Recursive Flint ble lansert 21. oktober 2026. Nvidia oppgir over 220 tokener i sekundet på RTX Spark med 64 GB minne.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is Recursive Superintelligence’s Recursive Flint, released on October 21, 2026, and how does its launch illustrate both the promise and. Article summary: Recursive Flint is Recursive Superintelligence’s first free, open-weight coding model, released on October 21, 2026, for running coding agents on local hardware; the company says AI helped build nearly its entire develop. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Recursive Flint er Recursive Superintelligence sin første åpne kodemodell med tilgjengelige vekter, laget for å kjøre kodeagenter på lokal maskinvare. Lanseringen vakte oppmerksomhet både for modellens rapporterte fart og for selskapets påstand om at KI-systemet Eureka Machine hjalp til med store deler av utviklingen. Det gjør Flint til et eksempel på KI-assistert modellutvikling – ikke et bevis på at KI kan forbedre seg selv selvstendig og uten ende. 1
5
8
Flint er en modell med såkalt mixture-of-experts-arkitektur (MoE). Den har 40 milliarder parametere totalt, men aktiverer 2,5 milliarder for hvert token den behandler. Recursive presenterer den som en rask, lokal modell for kodeoppgaver der KI-agenter kan utføre flere steg. 1
17
Modellvektene kan lastes ned fra Hugging Face under Apache 2.0-lisensen, ifølge omtalen av lanseringen. Flint skal kunne kjøres lokalt på forbrukermaskinvare, blant annet Apple Silicon-maskiner og Nvidia-GPU-er med 48 GB minne. 3
6
Nvidia tok med Flint i en kunngjøring om lokal KI i Europa og beskrev den som optimalisert for RTX Spark. Det plasserer modellen i sammenheng med Nvidias satsing på KI som kjøres lokalt. Utdraget fra kunngjøringen bekrefter imidlertid ikke at Flint ble demonstrert på scenen under en bestemt GTC Berlin-sesjon. 1
De publiserte fartstallene er ikke helt like. Nvidia oppgir at Flint genererer over 220 tokener i sekundet på en RTX Spark med 64 GB minne. Recursive oppgir på sin side over 150 tokener i sekundet på samme type maskinvare ved korte kontekster, og over 125 tokener i sekundet på en MacBook Pro med M4 Pro. Kildene forklarer ikke målebetingelsene godt nok til at Spark-tallene kan sammenlignes direkte. 1
17
Recursive omtaler Flints resultater på SWE-Bench Pro v2, Terminal-Bench 2.1 og SWE-Bench Verified som best i klassen blant MoE-modeller med færre enn 50 milliarder parametere totalt. Det er en avgrenset sammenligning – ikke en påstand om at Flint leder over alle kodemodeller. Resultatene er rapportert av selskapet, og omtalen som foreligger inneholder ingen uavhengig gjentakelse av testene. 1
17
Recursive sier at selskapets automatiserte forskningssystem Eureka Machine bidro i nesten alle deler av utviklingen, blant annet med trening, arbeid med arkitekturen og kodeoptimalisering. Ifølge selskapet gjorde dette det mulig for et lite team å bygge modellen på under fire måneder. Dette er Recursive sin beskrivelse av prosessen, ikke en uavhengig gjennomgått oversikt over hvilke oppgaver mennesker og KI utførte hver for seg. 2
5
8
Det skillet er viktig. Å bruke KI som hjelp i deler av modellutviklingen er noe annet enn at et system på egen hånd bestemmer hva som bør forbedres, gjennomfører arbeidet, vurderer resultatet og starter en ny utviklingsrunde uten menneskelig styring. Flint presenteres som en utprøving av KI-assistert forskning; kildene som foreligger, viser ikke at en fullt autonom løkke for selvforbedring er oppnådd. 8
19
Wired-journalisten Will Knight beskrev Flint som en imponerende kodemodell med åpne vekter og mente den tydet på at fullstendig rekursiv selvforbedring var på vei nærmere. Det er en vurdering av modellens betydning – ikke dokumentasjon på at Flint selvstendig kan bygge sin egen etterfølger. 8
