Recursive lanserar Flint, en AI för kodning som är redo för bärbara datorer och till stor del skapad av AI själv

Bild: TechCrunch · Källa

AI-startupen Recursive har lanserat Flint, en kodningsmodell utformad för att köras på bärbara datorer och skapad huvudsakligen med hjälp av deras AI-forskningssystem. Flint är ett tidigt exempel på rekursiv självförbättring, som visar AI-assisterad AI-utveckling med lovande prestanda och tillgänglighet.

San Francisco-baserade AI-startupen Recursive har introducerat Flint, en ny kodnings-AI-modell som representerar ett innovativt steg inom rekursiv självförbättring – konceptet att AI-system autonomt skapar förbättrade AI-modeller. Flint lanserades den 21 oktober 2026 och är en gratis, lättviktig kodningsmodell utformad för att köras effektivt på vanliga bärbara datorer. Detta markerar en anmärkningsvärd prestation inom AI-utveckling där ett litet mänskligt team använde Recursive:s AI-forskningsmotor, kallad Eureka Machine, för att skapa modellen på mindre än fyra månader.

Eureka Machine är ett automatiserat forskningssystem som bidrog till nästan varje steg i Flint:s skapande, från förträning till optimering och inferens. Recursive tillskriver viktiga framsteg – såsom en glesare modellarkitektur, en storleksminskning med 71 % via träning med låg precision med minimal kvalitetsförlust, och utvecklingen av specialiserade beräkningskärnor – till denna AI-drivna process. Genom att integrera AI i sin egen forskningsarbetsflöde illustrerar Recursive ett praktiskt exempel på rekursiv AI-förbättring, samtidigt som mänsklig övervakning bibehålls för säkerhet och kontroll.

Flint har en mixture-of-experts-arkitektur som aktiverar endast cirka 2,5 miljarder av totalt 40 miljarder parametrar för varje uppgift, vilket möjliggör körning med blygsamma beräkningsresurser. Denna design står i stark kontrast till betydligt större modeller som Metas Muse Spark Open, vilken kräver minst en terabyte minne för sina 816 miljarder parametrar. Benchmarktester visar på Flint:s effektivitet och hastighet, med cirka 131 token per sekund på en MacBook Pro med Apples M4 Pro-chip, vilket överträffar jämförbara modeller som Googles Gemma 4 och Nvidias Nemotron 3.5 Lightning.

Prestandamässigt har Flint visat konkurrenskraftiga resultat på SWE-Bench Verified benchmark för att åtgärda verkliga mjukvarufel, och presterar bättre än andra modeller under 50 miljarder parametrar, med en placering strax under Alibabas Qwen3.8 27B i Recursive:s tester. Trots att den kräver mer användarguidning för komplexa uppgifter än större kommersiella kodningsassistenter, har Flint:s noggrannhet och respons snabbt fått positiva omdömen. Exempelvis använde Wireds reporter Will Knight framgångsrikt Flint för att utveckla små applikationer och noterade dess pålitlighet och hastighet jämfört med mindre kodningsmodeller.

Genom att göra det möjligt för utvecklare att köra Flint på lokal hårdvara erbjuder Recursive fördelar som offlinefunktionalitet, ökad kodintegritet och undvikande av avgifter för molnbaserad användning. Modellen är fritt tillgänglig via Hugging Face under Apache 2.0-licensen, vilket stödjer gratis användning och modifiering.

Recursive:s ambitiösa vision omfattar vidareutveckling av rekursiva AI-system för att autonomt genomföra längre forskningscykler med minskad mänsklig inblandning, samtidigt som människor kan övervaka och avbryta processen vid behov. Företagets betydande finansiering – 650 miljoner USD inhämtade sedan starten i det fördolda, med stöd av framstående investerare som GV, Nvidia och AMD Ventures – och strategiska partnerskap, inklusive ett 410 miljoner USD stort datorkontrakt med Amazon Web Services, understryker dess engagemang för denna metod.

Med Flint som ett konkret bevis på AI-assisterad AI-utveckling siktar Recursive på att finslipa sin Eureka Machine till en mer kapabel forskare som kan påskynda skapandet av framtida, mer avancerade AI-modeller. Denna utveckling markerar en betydande milstolpe i den pågående utforskningen av rekursiv självförbättring inom artificiell intelligens.