Startup Recursive wypuścił 21 października 2026 swój pierwszy model — Flint, darmowy model do kodowania działający na laptopie. Firma twierdzi, że niemal każdy etap jego budowy wsparł jej własny system badawczy Eureka Machine, dzięki czemu kilkuosobowy zespół złożył model od zera w niespełna cztery miesiące.
Najważniejsze w skrócie
- Architektura mixture-of-experts: 2,5 mld aktywnych parametrów z 40 mld łącznie
- Około 131 tokenów na sekundę na MacBooku Pro z Apple M4 Pro
- Pobranie z Hugging Face na licencji Apache 2.0, bez opłat za użycie
- Niskobitowy trening zmniejszył model o 71 procent niemal bez utraty jakości
Mały model, duża prędkość
Flint aktywuje tylko wycinek sieci na zadanie i mieści się w pamięci zwykłego laptopa. Dla porównania, Muse Spark Open od Meta używa 816 mld parametrów i wymaga co najmniej terabajta pamięci.
Na tym samym MacBooku Pro konkurencyjne modele — w tym Gemma 4 i Nemotron 3.5 Lightning — osiągały 58–69 tokenów na sekundę, Flint ponad dwa razy więcej. Na karcie RTX Spark od Nvidia przekroczył 150 tokenów na sekundę.
| Model i sprzęt | Tokeny na sekundę |
|---|---|
| Flint, MacBook Pro z Apple M4 Pro | około 131 |
| Gemma 4 i Nemotron 3.5 Lightning, ten sam MacBook | 58–69 |
| Flint, Nvidia RTX Spark | ponad 150 |
W SWE-Bench Verified, mierzącym naprawianie realnych błędów w kodzie, Flint wyprzedził modele poniżej 50 mld parametrów. W średniej z sześciu testów prowadzonej przez samą firmę wyżej uplasował się tylko Qwen3.8 27B od Alibaba.
Co dokładnie zrobiła Eureka Machine
System sam wymyśla hipotezy, uruchamia eksperymenty i decyduje, co sprawdzić dalej. Jego wkład obejmuje rzadszy kształt sieci, niskobitowy trening i własne kernele?kernele: niskopoziomowe procedury obliczeniowe pisane pod konkretny układ, żeby wycisnąć z niego więcej wydajności przyspieszające obliczenia.
Recursive nie podaje, ile czasu to zaoszczędziło badaczom. Firma nie jest odosobniona — OpenAI podało, że do połowy sierpnia jego agenty przepracowywały 3,1 dnia roboczego na każdy dzień pracy człowieka.
Spór o rekurencyjne samodoskonalenie
Flint jest publicznym testem idei, w której AI buduje lepsze AI. Na razie to asystent badawczy nadzorowany przez ludzi, nie pętla bez hamulca. Firma przyznaje, że Flint wymaga więcej prowadzenia niż duże, płatne asystenty kodowania.
Temat jest drażliwy: we wrześniu badacz odchodzący z Anthropic ostrzegał, że samodoskonalenie AI może doprowadzić do wyginięcia ludzi w ciągu kilku lat. Recursive uznaje te obawy za bliższe science fiction niż rzeczywistości.
Dlaczego to ważne?
Interesujący jest nie wynik w benchmarku, a proporcja: kilkuosobowy zespół z modelem konkurencyjnym w swojej klasie. Jeśli to się potwierdzi, przewaga wielkich laboratoriów przestaje być kwestią liczby badaczy. Flint nie udowadnia pełnej rekurencji, ale pokazuje, że automatyzacja researchu daje mierzalne efekty w produkcie, nie w prezentacji.
Co dalej?
- Celem Recursive jest doprowadzenie systemu Eureka Machine do pełnego samodoskonalenia pod nadzorem ludzi
- Kolejne modele mają czynić Eureka Machine lepszym badaczem i skracać czas budowy następnych
- W Kongresie trwają prace nad projektami zakazującymi rekurencyjnego samodoskonalenia
