteils von KI selbst erstellt

Image: TechCrunch · Source

Das KI-Startup Recursive hat Flint vorgestellt, ein Kodierungsmodell, das auf Laptops läuft und hauptsächlich mit seinem KI-Forschungssystem entwickelt wurde. Flint ist ein frühes Beispiel für rekursive Selbstverbesserung und zeigt KI-unterstützte KI-Entwicklung mit vielversprechender Leistung und Zugänglichkeit.

Das in San Francisco ansässige KI-Startup Recursive hat Flint vorgestellt, ein neuartiges KI-Modell zum Programmieren, das einen innovativen Schritt in der rekursiven Selbstverbesserung darstellt – das Konzept, dass KI-Systeme eigenständig verbesserte KI-Modelle erschaffen. Am 21. Oktober 2026 veröffentlicht, ist Flint ein kostenloses, leichtgewichtiges Kodierungsmodell, das effizient auf normalen Laptops läuft und damit einen bemerkenswerten Entwicklungserfolg zeigt, bei dem ein kleines menschliches Team die KI-Forschungsmaschine von Recursive, die sogenannte Eureka Machine, nutzte, um es in weniger als vier Monaten zu erstellen.

Die Eureka Machine ist ein automatisiertes Forschungssystem, das nahezu jede Phase der Flint-Entwicklung unterstützte, vom Pretraining bis hin zu Optimierung und Inferenz. Recursive schreibt diesem KI-gesteuerten Prozess wichtige Fortschritte zu – wie eine spärlichere Modellarchitektur, eine 71%ige Größenreduktion durch Low-Bit-Training mit minimalem Qualitätsverlust sowie die Entwicklung spezialisierter Rechenkerne. Durch die Integration von KI in den eigenen Forschungsprozess zeigt Recursive ein praktisches Beispiel für rekursive KI-Verbesserung bei gleichzeitiger menschlicher Aufsicht für Sicherheit und Kontrolle.

Flint verfügt über eine Mixture-of-Experts-Architektur, bei der für eine Aufgabe nur etwa 2,5 Milliarden von insgesamt 40 Milliarden Parametern aktiviert werden, was den Betrieb mit bescheidenen Rechenressourcen ermöglicht. Dieses Design steht im starken Kontrast zu wesentlich größeren Modellen wie Meta’s Muse Spark Open, das für seine 816 Milliarden Parameter mindestens ein Terabyte Speicher benötigt. Benchmark-Tests zeigen Flints Effizienz und Geschwindigkeit: Es erzeugt etwa 131 Token pro Sekunde auf einem MacBook Pro mit Apples M4 Pro Chip und übertrifft vergleichbare Modelle wie Googles Gemma 4 und Nvidias Nemotron 3.5 Lightning.

Leistungsmäßig zeigte Flint konkurrenzfähige Ergebnisse im SWE-Bench Verified Benchmark zur Behebung realer Softwarefehler, übertraf andere Modelle unter 50 Milliarden Parametern und rangierte knapp unter Alibabas Qwen3.8 27B in Recursive’s Tests. Trotz eines höheren Bedarfs an Nutzerführung bei komplexen Aufgaben im Vergleich zu größeren kommerziellen Kodierungsassistenten erzielten Flints Genauigkeit und Reaktionsfähigkeit positive erste Bewertungen. Zum Beispiel nutzte der Wired-Reporter Will Knight Flint erfolgreich zur Entwicklung kleiner Anwendungen und lobte dessen Zuverlässigkeit und Schnelligkeit verglichen mit kleineren Kodierungsmodellen.

Indem Recursive Entwicklern ermöglicht, Flint lokal auf der eigenen Hardware auszuführen, ergeben sich Vorteile wie Offline-Betrieb, verbesserte Code-Privatsphäre und das Vermeiden von Cloud-Nutzungsgebühren. Das Modell ist offen zugänglich über Hugging Face unter der Apache 2.0 Lizenz, was kostenlose Nutzung und Anpassung erlaubt.

Die ambitionierte Vision von Recursive sieht vor, rekursive KI-Systeme weiterzuentwickeln, sodass sie längere Forschungszyklen autonom durchführen können und menschliche Eingriffe zunehmend minimieren, während gleichzeitig gewährleistet ist, dass Menschen den Prozess überwachen und bei Bedarf unterbrechen können. Die umfangreiche Finanzierung – 650 Millionen US-Dollar seit der unauffälligen Gründung, getragen von namhaften Investoren wie GV, Nvidia und AMD Ventures – und strategische Partnerschaften, darunter ein Rechenabkommen im Wert von 410 Millionen US-Dollar mit Amazon Web Services, unterstreichen das Engagement für diesen Ansatz.

Mit Flint als greifbarem Beweis für KI-unterstützte KI-Entwicklung strebt Recursive danach, seine Eureka Machine zu einem leistungsfähigeren Forscher weiterzuentwickeln, der die Erstellung zukünftiger, komplexerer KI-Modelle beschleunigt. Dieser Fortschritt markiert einen bedeutenden Meilenstein in der fortlaufenden Erforschung der rekursiven Selbstverbesserung in der künstlichen Intelligenz.