Recursive presentó Flint, un modelo de código de 39.800 millones de parámetros que se distribuye gratis y, según la empresa, fue diseñado casi por completo por su sistema de investigación automatizado, Eureka Machine.
El titular dice que corre en una laptop. La ficha técnica aclara que la versión completa pesa alrededor de 80 GB y necesita una GPU de centro de datos; para laptops hay variantes cuantizadas.
Qué es Flint
Flint usa una arquitectura de mezcla de expertos: tiene 39.800 millones de parámetros totales, pero solo activa unos 2.500 millones por token. Eso lo hace más liviano que un modelo denso del mismo tamaño.
Los pesos están en Hugging Face bajo licencia Apache 2.0, con un contexto documentado de 262.144 tokens.
La empresa lo entrenó desde cero en menos de cuatro meses. El equipo es pequeño; la mayor parte del trabajo de investigación y ajuste la hizo Eureka Machine, que propone ideas, las prueba y decide qué intentar después. Es una demostración de automatización del proceso de investigación, no solo del entrenamiento.
La laptop y la letra pequeña
El repositorio oficial contiene el checkpoint BF16 de aproximadamente 80 GB y la ficha indica una GPU B300 o H200 por réplica. Las versiones que corren en laptops son cuantizadas, preparadas aparte para NVIDIA y Apple Silicon. Es una diferencia importante: el modelo completo no cabe en una laptop común.
En las pruebas de la empresa, Flint generó unos 131 tokens por segundo en una MacBook Pro con M4 Pro y más de 150 en una RTX Spark. TechCrunch lo probó y lo describió como usable, aunque necesita más guía que los asistentes comerciales.
Los benchmarks también son de la empresa: 74,2% en SWE-bench Verified, 89,7% en SWE-bench Pro v2 y 54,9% en Terminal-Bench 2.1. No hay una verificación independiente de esas cifras.
Qué hizo Eureka Machine
El sistema contribuyó en el diseño de la arquitectura, el entrenamiento en baja precisión y los kernels optimizados. Según Recursive, el entrenamiento low-bit redujo el tamaño 71% con casi ninguna pérdida de calidad; la versión final quedó 0,7 puntos por debajo de la versión sin comprimir en pruebas internas.
La idea de fondo es la autosuperación recursiva: una IA que diseña una versión mejor de sí misma. Sus defensores dicen que acelerará el progreso; sus críticos advierten que un ciclo así puede volverse difícil de supervisar. Richard Socher, CEO de Recursive, sostiene que su sistema no puede escapar del control humano.
Lo que falta
Flint es una prueba pequeña de una idea grande. Lo que falta no es otro benchmark: es que un equipo externo reproduzca los resultados y que el modelo demuestre que sirve en tareas largas sin supervisión constante.
Mientras tanto, el precedente de empresas que usan IA para reemplazar su propio trabajo recuerda que la automatización no elimina la responsabilidad humana.
Si el ciclo funciona, cada modelo debería necesitar menos ayuda para construir el siguiente. Si no, Flint quedará como un buen modelo local con una historia de marketing muy potente.
Más en: Inteligencia Artificial, Programación
