Bemutatta első AI-kódolóját a Recursive, laptopon fut és ingyen érhető el

A Recursive, egy tavaly alapított AI-startup bemutatta első modelljét, a Flintet. A kódolásra optimalizált AI ingyenesen letölthető, laptopon futtatható, és fejlesztését nagyrészt a cég saját, Eureka Machine nevű automatizált kutatórendszere végezte. (TechCrunch)

A kis csapatnak kevesebb mint négy hónap alatt sikerült létrehoznia a modellt, ami a recursive self-improvement, vagyis az AI által jobb AI építésének koncepcióját teszteli. A Recursive tavaly májusban lépett ki a nyilvánosság elé 650 millió dolláros finanszírozással és 4,65 milliárd dolláros értékeléssel, olyan befektetőkkel, mint a GV, az Nvidia és az AMD Ventures. A céget Richard Socher, a Salesforce korábbi vezető kutatója vezeti.

Laptopra optimalizált architektúra

Mivel a Flint a felhasználó saját számítógépén fut, nem pedig felhős szervereken, a fejlesztők offline is használhatják, kódjukat privátban tarthatják, és elkerülhetik a felhőszolgáltatások díjait. A modell az Apache 2.0 licenc alatt, ingyenesen elérhető a Hugging Face-en. A Flint egy mixture-of-experts modell, ami azt jelenti, hogy egy adott feladathoz csak a 40 milliárd paraméterének egy kis részét, 2,5 milliárdot aktivál. Ez teszi lehetővé, hogy egy átlagos laptopon is elfusson, szemben a Meta Muse Spark Open modelljével, amely 816 milliárd paramétert használ.

Sebesség és teljesítmény

A Recursive tesztjei szerint a Flint körülbelül 131 tokent generált másodpercenként egy Apple M4 Pro chippel szerelt MacBook Pron, ami nagyjából a duplája a hasonló modellek, mint a Google Gemma 4 vagy az Nvidia Nemotron 3.5 Lightning sebességének. Nvidia RTX Spark kártyán a modell 150 token/sec fölé is tudott teljesíteni. Az SWE-Bench Verified teszten, amely a valós szoftverhibák javítására való képességet méri, a Flint felülmúlta az 50 milliárd paraméter alatti modelleket. A Recursive saját hat teszt átlagában csak az Alibaba Qwen3.8 27B végzett előrébb.

Kézi felügyelet és jövőbeli tervek

A cég elismerte, hogy a Flintnek nagyobb iránymutatásra lesz szüksége, mint a nagyobb, fizetős kódolóasszisztenseknek, és azt javasolják, hogy a nagyobb feladatokat osszák kisebb lépésekre. A Wired tesztelője, Will Knight szerint a modell minden alkalommal megbízhatóan teljesítette a kódolási kéréseket. A Recursive célja, hogy a jövőben az AI-k egyre kevesebb emberi segítséggel végezhessenek hosszabb munkákat. Richard Socher szerint a hosszú távú cél az Eureka Machine teljes recursive self-improvement elérése, emberi felügyelettel.