🌐 Recursive presenta Flint, modelo de codificación portátil desarrollado con IA
Recursive llança Flint, un model de codificació per a portàtils que diu que va ser construït en gran part per IA
Recursive, una startup d'intel·ligència artificial fundada l'any passat, està començant a fer honor al seu nom. L'empresa, que busca desenvolupar IA capaç de millorar-se a si mateixa, va llançar el seu primer model, Flint, dimecres. Flint és un model de codificació gratuït que pot executar-se en un portàtil i va ser construït en gran part amb l'ajuda d'IA.
El sistema de recerca automatitzat de Recursive, al qual anomena la Màquina Eureka, va ajudar en gairebé cada pas del desenvolupament de Flint, segons la companyia. Això va permetre que un petit equip construís el model des de zero en menys de quatre mesos.
Flint és una prova primerenca del concepte d'auto-millora recursiva: la idea que la IA pot construir millors IA, que al seu torn construeixen IA encara millors. És també una de les idees més debatudes en la indústria. Alguns investigadors temen que la IA millorant-se a si mateixa pugui sortir del control humà. Per ara, la versió de Recursive és més limitada: un assistent de recerca d'IA supervisat per persones que va produir un model prou petit per a un portàtil.
L'empresa va emergir de l'anonimat al maig amb 650 milions de dòlars en finançament a una valoració de 4.65 mil milions de dòlars, d'inversors com GV, Nvidia i AMD Ventures. Recursive està dirigida pel CEO Richard Socher, ex-científic en cap de Salesforce.
Atès que Flint s'executa en el propi ordinador de l'usuari en lloc dels servidors al núvol d'una empresa, els desenvolupadors poden utilitzar-lo sense connexió, mantenir el seu codi privat i evitar les tarifes d'ús que cobren els serveis d'IA al núvol segons la quantitat de text que processa el model. El model és gratuït per descarregar a Hugging Face, el popular lloc per compartir models d'IA, sota la llicència Apache 2.0, una llicència de codi obert que permet l'ús i modificació gratuïts.
Flint és un model de barreja d'experts, la qual cosa significa que utilitza només una petita part de si mateix per a qualsevol tasca donada: només 2.5 mil milions de les seves 40 mil milions de configuracions, conegudes com a paràmetres, alhora. Això el fa prou lleuger per a un portàtil ordinari i molt més petit que el Muse Spark Open de Meta, un model obert construït per a Macs que va ser llançat la setmana passada. Muse Spark Open utilitza 816 mil milions de paràmetres i necessita almenys un terabyte de memòria.
Flint també és ràpid. En les proves de Recursive, va generar al voltant de 131 tokens (fragments de text) per segon en un MacBook Pro amb el xip M4 Pro d'Apple, aproximadament el doble dels 58 a 69 tokens per segon que models similars van aconseguir en la mateixa màquina, inclosos el Gemma 4 de Google i el Nemotron 3.5 Lightning de Nvidia. En el RTX Spark de Nvidia, Flint va superar els 150 tokens per segon.
En SWE-Bench Verified, un benchmark que mesura com de bé la IA pot corregir errors de programari del món real, Flint va superar altres models amb menys de 50 mil milions de paràmetres. En la mitjana pròpia de Recursive a través de sis proves, només un model, el Qwen3.8 27B d'Alibaba, va obtenir una puntuació més alta que Flint.
La companyia va reconèixer que Flint necessitaria més orientació que els grans assistents de codificació de pagament i va suggerir dividir les tasques grans en passos més petits. Tot i així, les primeres ressenyes van ser positives. Will Knight de Wired va utilitzar Flint en un Mac amb 48GB de memòria per construir diversos programes petits, inclosa una aplicació de llista de tasques i una eina que rastreja la web per a investigacions. Va trobar que els models de codificació més petits sovint trobaven errors o eren lents en comparació amb Claude o Codex, però Flint va complir amb les seves sol·licituds de codificació cada vegada.
La Màquina Eureka genera idees, realitza experiments i utilitza els resultats per decidir què intentar a continuació. Segons el vídeo de llançament de la companyia, va contribuir a gairebé totes les parts de la construcció de Flint, des del preentrenament fins al post-entrenament i la inferència.
Recursive va dir que les contribucions d'Eureka inclouen una forma de model més dispersa, un entrenament de baix bit que va reduir la mida de Flint en un 71% amb gairebé cap pèrdua de qualitat i kernels personalitzats, que són programes especialitzats que acceleren els càlculs subjacents.
Recursive no va dir quant temps va estalviar la Màquina Eureka als seus investigadors, però no està sola en recolzar-se en la IA per fer recerca. OpenAI va dir el mes passat que per a mitjans d'agost, els seus agents d'IA estaven registrant 3.1 dies laborals per cada un treballat per un investigador humà.
