Recursive julkaisi Flintin, kannettaville sopivan koodaus-AI:n, jota suurimmaksi osaksi on rakentanut itse AI

Kuva: TechCrunch · Lähde

AI-startup Recursive esitteli Flintin, koodausmallin, joka toimii kannettavilla tietokoneilla ja jonka kehityksestä merkittävä osa on tehty sen AI-tutkimusjärjestelmän avulla. Flint edustaa varhaista rekursiivista itseparannusta ja demonstroi AI-avusteista AI-kehitystä lupaavalla suorituskyvyllä ja saavutettavuudella.

San Franciscossa toimiva AI-startup Recursive on lanseerannut Flint-nimisen koodaus-AI-mallin, joka on innovatiivinen askel rekursiivisessa itseparannuksessa – eli konseptissa, jossa AI-järjestelmät luovat parannettuja AI-malleja itsenäisesti. Julkaisupäivämäärä oli 21. lokakuuta 2026. Flint on ilmainen ja kevyt koodausmalli, joka on suunniteltu toimimaan tehokkaasti tavallisilla kannettavilla tietokoneilla. Tämä on merkittävä saavutus AI-kehityksessä, jossa pieni ihmisten tiimi käytti Recursive'n AI-tutkimuskoneistoa, nimeltään Eureka Machine, ja rakensi mallin alle neljässä kuukaudessa.

Eureka Machine on automatisoitu tutkimusjärjestelmä, joka osallistui melkein kaikkiin Flintin luomisvaiheisiin esikoulutuksesta optimointiin ja päättelyyn. Recursive nimeää keskeisiksi edistysaskeleiksi mm. harvemman mallirakenteen, 71 % kokonaissuurennoksen alenemisen käyttämällä matalabittistä koulutusta minimaalisen laadun heikkenemisen kera sekä erikoistuneiden laskennallisten ytimien kehittämisen – kaikki tämä tapahtui AI-vetoisen prosessin kautta. Integroimalla AI:n omaan tutkimustyöhönsä Recursive näyttää käytännössä, miten rekursiivinen AI-parannus toimii, samalla säilyttäen ihmisen valvonnan turvallisuutta ja hallintaa varten.

Flintissa on asiantuntijoiden yhdistelmä -arkkitehtuuri, jossa tehtävää kohden aktivoituu vain noin 2,5 miljardia sen kokonaisesta 40 miljardista parametrista, mikä mahdollistaa toiminnan vaatimattomilla laskentaresursseilla. Tämä on radikaalisti erilainen kuin huomattavasti suuremmat mallit, kuten Meta’n Muse Spark Open, joka vaatii vähintään teratavun muistia 816 miljardin parametrin käsittelyyn. Vertailutestit osoittavat Flintin tehokkuuden ja nopeuden, tuottaen noin 131 tokenia sekunnissa MacBook Prolla, jossa on Apple M4 Pro -siru, ylittäen vastaavat mallit kuten Googlen Gemma 4 ja Nvidian Nemotron 3.5 Lightning.

Suorituskyvyn osalta Flint on kilpailukykyinen SWE-Bench Verified -testisarjassa todellisten ohjelmistovirheiden korjaamisessa, voittaen muut alle 50 miljardin parametrin mallit ja sijoittuen Recursive'n testeissä juuri Alibaba Qwen3.8 27B:n alapuolelle. Vaikka monimutkaisemmissa tehtävissä Flint vaatii enemmän käyttäjän ohjausta kuin suuremmat kaupalliset koodausavustajat, sen tarkkuutta ja reagointikykyä on jo arvioitu positiivisesti. Esimerkiksi Wiredin toimittaja Will Knight on onnistuneesti käyttänyt Flint:iä pienten sovellusten kehittämiseen, kommentoiden sen luotettavuutta ja nopeutta verrattuna pienempiin koodausmalleihin.

Mahdollistamalla Flintin käytön paikallisella laitteistolla Recursive tarjoaa etuja kuten offline-käytön, parannetun koodin yksityisyyden ja pilvipalvelumaksujen välttämisen. Malli on avoimesti saatavilla Hugging Face -palvelussa Apache 2.0 -lisenssillä, mahdollistaen ilmaisen käytön ja muokkauksen.

Recursiven kunnianhimoinen visio kattaa rekursiivisten AI-järjestelmien jatkokehityksen, jotta ne voisivat itsenäisesti toteuttaa pidempiä tutkimussyklejä vähentyvällä ihmistyyppisellä valvonnalla, varmistaen kuitenkin ihmisen mahdollisuuden seurata ja keskeyttää prosessi tarpeen vaatiessa. Yritys on kerännyt huomattavaa rahoitusta – 650 miljoonaa dollaria sen osalta, mukaan lukien tunnetut sijoittajat kuten GV, Nvidia ja AMD Ventures, sekä strategisia kumppanuuksia kuten 410 miljoonan dollarin laskenta-alustasopimus Amazon Web Servicesin kanssa, mikä korostaa sitoutumista tähän lähestymistapaan.

Flint toimii konkreettisena esimerkkinä AI-avusteisesta AI-kehityksestä, ja Recursive pyrkii hiomaan Eureka Machinea entistä kyvykkäämmäksi tutkijaksi, joka nopeuttaa tulevien, kehittyneempien AI-mallien luomista. Tämä kehitys on merkittävä virstanpylväs jatkuvassa rekursiivisen itseparannuksen tutkimuksessa tekoälyn alalla.