Recursive Flint: модель для кода на ноутбуке, которую почти целиком собрал ИИ

Модель Recursive Flint вышла 21 октября: стартап Ричарда Сочера выложил бесплатную модель для программирования, которая работает прямо на ноутбуке. Главная фишка даже не в скорости, а в том, как её сделали: по словам компании, почти все этапы разработки провела их собственная ИИ-система Eureka Machine. Разбираем, что умеет Flint, каким цифрам верить и кому он реально пригодится.

Что произошло

Recursive вышла из тени в мае с $650 млн инвестиций при оценке $4,65 млрд; среди инвесторов GV, Nvidia и AMD Ventures, пишет TechCrunch. Компанию возглавляет Ричард Сочер, бывший главный научный сотрудник Salesforce. Цель стартапа — рекурсивное самоулучшение: ИИ строит более сильный ИИ, тот — ещё более сильный. Flint — первый публичный продукт и первая проверка этой идеи на практике.

По анонсу Recursive, Eureka Machine сама предлагает идеи, реализует их, тестирует и по результатам решает, что пробовать дальше. Она участвовала в подборе данных, рецептах обучения, инфраструктуре и ускорении инференса. Пара конкретных примеров из анонса:

• Архитектуру искали, стартовав с базы 35 млрд параметров и 3 млрд активных; система остановилась на 40 млрд и 2,5 млрд как на лучшем балансе скорости и качества.
• Вопреки обычной практике она квантовала выходной слой в 4 бита, а потерю точности компенсировала дистилляцией; итоговая версия NVFP4 отстаёт от 16-битной не больше чем на 0,7 пункта.
• Для чипов Apple M4 и M5 она написала Metal-мегаядро, которое объединяет весь проход декодирования.

Recursive Flint: что по цифрам

Контекст — до 512 тыс. токенов, но команда советует держаться в пределах 256 тыс. По данным TechCrunch, в тестах Recursive Flint выдавал около 131 токена в секунду на MacBook Pro с M4 Pro против 58–69 у похожих моделей, включая Gemma 4 и Nemotron 3.5 Lightning. На Nvidia RTX Spark — больше 150 токенов в секунду. По среднему баллу шести тестов компании выше оказалась только Qwen3.8 27B.

Теперь оговорки. Обзор Models at Work обращает внимание: все баллы — от самой Recursive, а в репозитории лежит BF16-чекпоинт примерно на 80 ГБ, рассчитанный на серверную видеокарту; квантованные сборки для ноутбуков готовятся отдельно. То есть скорость из анонса может не относиться к первому файлу, который ты скачаешь. Там же отмечено, что на Terminal-Bench 2.1 у Flint 54,9%. Плотная Qwen 3.8, по данным сводки AIBriefs, набирает там 73%.

Модель, которую обучал ИИ, всё равно нужно проверять на своих задачах — заголовочные цифры её авторов ещё никто независимо не повторил.

Есть и живой отзыв. Журналист Wired Уилл Найт гонял Flint на Mac с 48 ГБ памяти: собрал консольный to-do-лист, программу для поиска исследований и простой сайт. По его словам, небольшие модели обычно ошибаются или тормозят по сравнению с Claude и Codex, а Flint выполнил все его запросы. Сама Recursive честно предупреждает, что модели нужно больше подсказок, чем крупным платным ассистентам, а большие задачи лучше дробить.

Что это значит для тебя

Если ты пишешь ботов, скрипты для фарма или смарт-контракты, локальная модель решает две проблемы сразу: код и ключи не уходят на чужой сервер, а счёт за API не растёт с каждым запросом. Recursive Flint работает с llama.cpp, Ollama, LM Studio, vLLM и SGLang, а для Mac на M4 Pro и M5 Pro/Max компания выпустила свой движок rec.

Как подойти к делу без иллюзий:

• Нужна машина с запасом памяти: Найт тестировал на 48 ГБ, а полная BF16-версия весит около 80 ГБ.
• Проверяй на своих задачах, а не по бенчмаркам: возьми пару десятков реальных багов из своего репозитория.
• Не давай локальному агенту доступ к кошелькам и сид-фразам без песочницы — модель всё ещё может ошибаться.

Отдельный сюжет — споры вокруг самоулучшения ИИ. Сторонники видят в нём ускорение науки, критики боятся потери контроля, а в Конгрессе США, по данным Wired, есть законопроекты о запрете такой разработки. Сочер говорит, что люди могут остановить процесс в любой момент. Похожий подход у Google мы разбирали в материале о самоулучшении агентов.

FAQ

Сколько стоит Recursive Flint? Нисколько: веса бесплатно доступны на Hugging Face под лицензией Apache 2.0, коммерческое использование разрешено.

Пойдёт ли Flint на обычном ноутбуке? Компания мерила скорость на MacBook Pro с M4 Pro; для полной версии нужно много памяти, лёгкие квантованные сборки выпускаются отдельно.

Чем Flint отличается от Muse Spark Open? Масштабом: у Muse Spark Open 816 млрд параметров и нужен терабайт памяти, Flint в двадцать раз меньше.

Итог: Recursive Flint — сильная заявка на локального кодера, но пока это цифры от самих авторов. Сравни его со своими задачами, прежде чем менять облачного ассистента, а про большую открытую модель Meta читай здесь.

Материал не является инвестиционной рекомендацией. Крипта — высокий риск, решения принимаешь сам.