Si l'aposta de Recursive dóna els seus fruits, cada nou model hauria de poder assumir períodes de treball més llargs sense ajuda humana. La companyia va dir anteriorment a TechCrunch que el seu acord de còmput de 410 milions de dòlars amb Amazon Web Services al juny va ser "menys sobre el nombre de personal i més sobre el nombre d'agents".
L'objectiu a llarg termini, va dir Socher a Wired, és que la Màquina Eureka aconsegueixi una auto-millora recursiva completa, amb humans supervisant el procés i capaços d'aturar-lo si alguna cosa surt malament. Recursive diu que cada nou model hauria de fer de la Màquina Eureka un millor investigador, ajudant-la a construir el següent més ràpid.
Recursive launches Flint, a laptop coding model it says was largely built by AI
Recursive, una startup de inteligencia artificial fundada el año pasado, está comenzando a hacer honor a su nombre. La empresa, que busca desarrollar IA capaz de mejorarse a sí misma, lanzó su primer modelo, Flint, el miércoles. Flint es un modelo de codificación gratuito que puede ejecutarse en un portátil y fue construido en gran parte con la ayuda de IA.
El sistema de investigación automatizado de Recursive, al que llama la Máquina Eureka, ayudó en casi cada paso del desarrollo de Flint, según la compañía. Esto permitió que un pequeño equipo construyera el modelo desde cero en menos de cuatro meses.
Flint es una prueba temprana del concepto de auto-mejora recursiva: la idea de que la IA puede construir mejores IA, que a su vez construyen IA aún mejores. Es también una de las ideas más debatidas en la industria. Algunos investigadores temen que la IA mejorándose a sí misma pueda salirse del control humano. Por ahora, la versión de Recursive es más limitada: un asistente de investigación de IA supervisado por personas que produjo un modelo lo suficientemente pequeño para un portátil.
La empresa emergió del anonimato en mayo con $650 millones en financiación a una valoración de $4.65 mil millones, de inversores como GV, Nvidia y AMD Ventures. Recursive está dirigida por el CEO Richard Socher, ex-científico jefe de Salesforce.
Debido a que Flint se ejecuta en el propio ordenador del usuario en lugar de en los servidores en la nube de una empresa, los desarrolladores pueden usarlo sin conexión, mantener su código privado y evitar las tarifas de uso que cobran los servicios de IA en la nube según la cantidad de texto que procesa el modelo. El modelo es gratuito para descargar en Hugging Face, el popular sitio para compartir modelos de IA, bajo la licencia Apache 2.0, una licencia de código abierto que permite el uso y modificación gratuitos.
Flint es un modelo de mezcla de expertos, lo que significa que utiliza solo una pequeña parte de sí mismo para cualquier tarea dada: solo 2.5 mil millones de sus 40 mil millones de configuraciones, conocidas como parámetros, a la vez. Esto lo hace lo suficientemente ligero para un portátil ordinario y mucho más pequeño que el Muse Spark Open de Meta, un modelo abierto construido para Macs que fue lanzado la semana pasada. Muse Spark Open utiliza 816 mil millones de parámetros y necesita al menos un terabyte de memoria.
Flint también es rápido. En las pruebas de Recursive, generó alrededor de 131 tokens (fragmentos de texto) por segundo en un MacBook Pro con el chip M4 Pro de Apple, aproximadamente el doble de los 58 a 69 tokens por segundo que modelos similares lograron en la misma máquina, incluidos el Gemma 4 de Google y el Nemotron 3.5 Lightning de Nvidia. En el RTX Spark de Nvidia, Flint superó los 150 tokens por segundo.
En SWE-Bench Verified, un benchmark que mide cuán bien la IA puede corregir errores de software del mundo real, Flint superó a otros modelos con menos de 50 mil millones de parámetros. En el promedio propio de Recursive a través de seis pruebas, solo un modelo, el Qwen3.8 27B de Alibaba, obtuvo una puntuación más alta que Flint.
La compañía reconoció que Flint necesitaría más orientación que los grandes asistentes de codificación de pago y sugirió dividir las tareas grandes en pasos más pequeños. Aun así, las primeras reseñas fueron positivas. Will Knight de Wired usó Flint en un Mac con 48GB de memoria para construir varios programas pequeños, incluida una aplicación de lista de tareas y una herramienta que rastrea la web para investigaciones. Encontró que los modelos de codificación más pequeños a menudo encontraban errores o eran lentos en comparación con Claude o Codex, pero Flint cumplió con sus solicitudes de codificación cada vez.
La Máquina Eureka genera ideas, realiza experimentos y utiliza los resultados para decidir qué intentar a continuación. Según el video de lanzamiento de la compañía, contribuyó a casi todas las partes de la construcción de Flint, desde el preentrenamiento hasta el post-entrenamiento y la inferencia.
