Recursive lanserer Flint: åpen kodemodell med 39,8 milliarder parametere til lokal kjøring
Recursive Superintelligence har sluppet sin første modell, Flint – en åpent vektet kodeassistent på 39,8 milliarder parametere som skal kunne kjøre lokalt på en 48 GB-maskin. Men alle benchmark-tall er selskapets egne, og de sterkeste konkurrentene slår den fortsatt på nøkkelprøver.
Recursive Superintelligence lanserte 21. oktober 2026 Flint, selskapets første modell: en lokal kodemodell med mixture-of-experts-arkitektur (MoE), 39,8 milliarder totale parametere og rundt 2,5 milliarder aktive per token. Vektene ligger på Hugging Face under Apache 2.0-lisensen, og ifølge selskapet skal modellen kjøre lokalt på 48 GB Apple Silicon-maskiner eller 48 GB NVIDIA-GPU-er, med hurtighet på over 125 tokens per sekund på en MacBook Pro. Tallene kommer imidlertid fra Recursive selv, og ingen uavhengig replikering foreligger ennå. Dette er hva som er kjent, og hva som gjenstår å verifisere.
Hva Flint er, og hvordan den er bygget
Ifølge modellkortet på Hugging Face, slik det er gjengitt av MarkTechPost og XenoSpectrum, har Flint 49 lag: to tette lag etterfulgt av 47 MoE-lag. Hvert MoE-lag inneholder 256 rutete eksperter, der en ruter velger seks per token, pluss én alltid aktiv delt ekspert. Oppmerksomhetsmekanismen blander 35 lag med et glidevindu på 513 tokens og 14 full-oppmerksomhetslag uten posisjonskoding.
De aktive 2,5 milliardene inkluderer utdatalaget; ekskluderes dette, har modellkroppen rundt 2,2 milliarder aktive parametere. Det er denne kombinasjonen av lav aktiv kostnad per token og full størrelse som ifølge Recursive gjør hurtig lokal inferens mulig: 4-bit-vektene tar omtrent 23 GB, og modellen er angitt å kjøre på M4 Pro-, M5 Pro- og M5 Max-maskiner eller tilsvarende NVIDIA-utstyr.
Flint er ifølge selskapet ment for flertrinns agentarbeid, ikke bare enkle kodefullføringer, og støtter resonnering, verktøykall og samtaler over flere runder. Kontekstvinduet er uavklart: modellkortet dokumenterer 262 144 tokens, mens selskapets blogg oppgir opptil 512k. Denne forskjellen er ikke løst.
Eureka Machine: automatisert modellbygging, etter selskapets eget utsagn
Den mest omdiskuterte delen av historien er hvordan Flint ble til. Ifølge Cryptobriefing bygde et lite team modellen fra bunnen av på under fire måneder, med tung bruk av selskapets eget automatiserte forskningssystem, «Eureka Machine». Recursives bredere mål er å automatisere flere stadier av modellutvikling, inkludert justering av arkitektur og forbedring av treningsmetoder.
De konkrete bidragene selskapet selv tilskriver Eureka Machine inkluderer kvantisering av utdatalaget (lm_head) til 4 bit, i motsetning til vanlig praksis, med en offline destillasjonsfase der 16-bit-modellen fungerte som lærer for å gjenopprette nøyaktighet. Dette skal nesten ha halvert antall treningssteg sammenlignet med et kvantiseringsbevisst treningsgrunnlag, og den NVFP4-kvantiserte modellen skal score innen 0,7 poeng av 16-bit-versjonen. Det er verdt å understreke: alle disse påstandene stammer fra Recursive, og omfanget av automatiseringen lar seg ikke verifisere fra tilgjengelige kilder.