Den praktiske fordelen er lett å forstå: En kodemodell som kjører lokalt, gir brukerne et alternativ til å sende kodeforespørsler til en skytjeneste. Samtidig kan KI-hjelp i forskning og utvikling gjøre det mulig for små team å komme raskere gjennom deler av modellbyggingen, slik Recursive sier skjedde med Flint. 3
5
Striden handler om det mer ambisiøse målet bak lanseringen: å bruke KI til å forbedre KI. Omtaler beskriver muligheten for rekursiv selvforbedring som både lovende og omstridt, og peker samtidig på at teknologien har begrensninger. Recursive-sjef Richard Socher har sagt at selskapets system er utformet for å forbli under menneskelig kontroll. Det er selskapets forsikring, ikke en uavhengig bekreftelse på sikkerheten til framtidige systemer. 8
19
Selskapets finansiering gir også et bilde av ambisjonene. TechCrunch meldte at Recursive kom ut av «stealth»-fasen med 650 millioner dollar i finansiering og en verdsettelse på 4,65 milliarder dollar. Blant investorene var GV, Nvidia og AMD Ventures. 5
Flint bør derfor først og fremst leses som et konkret, tidlig eksempel på et selskap som bruker KI i modellutvikling – kombinert med en lokal kodemodell som har fått oppmerksomhet for rapportert ytelse. Det er tegn på KI-assistert arbeid, ikke bevis på at KI allerede kan forbedre seg selv uten grenser eller fungere uten menneskelig tilsyn. 5
8
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Recursive Flint ble lansert 21. oktober 2026.
Recursive Flint ble lansert 21. oktober 2026. Nvidia oppgir over 220 tokener i sekundet på RTX Spark med 64 GB minne. Recursive oppgir et annet tall for samme maskinvare ved korte kontekster.
Recursive sier Eureka Machine bidro i nesten alle utviklingsledd. Det viser KI assistert modellutvikling, ikke at en KI allerede kan forbedre seg selv på ubestemt tid.
Recursive Flint ble lansert 21. oktober 2026. Nvidia oppgir over 220 tokener i sekundet på RTX Spark med 64 GB minne.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is Recursive Superintelligence’s Recursive Flint, released on October 21, 2026, and how does its launch illustrate both the promise and. Article summary: Recursive Flint is Recursive Superintelligence’s first free, open-weight coding model, released on October 21, 2026, for running coding agents on local hardware; the company says AI helped build nearly its entire develop. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Recursive Flint er Recursive Superintelligence sin første åpne kodemodell med tilgjengelige vekter, laget for å kjøre kodeagenter på lokal maskinvare. Lanseringen vakte oppmerksomhet både for modellens rapporterte fart og for selskapets påstand om at KI-systemet Eureka Machine hjalp til med store deler av utviklingen. Det gjør Flint til et eksempel på KI-assistert modellutvikling – ikke et bevis på at KI kan forbedre seg selv selvstendig og uten ende. 1
5
8
Flint er en modell med såkalt mixture-of-experts-arkitektur (MoE). Den har 40 milliarder parametere totalt, men aktiverer 2,5 milliarder for hvert token den behandler. Recursive presenterer den som en rask, lokal modell for kodeoppgaver der KI-agenter kan utføre flere steg. 1
17
Modellvektene kan lastes ned fra Hugging Face under Apache 2.0-lisensen, ifølge omtalen av lanseringen. Flint skal kunne kjøres lokalt på forbrukermaskinvare, blant annet Apple Silicon-maskiner og Nvidia-GPU-er med 48 GB minne. 3
6
Nvidia tok med Flint i en kunngjøring om lokal KI i Europa og beskrev den som optimalisert for RTX Spark. Det plasserer modellen i sammenheng med Nvidias satsing på KI som kjøres lokalt. Utdraget fra kunngjøringen bekrefter imidlertid ikke at Flint ble demonstrert på scenen under en bestemt GTC Berlin-sesjon. 1
De publiserte fartstallene er ikke helt like. Nvidia oppgir at Flint genererer over 220 tokener i sekundet på en RTX Spark med 64 GB minne. Recursive oppgir på sin side over 150 tokener i sekundet på samme type maskinvare ved korte kontekster, og over 125 tokener i sekundet på en MacBook Pro med M4 Pro. Kildene forklarer ikke målebetingelsene godt nok til at Spark-tallene kan sammenlignes direkte. 1
17
Recursive omtaler Flints resultater på SWE-Bench Pro v2, Terminal-Bench 2.1 og SWE-Bench Verified som best i klassen blant MoE-modeller med færre enn 50 milliarder parametere totalt. Det er en avgrenset sammenligning – ikke en påstand om at Flint leder over alle kodemodeller. Resultatene er rapportert av selskapet, og omtalen som foreligger inneholder ingen uavhengig gjentakelse av testene. 1
17
Recursive sier at selskapets automatiserte forskningssystem Eureka Machine bidro i nesten alle deler av utviklingen, blant annet med trening, arbeid med arkitekturen og kodeoptimalisering. Ifølge selskapet gjorde dette det mulig for et lite team å bygge modellen på under fire måneder. Dette er Recursive sin beskrivelse av prosessen, ikke en uavhengig gjennomgått oversikt over hvilke oppgaver mennesker og KI utførte hver for seg. 2
5
8
Det skillet er viktig. Å bruke KI som hjelp i deler av modellutviklingen er noe annet enn at et system på egen hånd bestemmer hva som bør forbedres, gjennomfører arbeidet, vurderer resultatet og starter en ny utviklingsrunde uten menneskelig styring. Flint presenteres som en utprøving av KI-assistert forskning; kildene som foreligger, viser ikke at en fullt autonom løkke for selvforbedring er oppnådd. 8
19
Wired-journalisten Will Knight beskrev Flint som en imponerende kodemodell med åpne vekter og mente den tydet på at fullstendig rekursiv selvforbedring var på vei nærmere. Det er en vurdering av modellens betydning – ikke dokumentasjon på at Flint selvstendig kan bygge sin egen etterfølger. 8
Den praktiske fordelen er lett å forstå: En kodemodell som kjører lokalt, gir brukerne et alternativ til å sende kodeforespørsler til en skytjeneste. Samtidig kan KI-hjelp i forskning og utvikling gjøre det mulig for små team å komme raskere gjennom deler av modellbyggingen, slik Recursive sier skjedde med Flint. 3
5
Striden handler om det mer ambisiøse målet bak lanseringen: å bruke KI til å forbedre KI. Omtaler beskriver muligheten for rekursiv selvforbedring som både lovende og omstridt, og peker samtidig på at teknologien har begrensninger. Recursive-sjef Richard Socher har sagt at selskapets system er utformet for å forbli under menneskelig kontroll. Det er selskapets forsikring, ikke en uavhengig bekreftelse på sikkerheten til framtidige systemer. 8
19
Selskapets finansiering gir også et bilde av ambisjonene. TechCrunch meldte at Recursive kom ut av «stealth»-fasen med 650 millioner dollar i finansiering og en verdsettelse på 4,65 milliarder dollar. Blant investorene var GV, Nvidia og AMD Ventures. 5
Flint bør derfor først og fremst leses som et konkret, tidlig eksempel på et selskap som bruker KI i modellutvikling – kombinert med en lokal kodemodell som har fått oppmerksomhet for rapportert ytelse. Det er tegn på KI-assistert arbeid, ikke bevis på at KI allerede kan forbedre seg selv uten grenser eller fungere uten menneskelig tilsyn. 5
8
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Recursive Flint ble lansert 21. oktober 2026.
Recursive Flint ble lansert 21. oktober 2026. Nvidia oppgir over 220 tokener i sekundet på RTX Spark med 64 GB minne. Recursive oppgir et annet tall for samme maskinvare ved korte kontekster.
Recursive sier Eureka Machine bidro i nesten alle utviklingsledd. Det viser KI assistert modellutvikling, ikke at en KI allerede kan forbedre seg selv på ubestemt tid.