Recursive dijo que las contribuciones de Eureka incluyen una forma de modelo más dispersa, un entrenamiento de bajo bit que redujo el tamaño de Flint en un 71% con casi ninguna pérdida de calidad y kernels personalizados, que son programas especializados que aceleran los cálculos subyacentes.
Recursive no dijo cuánto tiempo ahorró la Máquina Eureka a sus investigadores, pero no está sola en apoyarse en la IA para hacer investigación. OpenAI dijo el mes pasado que para mediados de agosto, sus agentes de IA estaban registrando 3.1 días laborales por cada uno trabajado por un investigador humano.
Si la apuesta de Recursive da sus frutos, cada nuevo modelo debería poder asumir períodos de trabajo más largos sin ayuda humana. La compañía dijo anteriormente a TechCrunch que su acuerdo de cómputo de $410 millones con Amazon Web Services en junio fue «menos sobre el número de personal y más sobre el número de agentes».
El objetivo a largo plazo, dijo Socher a Wired, es que la Máquina Eureka logre una auto-mejora recursiva completa, con humanos supervisando el proceso y capaces de detenerlo si algo sale mal. Recursive dice que cada nuevo modelo debería hacer de la Máquina Eureka un mejor investigador, ayudándola a construir el siguiente más rápido.
Recursive launches Flint, a laptop coding model it says was largely built by AI
Recursive, an artificial intelligence startup founded last year, is beginning to live up to its name. The company, which aims to develop AI capable of improving itself, launched its first model, Flint, on Wednesday. Flint is a free coding model that can run on a laptop and was largely built with the help of AI.
Recursive's automated research system, which it calls the Eureka Machine, assisted in almost every step of Flint's development, according to the company. This allowed a small team to build the model from scratch in less than four months.
Flint is an early proof of the concept of recursive self-improvement: the idea that AI can build better AI, which in turn builds even better AI. It is also one of the most debated ideas in the industry. Some researchers fear that AI improving itself could get out of human control. For now, Recursive's version is more limited: a human-supervised AI research assistant that produced a model small enough for a laptop.
The company emerged from anonymity in May with $650 million in funding at a valuation of $4.65 billion, from investors such as GV, Nvidia, and AMD Ventures. Recursive is led by CEO Richard Socher, former chief scientist at Salesforce.
Because Flint runs on the user's own computer rather than on a company's cloud servers, developers can use it offline, keep their code private, and avoid the usage fees charged by cloud AI services based on the amount of text the model processes. The model is free to download on Hugging Face, the popular AI model sharing site, under the Apache 2.0 license, an open-source license that allows free use and modification.
Flint is a mixture of experts model, meaning it uses only a small part of itself for any given task: only 2.5 billion of its 40 billion configurations, known as parameters, at a time. This makes it light enough for an ordinary laptop and much smaller than Meta's Muse Spark Open, an open model built for Macs that was released last week. Muse Spark Open uses 816 billion parameters and requires at least a terabyte of memory.
Flint is also fast. In Recursive's tests, it generated around 131 tokens (text fragments) per second on a MacBook Pro with Apple's M4 Pro chip, roughly double the 58 to 69 tokens per second that similar models achieved on the same machine, including Google's Gemma 4 and Nvidia's Nemotron 3.5 Lightning. On Nvidia's RTX Spark, Flint exceeded 150 tokens per second.
In SWE-Bench Verified, a benchmark measuring how well AI can fix real-world software bugs, Flint outperformed other models with fewer than 50 billion parameters. In Recursive's own average across six tests, only one model, Alibaba's Qwen3.8 27B, scored higher than Flint.
The company acknowledged that Flint would need more guidance than large paid coding assistants and suggested breaking large tasks into smaller steps. Still, early reviews were positive. Will Knight from Wired used Flint on a Mac with 48GB of memory to build several small programs, including a to-do list app and a tool that tracks the web for research. He found that smaller coding models often encountered errors or were slow compared to Claude or Codex, but Flint met his coding requests every time.
The Eureka Machine generates ideas, conducts experiments, and uses the results to decide what to try next. According to the company's launch video, it contributed to almost every part of Flint's construction, from pre-training to post-training and inference.
Recursive said Eureka's contributions include a more sparse model form, low-bit training that reduced Flint's size by 71% with almost no loss of quality, and custom kernels, which are specialised programs that speed up underlying calculations.
Recursive did not say how much time the Eureka Machine saved its researchers, but it is not alone in relying on AI for research. OpenAI said last month that by mid-August, its AI agents were logging 3.1 workdays for every one worked by a human researcher.
If Recursive's bet pays off, each new model should be able to take on longer work periods without human help. The company previously told TechCrunch that its $410 million compute deal with Amazon Web Services in June was "less about the number of staff and more about the number of agents."
The long-term goal, Socher told Wired, is for the Eureka Machine to achieve full recursive self-improvement, with humans overseeing the process and able to stop it if something goes wrong. Recursive says each new model should make the Eureka Machine a better researcher, helping it build the next one faster.
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →