Стартап Recursive выпустил Flint — модель для программирования, которая работает на ноутбуке и создана в основном с помощью ИИ
Американский ИИ-стартап Recursive в среду выпустил бесплатную модель Flint для написания кода, работающую на ноутбуке и в основном созданную при участии собственной исследовательской ИИ-системы компании. Это ранняя публичная проверка идеи самоулучшения ИИ.
ИИ-стартап Recursive, основанный в прошлом году, в среду представил свою первую модель Flint. Это бесплатная модель для программирования, которую можно запускать на обычном ноутбуке. По словам компании, автоматизированная исследовательская система Eureka Machine участвовала почти во всех этапах разработки, поэтому небольшая команда создала модель с нуля менее чем за четыре месяца.
Flint — ранняя публичная проверка рекурсивного самоулучшения: идеи о том, что ИИ может создавать более совершенный ИИ, а тот — ещё более совершенный. Это одна из самых спорных идей в отрасли, а часть исследователей опасается, что самоулучшающийся ИИ может выйти из-под контроля людей. Пока подход Recursive более ограничен: это ИИ-помощник исследователей под надзором человека.
О компании
В мае Recursive вышла из «режима тишины», привлекнув 650 млн долларов при оценке 4,65 млрд долларов. Среди инвесторов — GV, Nvidia и AMD Ventures. Компанию возглавляет Ричард Сочер, бывший главный научный сотрудник Salesforce.
Как работает модель
Поскольку Flint запускается на компьютере пользователя, а не на облачных серверах, разработчики могут работать офлайн, сохранять код приватным и не платить за объём обрабатываемого текста. Модель можно бесплатно скачать на Hugging Face по открытой лицензии Apache 2.0.
Flint построена по схеме «смесь экспертов»: одновременно задействуются лишь 2,5 млрд из 40 млрд параметров. Для сравнения, Muse Spark Open от Meta, вышедшая на прошлой неделе, использует 816 млрд параметров и требует не менее терабайта памяти.
В тестах Recursive на MacBook Pro с чипом Apple M4 Pro Flint генерировала около 131 токена в секунду, тогда как похожие модели, включая Google Gemma 4 и Nvidia Nemotron 3.5 Lightning, — от 58 до 69. В тесте SWE-Bench Verified, оценивающем исправление реальных программных ошибок, Flint превзошла другие модели с менее чем 50 млрд параметров. По среднему результату шести тестов компании выше оказалась только Qwen3.8 27B от Alibaba.
Компания признаёт, что Flint требует больше指導, чем крупные платные помощники, и советует разбивать большие задачи на меньшие шаги. Журналист Wired Уилл Найт отметил, что модель справлялась с его запросами каждый раз.
Роль Eureka Machine
Система предлагает идеи, проводит эксперименты и по их результатам выбирает дальнейшие шаги. По данным Recursive, она участвовала в предобучении, посттренировке и инференсе, включая низкобитное обучение, уменьшившее Flint на 71% почти без потери качества. Долгосрочная цель — полное рекурсивное самоулучшение под надзором людей.
