La startup de IA Recursive, fundada el año pasado, parece estar cumpliendo ahora con su nombre. La empresa lanzó el miércoles su primer modelo, Flint. Flint es un modelo de codificación gratuito que puede ejecutarse en una computadora portátil y que, según se afirma, se construyó principalmente con la ayuda de IA.
Recursive indicó que su sistema de investigación automatizada, Eureka Machine, participó casi en cada paso del desarrollo de Flint, permitiendo que un pequeño equipo completara este modelo desde cero en menos de cuatro meses.
Flint es una prueba temprana y pública de la "auto-mejora recursiva": la idea de que la IA puede construir IA mejorada, y esta a su vez puede construir IA aún mejor. También es una de las ideas más controvertidas en la industria. Algunos investigadores temen que la mejora continua de la IA pueda escapar al control humano. Por ahora, la versión de Recursive es más limitada: es un asistente de investigación de IA supervisado por humanos, cuyos modelos son lo suficientemente pequeños como para ejecutarse en una computadora portátil.
La empresa finalizó su período de sigilo en mayo de este año, recaudó 650 millones de dólares en financiamiento y tiene una valoración de 4,650 millones de dólares, con inversionistas como GV, NVIDIA y AMD Ventures. Recursive está liderada por el CEO Richard Socher, quien anteriormente fue científico jefe de Salesforce.
Como Flint se ejecuta en la computadora del usuario, no en los servidores en la nube de la empresa, los desarrolladores pueden usarlo sin conexión, mantener el código en privacidad y evitar los costos de uso de servicios de IA en la nube que cobran según la cantidad de texto procesado por modelo. El modelo se puede descargar gratuitamente en Hugging Face, el sitio popular para compartir modelos de IA, bajo la licencia Apache 2.0, una licencia de código abierto que permite su uso y modificación libres.
Flint es un modelo mixto de expertos, lo que significa que al realizar cualquier tarea específica solo activa una pequeña parte de sí mismo: de los 4.000 millones de parámetros, solo se utilizan 2.500 millones en cada ocasión. Esto lo hace lo suficientemente ligero como para ejecutarse en una laptop común y mucho más pequeño que el modelo de código abierto lanzado por Meta la semana pasada para Mac, Muse Spark Open. Muse Spark Open utiliza 816.000 millones de parámetros y requiere al menos 1 TB de memoria.
Flint también es muy rápido. Según las pruebas de Recursive, en un MacBook Pro con chip Apple M4 Pro, genera aproximadamente 131 tokens (bloques de texto) por segundo, casi el doble que modelos similares en la misma máquina, como el Gemma 4 de Google y el Nemotron 3.5 Lightning de NVIDIA, que alcanzan entre 58 y 69 tokens por segundo. En NVIDIA RTX Spark, Flint supera los 150 tokens por segundo.
En el benchmark SWE-Bench Verified, que mide la capacidad de la IA para reparar vulnerabilidades de software reales, Flint supera a otros modelos con menos de 50 mil millones de parámetros. Según el puntaje promedio de Recursive en seis pruebas, solo el Qwen3.8 27B de Alibaba obtuvo una puntuación superior a Flint.
La empresa reconoce que Flint requiere más orientación que los asistentes de codificación pagados grandes, y sugiere dividir tareas grandes en pasos más pequeños. A pesar de ello, las evaluaciones iniciales han sido positivas. El periodista de Wired Will Knight utilizó Flint en una Mac con 48 GB de memoria para construir varias aplicaciones pequeñas, incluyendo una aplicación de tareas pendientes y una herramienta para investigación en la web. Descubrió que los modelos pequeños de codificación suelen cometer errores o ser más lentos en comparación con Claude o Codex, pero Flint logró completar con precisión cada solicitud de codificación que le hizo.
Eureka Machine propone ideas, ejecuta experimentos y utiliza los resultados para decidir qué intentar a continuación. Según el video de lanzamiento de la empresa, participó casi en cada parte de la construcción de Flint, desde el preentrenamiento hasta el postentrenamiento y la inferencia.
Recursive indicó que la contribución de Eureka incluye una estructura de modelo más esparcida, entrenamiento de baja precisión —que redujo el tamaño de Flint en un 71% sin prácticamente perder calidad— y kernels personalizados, es decir, programas dedicados para acelerar los cálculos subyacentes.
Recursive no especificó cuánto tiempo ha ahorrado Eureka Machine para los investigadores, pero no es la única empresa que depende de la IA para la investigación. OpenAI indicó el mes pasado que, hasta mediados de agosto, los agentes de IA habían registrado 3.1 veces más días de trabajo que los investigadores humanos.
Si la apuesta de Recursive funciona, cada nuevo modelo debería ser capaz de trabajar durante períodos más largos sin ayuda humana. La empresa había informado previamente a TechCrunch que su acuerdo de 410 millones de dólares en capacidad de cómputo con Amazon Web Services en junio "está más orientado a aumentar el número de agentes que a contratar empleados".
Socher, en una entrevista con Wired, dijo que, a largo plazo, el objetivo es lograr que Eureka Machine alcance una mejora recursiva total, con supervisión humana en todo el proceso y la capacidad de detenerlo si surgen problemas. Recursive afirmó que cada nuevo modelo debe hacer que Eureka Machine sea un investigador mejor, ayudándola a construir el siguiente modelo más rápidamente.