Jaunuzņēmums Recursive laidis klajā klēpjdatorā darbināmu kodēšanas modeli Flint
ASV mākslīgā intelekta jaunuzņēmums Recursive trešdien izlaida bezmaksas kodēšanas modeli Flint, kas darbojas uz klēpjdatora un lielākoties izveidots ar pašas uzņēmuma MI sistēmas palīdzību. Tā ir agrīna pārbaude idejai, ka mākslīgais intelekts var uzlabot pats sevi.
Mākslīgā intelekta jaunuzņēmums Recursive, kas dibināts pērn, trešdien publiskoja savu pirmo modeli Flint. Tas ir bezmaksas programmēšanas palīdzības modelis, ko var darbināt uz parasta klēpjdatora. Uzņēmums norāda, ka modeli lielā mērā palīdzēja radīt tā paša izstrādātā automatizētā pētniecības sistēma Eureka Machine, tāpēc neliela komanda modeli no nulles izveidoja mazāk nekā četros mēnešos.
Flint ir agrīns publisks tests t. s. rekursīvai pašuzlabošanai – idejai, ka MI var radīt labāku MI, kas savukārt rada vēl labāku. Nozarē tā ir viena no visvairāk apspriestajām idejām, un daļa pētnieku baidās, ka pašuzlabojošs MI varētu izslīdēt no cilvēku kontroles. Pagaidām Recursive pieeja ir ierobežotāka: cilvēku pārraudzīts MI palīgs pētniekiem.
Uzņēmums
Recursive no slepenības iznāca maijā, piesaistot 650 miljonus dolāru finansējuma ar 4,65 miljardu dolāru novērtējumu. Investoru vidū ir GV, Nvidia un AMD Ventures. Uzņēmumu vada izpilddirektors Ričards Zohers (Richard Socher), bijušais Salesforce galvenais zinātnieks.
Kā modelis darbojas
Flint darbojas lietotāja datorā, nevis uzņēmuma mākoņserveros, tāpēc izstrādātāji to var izmantot bez interneta, paturēt kodu privātu un izvairīties no maksas par apstrādāto teksta apjomu. Modelis lejupielādējams bez maksas platformā Hugging Face ar atvērtā koda licenci Apache 2.0.
Tas ir „ekspertu maisījuma” modelis: vienlaikus tiek izmantoti tikai 2,5 miljardi no 40 miljardiem parametru. Salīdzinājumam, Meta nesen izlaistais Muse Spark Open izmanto 816 miljardus parametru un tam nepieciešams vismaz terabaits atmiņas.
Recursive testos uz MacBook Pro ar Apple M4 Pro mikroshēmu Flint ģenerēja aptuveni 131 tokenu sekundē, bet līdzīgi modeļi, tostarp Google Gemma 4 un Nvidia Nemotron 3.5 Lightning, – 58 līdz 69. Testā SWE-Bench Verified, kas mēra spēju labot reālas programmatūras kļūdas, Flint apsteidza citus modeļus līdz 50 miljardiem parametru. Uzņēmuma sešu testu vidējā rādītājā augstāks bija tikai Alibaba Qwen3.8 27B.
Uzņēmums atzīst, ka Flint nepieciešams vairāk virzības nekā lielajiem maksas asistentiem, un iesaka lielus uzdevumus sadalīt mazākos soļos. Žurnālists Vils Naits (Will Knight) izdevumā Wired novērtēja, ka Flint viņa programmēšanas pieprasījumus izpildīja bez kļūdām.
Eureka Machine loma
Eureka Machine piedāvā idejas, veic eksperimentus un pēc rezultātiem izvēlas nākamos soļus. Tā palīdzēja gan pirmsapmācībā, gan pēcapmācībā un secināšanā. Uzņēmums min retāku modeļa uzbūvi un zemas bitācijas apmācību, kas Flint izmēru samazināja par 71% gandrīz bez kvalitātes zuduma. Ilgtermiņa mērķis ir pilnīga rekursīva pašuzlabošanās ar cilvēku uzraudzību.
