Стартап Recursive выпустил модель Flint — бесплатный ИИ-инструмент для программирования, который можно запускать локально на ноутбуке. Для разработчиков это не просто ещё один компактный код-ассистент: Flint должна работать без облака, не отправлять исходники внешнему провайдеру и не выставлять счёт за каждый обработанный токен.
Как сообщает TechCrunch, модель создана при активном участии собственной автоматизированной исследовательской системы Recursive — Eureka Machine. Компания утверждает, что ИИ помогал почти на всех этапах разработки: от предобучения до оптимизации инференса. Небольшая команда собрала модель с нуля менее чем за четыре месяца — и теперь проверяет на практике идею, что ИИ способен ускорять создание следующего поколения ИИ.
Flint опубликована на Hugging Face под лицензией Apache 2.0. Это разрешительная лицензия: модель можно использовать, дорабатывать и встраивать в продукты, соблюдая условия уведомления об авторских правах. Для команд с чувствительным кодом, закрытыми репозиториями или ограниченным доступом к интернету локальный запуск выглядит куда практичнее, чем очередная подписка на облачного помощника.
Технически Flint построена по схеме mixture-of-experts. Всего у неё 40 млрд параметров, но при обработке конкретного запроса задействуются около 2,5 млрд. Такой подход позволяет держать заявленный масштаб модели, не пытаясь одновременно прогнать через железо все её параметры. Recursive позиционирует Flint как вариант для обычного ноутбука, а не как модель, которой нужна стойка серверов рядом с кофемашиной.
Ставка на скорость и локальную работу
По данным Recursive, на MacBook Pro с чипом Apple M4 Pro Flint генерировала около 131 токена в секунду. Для сравнения, сопоставимые модели Google Gemma 4 и Nvidia Nemotron 3.5 Lightning на той же машине показывали примерно 58–69 токенов в секунду. На Nvidia RTX Spark разработчики компании зафиксировали свыше 150 токенов в секунду. Это корпоративные бенчмарки производителя, поэтому воспринимать их как окончательный рейтинг не стоит, но цифры важны: у локальных кодовых моделей скорость ответа часто решает, будет ли разработчик пользоваться инструментом каждый день или отключит его после первой долгой генерации.
На SWE-Bench Verified — тесте, где модели пытаются исправлять реальные ошибки в программных проектах, — Flint обошла другие модели с размером до 50 млрд параметров. Во внутреннем среднем результате Recursive по шести тестам выше неё оказалась только Qwen3.8 27B от Alibaba. Компания при этом не обещает, что компактная модель заменит крупные платные ассистенты: для больших задач она рекомендует разбивать работу на небольшие этапы и давать модели больше направляющих инструкций.
Первый независимый опыт тоже выглядит обнадёживающе, хотя пока это не массовая проверка. Журналист Wired Уилл Найт тестировал Flint на Mac с 48 ГБ памяти и с её помощью собрал несколько небольших программ, включая приложение со списком задач и инструмент для поиска исследований в интернете. По его оценке, модель стабильно выполняла запросы, где компактные решения нередко спотыкаются об ошибки или проигрывают по скорости более крупным Claude и Codex.
Не автономный исследователь, а ранний прототип его конвейера
Главная история здесь всё же не в ещё одной открытой модели. Eureka Machine формулирует гипотезы, проводит эксперименты, оценивает результаты и выбирает следующие шаги. По словам Recursive, эта система предложила более разреженную архитектуру, участвовала в низкобитном обучении, которое уменьшило размер Flint на 71% почти без потери качества, и помогла создать специализированные вычислительные ядра. Иными словами, модель Flint стала одновременно продуктом и демонстрацией внутреннего производственного процесса.
Recursive вышла из режима скрытой разработки в мае, объявив о финансировании в $650 млн при оценке $4,65 млрд. Среди инвесторов компания называла GV, Nvidia и AMD Ventures. Её возглавляет Ричард Сочер, ранее занимавший пост главного научного сотрудника Salesforce. В июне стартап также сообщил о вычислительном соглашении с AWS на $410 млн; тогда в компании сформулировали приоритет без особой скромности: речь идёт не столько о числе сотрудников, сколько о числе агентов.
Идея рекурсивного самоулучшения остаётся спорной. В сильной версии она предполагает, что ИИ создаёт более совершенный ИИ, который затем ускоряет следующий цикл — и так далее. Критики опасаются потери человеческого контроля над таким процессом. Recursive описывает текущую схему существенно скромнее: Eureka Machine работает под надзором людей, а люди должны иметь возможность остановить процесс при проблемах. Пока результатом стал не автономный научный центр, а локальный кодовый помощник с вполне земными требованиями к памяти и железу.
Для русскоязычных разработчиков и компаний ценность Flint будет зависеть не только от результатов тестов. Важнее, насколько хорошо она справится с реальными репозиториями, русскоязычной документацией, длинным контекстом и специфичным стеком команды. Но направление уже понятно: локальные модели становятся не аварийным вариантом «на случай без интернета», а способом совместить приватность кода, предсказуемые расходы и приемлемую скорость. Остаётся открытым вопрос, сможет ли следующий цикл Eureka Machine заметно улучшить модель Flint без пропорционального роста вычислительных затрат и объёма человеческой проверки. Подробности запуска и заявленные результаты доступны в материале .
