Perusahaan rintisan AI, Recursive, yang ditubuhkan tahun lepas, kini kelihatan mulai memenuhi namanya. Perusahaan ini mengumumkan model pertamanya, Flint, pada hari Rabu. Flint adalah model pengkodean percuma yang boleh dijalankan di laptop, yang diklaim dibina terutamanya dengan bantuan AI.
Recursive menyatakan bahawa sistem penyelidikan automatiknya, Eureka Machine, hampir terlibat dalam setiap langkah pembangunan Flint, membolehkan pasukan kecil menyelesaikan model ini dari awal dalam kurang daripada empat bulan.
Flint adalah ujian awal terbuka terhadap "peningkatan diri rekursif": di mana AI boleh membina AI yang lebih baik, dan AI yang lebih baik itu pula boleh membina AI yang lebih baik lagi. Ini juga merupakan salah satu idea paling kontroversial dalam industri ini. Sesetengah penyelidik bimbang bahawa AI yang terus meningkatkan dirinya mungkin akan melampaui kawalan manusia. Sejauh ini, versi Recursive lebih terhad: ia adalah pembantu penyelidikan AI yang dipantau oleh manusia, dengan model yang cukup kecil untuk dijalankan di komputer riba.
Syarikat ini mengakhiri keadaan rahsia pada Mei tahun ini, memperoleh pendanaan sebanyak $650 juta dengan penilaian $4.65 bilion, dengan pelabur termasuk GV, NVIDIA, dan AMD Ventures. Recursive dipimpin oleh CEO Richard Socher, yang sebelumnya merupakan Ketua Saintis Salesforce.
Kerana Flint berjalan di komputer pengguna sendiri, bukan di pelayan awan syarikat, pembangun boleh menggunakannya secara luar talian, menjaga kerahsiaan kod, dan mengelakkan kos penggunaan perkhidmatan awan AI yang dikenakan berdasarkan kuantiti teks yang diproses oleh model. Model ini boleh dimuat turun secara percuma di laman web perkongsian model AI popular, Hugging Face, dengan lesen Apache 2.0, yang merupakan lesen sumber terbuka yang membenarkan penggunaan dan pengubahsuaian secara bebas.
Flint adalah model pakar hibrida, yang bermaksud ia hanya memanggil sebahagian kecil daripada dirinya sendiri semasa menjalankan sebarang tugas tertentu: daripada 40 bilion parameter, hanya 25 bilion yang digunakan setiap kali. Ini menjadikannya cukup ringan untuk dijalankan di laptop biasa, dan jauh lebih kecil berbanding model sumber terbuka Meta yang dilancarkan minggu lepas untuk Mac, iaitu Muse Spark Open. Muse Spark Open menggunakan 816 bilion parameter dan sekurang-kurangnya memerlukan 1TB memori.
Flint juga sangat pantas. Menurut ujian Recursive, pada MacBook Pro yang dilengkapi dengan cip Apple M4 Pro, ia mampu menghasilkan sekitar 131 token (blok teks) per saat, hampir dua kali ganda berbanding model serupa di mesin yang sama, termasuk Gemma 4 milik Google dan Nemotron 3.5 Lightning milik NVIDIA, yang berkecepatan 58 hingga 69 token per saat. Di NVIDIA RTX Spark, kecepatan Flint melebihi 150 token per saat.
Dalam piawai SWE-Bench Verified yang mengukur kemampuan AI memperbaiki lubang keamanan perisian sebenar, Flint berprestasi lebih baik daripada model lain dengan parameter kurang daripada 50 bilion. Mengikut purata Recursive dalam enam ujian, hanya Qwen3.8 27B daripada Alibaba yang mendapat skor lebih tinggi daripada Flint.
Syarikat mengakui bahawa Flint memerlukan lebih banyak panduan berbanding pembantu pengkodean berbayar besar, dan mencadangkan agar tugas besar dibahagikan kepada langkah-langkah yang lebih kecil. Walaupun begitu, ulasan awal adalah positif. Jururakam Wired, Will Knight, menggunakan Flint di sebuah Mac dengan memori 48GB untuk membina beberapa aplikasi kecil, termasuk aplikasi senarai tugas dan alat untuk penyelidikan web. Beliau mendapati bahawa model pengkodean kecil sering membuat kesilapan, atau lebih perlahan berbanding Claude atau Codex, tetapi Flint sentiasa menyelesaikan permintaan pengkodeannya dengan tepat.
Eureka Machine akan mengemukakan idea, menjalankan eksperimen, dan menggunakan hasilnya untuk menentukan langkah seterusnya yang akan dicuba. Menurut video pengumuman syarikat tersebut, ia hampir terlibat dalam setiap bahagian pembinaan Flint, dari pra-pelatihan hingga pasca-pelatihan dan inferens.
Recursive menyatakan bahawa sumbangan Eureka termasuk struktur model yang lebih jarang, latihan bit rendah—yang mengurangkan saiz Flint sebanyak 71% tanpa kehilangan kualiti hampir sepenuhnya—dan kernel tersuai, iaitu program khas yang digunakan untuk mempercepat pengiraan asas.
Recursive tidak menyatakan berapa banyak masa yang dijimatkan oleh Eureka Machine kepada penyelidik, tetapi ia bukan satu-satunya syarikat yang bergantung kepada AI untuk penyelidikan. OpenAI bulan lepas menyatakan bahawa, sehingga pertengahan Ogos, jumlah hari kerja yang direkodkan oleh agen AI mereka adalah 3.1 kali ganda berbanding penyelidik manusia.
Jika pertaruhan Recursive berjaya, setiap model baru seharusnya mampu menjalankan tugas lebih lama tanpa bantuan manusia. Syarikat sebelum ini memberitahu TechCrunch bahawa perjanjian komputasi bernilai US$410 juta yang dicapai pada Jun dengan Amazon Web Services "lebih bertujuan untuk meningkatkan bilangan agen, bukan bilangan pekerja".
Socher dalam temu bual dengan Wired menyatakan bahawa, dari perspektif jangka panjang, matlamatnya adalah untuk membolehkan Eureka Machine mencapai peningkatan diri berulang sepenuhnya, dengan pengawasan manusia sepanjang proses dan kemampuan untuk menghentikannya sekiranya berlaku masalah. Recursive menyatakan bahawa setiap model baru harus menjadikan Eureka Machine sebagai penyelidik yang lebih baik, sehingga membantunya membina model seterusnya dengan lebih cepat.