Tallene – og hva de faktisk viser
Alle benchmark-resultatene er selvrapportert av Recursive, gjengitt av MarkTechPost: 54,9 % på Terminal-Bench 2.1 (BF16), 89,7 % på SWE-bench Pro v2, 74,2 % på SWE-bench Verified, 80,3 % på LiveCodeBench v6 og 95,1 % på IFEval. Prøvetakingen skal ha brukt temperatur 1,0, top-p 0,95 og top-k 20.
Det mest avslørende tallet er kanskje det Recursive selv legger frem: på Terminal-Bench 2.1 ligger Flint på 54,9 %, mens den tette modellen Qwen 3.8 scoret 73,0 %. Det betyr at Flints MoE-arkitektur og hurtighet ikke oversetter til toppresultat på agentprøver sammenlignet med den sterkeste tilgjengelige konkurrenten.
Evalueringsbetingelsene er relevante her. Ifølge MarkTechPost ble Terminal-Bench kjørt med Terminus 2-verktøyet, der løsninger hentet via nettsøk ble telt som feil; SWE-bench-kjøringene brukte mini-swe-agent uten internett. Agentresultatene er gjennomsnitt av pass@1 over minst fem forsøk per oppgave. XenoSpectrum påpeker imidlertid at sammenligningstallene delvis kommer fra andres publikasjoner, slik at betingelsene ikke nødvendigvis er fullt standardiserte. Med andre ord: differansen mellom Flint og Qwen 3.8 er ikke et kontrollert like-for-like-sammenligningsgrunnlag.
Hurtighetspåstandene
Richard Socher annonserte Flint på X den 21. oktober med påstanden om at Flint er «best-in-class fast local coding» og «opptil 2x raskere enn sammenlignbare modeller», med over 125 tokens per sekund på en MacBook Pro og over 150 tokens per sekund på RTX Spark (gjengitt av MarkTechPost). Cryptobriefing bemerker at 150-tallet på RTX Spark bør forstås som et potensielt tak, ikke en garanti, og at selskapets hurtighetspåstander ikke er uavhengig testet på tvers av variert maskinvare og arbeidsmengder.
Kapital og posisjonering
Recursive har ifølge Cryptobriefing samlet inn 650 millioner dollar til en verdisetting på 4,65 milliarder dollar, med investorer som Google Ventures, Greycroft, Nvidia og AMD Ventures. Selskapet plasserer Flint som et ledd i en bredere satsing på rekursiv superintelligens, der automatisering av hele modellutviklingspipelinen er målet. I praksis betyr det at Flint fungerer som et bevis på konsept for Eureka Machine like mye som et produkt for sluttbrukere.
Hvordan skal man så vurdere Flint i dag? For utviklere som evaluerer lokale kodeassistenter, er hovedgrunnen til å følge med tredelt: Apache 2.0-lisensen gir full frihet til bruk og videreutvikling; maskinvarekravet på 48 GB ligger på premiumenden av forbrukermarkedet, men er oppnåelig; og MoE-arkitekturen med få aktive parametere gjør lokalt agentarbeid praktisk mulig i prinsippet. På den annen side er det verdt å merke seg at Qwen 3.8, en tett modell, fortsatt scorer betydelig høyere på Terminal-Bench, og at sammenligningene Recursive selv fremhever er potensielt skjevfordelt.
Hva som gjenstår å avklare
Flere spørsmål står åpne. Den uavklarte kontekstvindu-forskjellen mellom 262 144 og 512k tokens er praktisk relevant for de som planlegger langdistanse-agentjobber. Uenigheten i hurtighetstall på RTX Spark – enten det er 150 eller høyere – påvirker forventninger til maskinvarekrav. Og den mest grunnleggende usikkerheten: ingen av benchmark-resultatene er reprodusert av tredjeparter. Det som kan rydde opp, er nettopp det Apache 2.0-utgivelsen muliggjør – uavhengige benchmark-kjøringer og samfunnstesting av vektene. I mellomtiden bør alle ytelsestall leses som Recursive sine egne påstander, ikke som verifiserte fakta.