Ang AI startup na Recursive, na itinatag noong nakaraang taon, ay tila nagsisimula nang maayos. Ipinakilala ng kumpanya noong Miyerkules ang kanilang unang modelo, ang Flint. Ang Flint ay isang libreng coding model na maaaring i-run sa laptop, at ayon sa mga ahente, ay binuo gamit ang AI.
Sinabi ng Recursive na ang kanilang automated research system, ang Eureka Machine, ay nakikilahok sa halos bawat hakbang sa pagbuo ng Flint, na nagpapahintulot sa isang maliit na koponan na matapos ang modelo mula sa zero sa loob ng higit sa apat na buwan.
Ang Flint ay isang maagang pampublikong pagsubok sa “rekursibong sariling pagpapabuti”: ang kakayahan ng AI na bumuo ng mas mahusay na AI, na kung saan ay maaaring bumuo ng mas mahusay pa pang AI. Ito ay isa rin sa pinakakontrobersyal na ideya sa industriya. Ang ilang mga siyentipiko ay nagkakaroon ng takot na ang patuloy na sariling pagpapabuti ng AI ay maaaring mawala sa kontrol ng tao. Sa kasalukuyan, ang bersyon ng Recursive ay mas limitado: ito ay isang AI na research assistant na may tao na nagmamalasakit, at ang mga modelo nito ay sapat na maliit upang maaaring run sa isang laptop.
Nagtapos ang kompanya sa pagkakatago noong Mayo ng taong ito, nagkaroon ng pagsasamantala ng $650 milyon at may halagang $4.65 bilyon, kasama ang mga investor tulad ng GV, NVIDIA, at AMD Ventures. Pinopanatili ni Richard Socher, dating pangunahing siyentipiko ng Salesforce, ang posisyon bilang CEO ng Recursive.
Dahil ang Flint ay tumatakbo sa sariling kompyuter ng user, hindi sa cloud server ng kumpanya, maaaring gamitin ng mga developer nang offline, panatilihin ang privacy ng code, at iwasan ang mga bayarin sa paggamit ng AI cloud services na batay sa dami ng teksto na prosesado ng modelo. Maaaring i-download nang libre ang modelo sa populer na website para sa pagbabahagi ng AI models na Hugging Face, gamit ang Apache 2.0 license, isang open-source license na nagpapahintulot sa libreng paggamit at pagbabago.
Ang Flint ay isang hybrid expert model, na nangangahulugan na sa pagpapatupad ng anumang ibinigay na gawain, ito ay tanging gumagamit ng isang maliit na bahagi ng sarili nito: sa 4 bilyong parameter, tanging 2.5 bilyon ang ginagamit sa bawat pagkakataon. Dahil dito, sapat itong magaan upang makapag-run sa karaniwang laptop, at mas maliit kaysa sa Muse Spark Open, ang open-source model na inilabas ni Meta noong nakaraang linggo para sa Mac. Gumagamit ang Muse Spark Open ng 816 bilyong parameter at nangangailangan ng hindi bababa sa 1 TB ng memorya.
Mabilis din ang Flint. Ayon sa pagsubok ng Recursive, sa MacBook Pro na may Apple M4 Pro chip, nakakagawa ito ng halos 131 token (mga bloke ng teksto) bawat segundo, na halos dalawang beses ang bilis ng mga katulad na modelo sa parehong machine, kabilang ang Google’s Gemma 4 at NVIDIA’s Nemotron 3.5 Lightning, na may bilis ng 58 hanggang 69 token bawat segundo. Sa NVIDIA RTX Spark, mas hihigit sa 150 token bawat segundo ang bilis ng Flint.
Sa SWE-Bench Verified, ang benchmark na sumusukat sa kakayahan ng AI na ayusin ang totoong mga bug sa software, mas mataas ang performance ng Flint kaysa sa iba pang mga modelo na may mas mababa sa 50 bilyon na parameter. Ayon sa average na marka ng Recursive sa anim na pagsubok, ang tanging modelo na mas mataas ang marka kaysa sa Flint ay ang Qwen3.8 27B ng Alibaba.
Kinikilala ng kumpanya na kailangan ng Flint ng higit pang gabay kaysa sa mga malalaking bayad na coding assistant, at inirerekomenda na hatiin ang mga malalaking gawain sa mas maliit na mga hakbang. Gayunpaman, positibo ang mga maagang pagsusuri. Ginamit ni Will Knight, isang reporter ng Wired, ang Flint sa isang Mac na may 48GB ng memorya upang buuin ang ilang maliit na programa, kabilang ang to-do app at isang tool para sa online research. Nakita niya na ang mga maliit na coding model ay madalas nagkakakamali o mas mabagal kaysa sa Claude o Codex, ngunit laging tama ang Flint sa kanyang mga coding request.
Ang Eureka Machine ay nagpapahayag ng mga ideya, nagpapatupad ng mga eksperimento, at gumagamit ng mga resulta upang matukoy ang susunod na gagawin. Ayon sa video na ipinahayag ng kumpanya, kasali ito sa pagbuo ng bawat bahagi ng Flint, mula sa pre-training hanggang sa post-training at inference.
Sinabi ni Recursive na ang mga kontribusyon ni Eureka ay kasama ang mas makitid na istruktura ng modelo, mababang bit na pagtuturo—na nagbawas ng 71% sa laki ng Flint nang hindi nagkakaroon ng malaking pagkawala sa kalidad—at mga custom kernel, o mga espesyalisadong programa para sa pagpapabilis ng mga pangunahing kalkulasyon.
Hindi binigay ng Recursive kung gaano karaming oras ang naliligtas ng Eureka Machine para sa mga mananaliksik, ngunit hindi ito ang tanging kumpanya na nakauunlad sa AI para sa pananaliksik. Sinabi ng OpenAI noong nakaraang buwan na hanggang mid-Agosto, ang bilang ng mga araw ng trabaho na narekord ng kanilang AI agent ay 3.1 beses ang dami ng mga human researcher.
Kung tumutugon ang pagtaya sa Recursive, dapat makapag-isip nang higit pa nang walang tulong ng tao ang bawat bagong modelo. Noon, sinabi ng kumpanya sa TechCrunch na ang kanilang 410 milyong dolyar na kasunduan sa compute power sa Amazon Web Services noong Hunyo ay “higit para sa pagpaparami ng mga agent kaysa sa pagpaparami ng mga empleyado.”
Sinabi ni Socher sa isang interbyu sa Wired na ang layunin sa mahabang panahon ay gawing ganap na rekursibong sariling pagpapabuti ang Eureka Machine, na may pananatili ng tao sa buong proseso at ang kakayahang ipag-utos kung may problema. Sinabi ni Recursive na ang bawat bagong modelo ay dapat gawing mas mabuting mananaliksik ang Eureka Machine, upang tulungan itong mas mabilis na bumuo ng susunod na modelo.