Công ty khởi nghiệp AI Recursive được thành lập vào năm ngoái, hiện nay dường như đã bắt đầu xứng với tên gọi của mình. Công ty đã công bố mô hình đầu tiên của mình, Flint, vào thứ Tư. Flint là một mô hình mã hóa miễn phí có thể chạy trên laptop, được cho là chủ yếu được xây dựng nhờ AI.
Recursive cho biết hệ thống nghiên cứu tự động hóa của họ, Eureka Machine, đã tham gia vào gần như mọi bước trong quá trình phát triển Flint, giúp một nhóm nhỏ hoàn thành mô hình này từ con số không trong chưa đầy bốn tháng.
Flint là một bài kiểm tra công khai sớm về “tự cải tiến đệ quy”: tức là AI có thể xây dựng AI tốt hơn, và AI đó lại có thể xây dựng AI còn tốt hơn nữa. Đây cũng là một trong những ý tưởng gây tranh cãi nhất trong ngành. Một số nhà nghiên cứu lo ngại rằng việc AI liên tục tự cải tiến có thể thoát khỏi sự kiểm soát của con người. Hiện tại, phiên bản Recursive hạn chế hơn: đó là một trợ lý nghiên cứu AI được giám sát bởi con người, với các mô hình đầu ra đủ nhỏ để chạy trên laptop.
Công ty này kết thúc giai đoạn ẩn danh vào tháng 5 năm nay, huy động được 6,5 tỷ USD với định giá 46,5 tỷ USD, với các nhà đầu tư bao gồm GV, NVIDIA và AMD Ventures. Recursive do CEO Richard Socher dẫn dắt, người từng là Khoa học gia trưởng của Salesforce.
Vì Flint chạy trên máy tính cá nhân của người dùng, chứ không phải trên máy chủ đám mây của công ty, nên các nhà phát triển có thể sử dụng ngoại tuyến, giữ bí mật mã nguồn và tránh chi phí sử dụng các dịch vụ AI đám mây tính phí theo lượng văn bản xử lý theo mô hình. Mô hình này có thể tải miễn phí trên trang chia sẻ mô hình AI phổ biến Hugging Face, với giấy phép Apache 2.0 — một giấy phép mã nguồn mở cho phép sử dụng và chỉnh sửa tự do.
Flint là một mô hình chuyên gia hỗn hợp, nghĩa là khi thực hiện bất kỳ nhiệm vụ nào, nó chỉ kích hoạt một phần nhỏ của chính nó: trong số 4 tỷ tham số, mỗi lần chỉ sử dụng 2,5 tỷ. Nhờ đó, nó đủ nhẹ để chạy trên laptop thông thường và nhỏ hơn nhiều so với mô hình mã nguồn mở Muse Spark Open của Meta vừa ra mắt tuần trước dành cho Mac. Muse Spark Open sử dụng 816 tỷ tham số và ít nhất cần 1 TB bộ nhớ.
Flint cũng rất nhanh. Theo kiểm tra của Recursive, trên MacBook Pro trang bị chip Apple M4 Pro, nó có thể tạo ra khoảng 131 token (khối văn bản) mỗi giây, gấp đôi tốc độ của các mô hình tương tự trên cùng thiết bị này, bao gồm Gemma 4 của Google và Nemotron 3.5 Lightning của NVIDIA, với tốc độ từ 58 đến 69 token mỗi giây. Trên NVIDIA RTX Spark, Flint vượt quá 150 token mỗi giây.
Trên nền tảng đánh giá SWE-Bench Verified đo lường khả năng của AI trong việc sửa lỗi phần mềm thực tế, Flint vượt trội hơn các mô hình khác có tham số dưới 50 tỷ. Theo điểm trung bình của Recursive trên sáu bài kiểm tra, chỉ có Qwen3.8 27B của Alibaba đạt điểm cao hơn Flint.
Công ty thừa nhận rằng Flint cần nhiều sự hướng dẫn hơn so với các trợ lý mã hóa trả phí lớn, và đề xuất chia các nhiệm vụ lớn thành các bước nhỏ hơn. Tuy nhiên, các đánh giá ban đầu vẫn tích cực. Nhà báo của Wired, Will Knight, đã sử dụng Flint trên một chiếc Mac có 48GB RAM để xây dựng một số ứng dụng nhỏ, bao gồm ứng dụng danh sách việc cần làm và một công cụ dành cho nghiên cứu mạng. Anh phát hiện rằng các mô hình mã hóa nhỏ thường mắc lỗi hoặc chạy chậm hơn so với Claude hoặc Codex, nhưng Flint luôn thực hiện chính xác các yêu cầu mã hóa của anh ấy.
Eureka Machine sẽ đưa ra ý tưởng, thực hiện các thí nghiệm và sử dụng kết quả để quyết định bước tiếp theo cần thử. Theo video phát hành của công ty, nó gần như tham gia vào mọi khâu xây dựng Flint, từ tiền huấn luyện đến hậu huấn luyện và suy luận.
Recursive cho biết, đóng góp của Eureka bao gồm cấu trúc mô hình thưa hơn, huấn luyện với số bit thấp—giảm kích thước Flint đi 71% mà gần như không làm mất chất lượng—and các kernel tùy chỉnh, tức là các chương trình chuyên dụng nhằm tăng tốc các phép tính nền tảng.
Recursive không tiết lộ Eureka Machine đã giúp các nhà nghiên cứu tiết kiệm bao nhiêu thời gian, nhưng nó không phải là công ty duy nhất phụ thuộc vào AI để thực hiện nghiên cứu. OpenAI hồi tháng trước cho biết, tính đến giữa tháng 8, số ngày làm việc được ghi nhận bởi các đại lý AI của họ gấp 3,1 lần so với các nhà nghiên cứu con người.
Nếu việc đặt cược của Recursive phát huy hiệu quả, mỗi mô hình mới đều nên có khả năng hoạt động trong thời gian dài hơn mà không cần sự hỗ trợ của con người. Trước đó, công ty đã thông báo với TechCrunch rằng thỏa thuận năng lực tính toán trị giá 410 triệu USD với Amazon Web Services vào tháng Sáu “mục đích không phải để tăng số lượng nhân viên, mà là để tăng số lượng tác nhân”.
Socher trong cuộc phỏng vấn với Wired cho biết, về lâu dài, mục tiêu là để Eureka Machine đạt được khả năng tự cải tiến đệ quy hoàn toàn, với con người giám sát toàn bộ quá trình và có thể dừng lại khi có sự cố. Recursive cho rằng, mỗi mô hình mới đều nên giúp Eureka Machine trở thành một nhà nghiên cứu tốt hơn, từ đó hỗ trợ nó xây dựng mô hình tiếp theo nhanh hơn.