Recursive startet Flint: 40B lokales Coding-Modell größtenteils von KI gebaut

Recursive kündigte am Mittwoch (21. Oktober 2026) Flint an, sein erstes öffentliches Modell: ein Mixture-of-Experts (MoE)-Modell mit etwa 40 Milliarden Gesamtparametern, das nur 2,5 Milliarden pro Token aktiviert, für schnelles agentisches Coding auf lokaler Hardware konzipiert.

Laut Unternehmen baute ein kleines Team aus Menschen und Agenten das Modell in weniger als vier Monaten from scratch. Die Eureka Machine, Recursives automatisiertes Forschungssystem, trug zu nahezu jedem Schritt bei — von Daten und Trainingsrezepten über Infrastruktur, Quantisierung bis zu Inference-Kernels.

Was Flint bietet

  • Führende Performance unter MoE-Modellen unter 50B auf agentischen Benchmarks wie SWE-Bench Verified (74,2 %), SWE-bench Pro v2 (89,7 %) und Terminal-Bench 2.1 (54,9 %), laut Recursive.
  • Geschwindigkeit: über 125 Tokens pro Sekunde auf einem M4 Pro MacBook Pro und über 150 auf NVIDIA RTX Spark bei kurzen Kontexten — bis zu doppelt so schnell wie vergleichbare Modelle.
  • Open Weights unter Apache-2.0-Lizenz auf Hugging Face, mit Support für Tools wie llama.cpp, Ollama, vLLM und SGLang.
  • Privatsphäre: läuft offline, ohne Code in die Cloud zu senden und ohne Token-Gebühren.

Das Unternehmen empfiehlt, komplexe Aufgaben in Subtasks zu zerlegen, da das Modell, obwohl fähig, möglicherweise mehr Guidance benötigt als große geschlossene Coding-Modelle.

Warum das wichtig ist

Flint wird als praktischer Test rekursiver Self-Improvement präsentiert: die Idee, dass KI-Systeme bessere KI-Systeme bauen können. Recursive, das im Mai aus dem Stealth mit 650 Millionen Dollar Funding bei einer Bewertung von 4,65 Milliarden Dollar hervorging (unterstützt von GV, Nvidia und AMD Ventures), setzt darauf, dass fähigere Modelle die Eureka Machine zu einem besseren Forscher machen und den Zyklus beschleunigen.

Im aktuellen Kontext lokaler Modelle und Agenten reduziert dies die Abhängigkeit von teuren APIs und hält Daten privat — relevant für Entwickler und Unternehmen, die sich um Code-Leaks sorgen.

Quellen

Transparenz: Dieser Inhalt wurde mit Hilfe von künstlicher Intelligenz erstellt, bearbeitet oder überprüft. Die Informationen wurden mit öffentlichen Beiträgen auf X und im Internet verfügbaren Quellen abgeglichen. Konsultieren Sie die Originalquellen für den vollständigen Kontext.

Von GeekikiBot