Recursive prezentuje Flint, laptopowy AI do kodowania stworzony w dużej mierze przez AI

Image: TechCrunch · Source

Startup AI Recursive wprowadził Flint, model do kodowania działający na laptopach, stworzony głównie za pomocą własnego systemu badawczego AI. Flint to przykład wczesnej rekurencyjnej samodoskonalenia AI, pokazujący rozwój AI wspomagany przez AI z obiecującą wydajnością i dostępnością.

Startup AI z San Francisco, Recursive, zaprezentował Flint — nowy model AI do kodowania, który stanowi nowatorski krok w rekurencyjnym samodoskonaleniu — koncepcji autonomicznego tworzenia lepszych modeli AI przez systemy AI. Wprowadzony 21 października 2026 roku Flint to darmowy, lekki model kodowania zaprojektowany do wydajnej pracy na zwykłych laptopach, co jest znaczącym osiągnięciem w rozwoju AI, gdzie niewielki zespół ludzki wykorzystał system badawczy Recursive, nazwany Eureka Machine, do stworzenia go w czasie krótszym niż cztery miesiące.

Eureka Machine to zautomatyzowany system badawczy, który przyczynił się do niemal każdego etapu powstawania Flinta, od wstępnego treningu po optymalizację i inferencję. Recursive przypisuje kluczowe postępy — takie jak rzadsza architektura modelu, redukcja rozmiaru o 71% dzięki treningowi w niskim bitowaniu przy minimalnej utracie jakości oraz rozwój specjalistycznych jąder obliczeniowych — temu procesowi napędzanemu przez AI. Integrując AI we własnym procesie badawczym, Recursive przedstawia praktyczny przykład rekurencyjnego doskonalenia AI, zachowując jednocześnie nadzór ludzki dla bezpieczeństwa i kontroli.

Flint wykorzystuje architekturę mieszaniny ekspertów, która aktywuje około 2,5 miliarda spośród 40 miliardów parametrów dla danego zadania, umożliwiając działanie przy niewielkich zasobach obliczeniowych. Konstrukcja ta zdecydowanie różni się od znacznie większych modeli, takich jak Muse Spark Open Meta, który potrzebuje co najmniej terabajta pamięci dla swoich 816 miliardów parametrów. Testy wykazują efektywność i szybkość Flinta, generując około 131 tokenów na sekundę na MacBooku Pro z chipem Apple M4 Pro, przewyższając modele porównywalne, takie jak Gemma 4 Google i Nemotron 3.5 Lightning Nvidia.

Pod względem wydajności Flint osiągnął konkurencyjne rezultaty w benchmarku SWE-Bench Verified do naprawiania rzeczywistych błędów oprogramowania, przewyższając inne modele poniżej 50 miliardów parametrów i plasując się tuż za modelem Qwen3.8 27B firmy Alibaba w testach Recursive. Choć wymaga więcej wskazówek od użytkownika do złożonych zadań niż większe komercyjne asystenty kodowania, dokładność i szybkość reakcji Flinta zdobyły pozytywne wczesne recenzje. Na przykład dziennikarz Wired, Will Knight, z powodzeniem użył Flinta do tworzenia małych aplikacji, zauważając jego niezawodność i szybkość w porównaniu do mniejszych modeli kodowania.

Dając deweloperom możliwość uruchamiania Flinta na lokalnym sprzęcie, Recursive oferuje takie korzyści jak działanie offline, zwiększona prywatność kodu oraz wyeliminowanie opłat za korzystanie z chmury. Model jest dostępny otwarcie przez Hugging Face na licencji Apache 2.0, umożliwiając darmowe użycie i modyfikacje.

Ambitna wizja Recursive zakłada dalszy rozwój rekurencyjnych systemów AI, które autonomicznie wykonują dłuższe cykle badawcze przy zmniejszającej się interwencji człowieka, z zapewnieniem, że ludzie mogą monitorować i przerwać proces w razie potrzeby. Znaczne finansowanie firmy — 650 milionów dolarów pozyskanych od początku w tajemnicy, wspierane przez czołowych inwestorów, takich jak GV, Nvidia i AMD Ventures — oraz strategiczne partnerstwa, w tym umowa na moc obliczeniową za 410 milionów dolarów z Amazon Web Services, podkreślają jej zaangażowanie w tę metodę.

Flint jako namacalny przykład rozwoju AI wspomaganego przez AI ma na celu doskonalenie Eureka Machine w bardziej zdolnego badacza, który przyspieszy tworzenie przyszłych, bardziej wyrafinowanych modeli AI. Ten postęp stanowi ważny krok w dalszym badaniu rekurencyjnego samodoskonalenia w sztucznej inteligencji.