AnswersPublished18 sources
Flint pokazuje, jak AI może pomagać w budowie AI. Nie dowodzi jednak, że potrafi doskonalić się samo
Wydany 21 października 2026 r. Recursive Flint to model do kodowania z 40 mld parametrów, z których 2,5 mld jest aktywnych przy generowaniu każdego tokenu.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Wydany 21 października 2026 r. Recursive Flint to model do kodowania z 40 mld parametrów, z których 2,5 mld jest aktywnych przy generowaniu każdego tokenu.
- Nvidia podaje wynik ponad 220 tokenów na sekundę na RTX Spark z 64 GB pamięci; Recursive osobno deklaruje ponad 150 tokenów na sekundę na tym sprzęcie przy krótkim kontekście.
- Firma przedstawia wyniki Flint w wybranych benchmarkach jako czołowe wśród modeli MoE poniżej 50 mld parametrów, ale są to wyniki deklarowane przez producenta.
AI Prompt
openai.comCreate 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 to pierwszy model do kodowania firmy Recursive Superintelligence, zaprojektowany do uruchamiania lokalnie, bezpośrednio na sprzęcie użytkownika. Premiera zwróciła uwagę nie tylko ze względu na deklarowaną szybkość i wyniki testów, lecz także dlatego, że — jak twierdzi firma — jej system Eureka Machine pomógł w niemal każdym etapie prac nad modelem. To przykład rozwoju AI wspieranego przez AI, nie dowód na to, że system potrafi samodzielnie i bez końca ulepszać samego siebie. 1
5
8
Czym jest Recursive Flint?
Flint to model typu mixture-of-experts (MoE), czyli „mieszanki ekspertów”: ma łącznie 40 mld parametrów, ale przy generowaniu każdego tokenu aktywuje 2,5 mld z nich. Recursive przedstawia go jako szybki, lokalny model do zadań programistycznych wykonywanych przez agentów AI. 1
17
Według doniesień wagi modelu można pobrać z Hugging Face na licencji Apache 2.0. Flint ma działać lokalnie na sprzęcie konsumenckim, w tym na komputerach Mac z układami Apple Silicon oraz kartach graficznych Nvidia z 48 GB pamięci. 3
6
Nvidia uwzględniła Flint w komunikacie o lokalnej AI w Europie i opisała go jako model zoptymalizowany pod RTX Spark. To element promocji lokalnych rozwiązań AI przez Nvidię; dostępny fragment komunikatu nie potwierdza jednak, że Flint został zaprezentowany na scenie podczas konkretnej sesji GTC Berlin. 1
Jak szybki jest i co mówią benchmarki?
Podawane wyniki szybkości nie są takie same. Nvidia informuje o generowaniu ponad 220 tokenów na sekundę na RTX Spark z 64 GB pamięci. Z kolei Recursive deklaruje ponad 150 tokenów na sekundę na tym sprzęcie przy krótkim kontekście oraz ponad 125 tokenów na sekundę na MacBooku Pro z układem M4 Pro. Dostępne źródła nie wyjaśniają na tyle szczegółowo warunków testów, by bezpośrednio porównać oba wyniki dla RTX Spark. 1
17
Recursive podaje też, że Flint osiąga czołowe wyniki w testach SWE-Bench Pro v2, Terminal-Bench 2.1 i SWE-Bench Verified wśród modeli MoE mających mniej niż 50 mld parametrów. To konkretne porównanie, a nie deklaracja, że Flint jest najlepszym modelem do kodowania w każdej kategorii. Wyniki pochodzą od firmy; dostępne doniesienia nie przedstawiają ich niezależnego powtórzenia. 1
17
Co oznacza, że AI pomagało budować Flint?
Recursive twierdzi, że jej zautomatyzowany system badawczy Eureka Machine wspierał niemal każdy etap prac nad Flintem — od treningu modelu po projektowanie architektury i optymalizację kodu. Według firmy dzięki temu niewielki zespół zbudował model w niecałe cztery miesiące. To opis procesu podany przez Recursive, a nie niezależnie zweryfikowany podział zadań między ludzi i AI. 2
5
8
Warto odróżnić pomoc AI przy poszczególnych etapach tworzenia modelu od w pełni autonomicznego cyklu, w którym system sam wybiera, co ulepszyć, wykonuje pracę, ocenia wyniki i rozpoczyna kolejną rundę bez ludzkiego kierowania. Flint jest przedstawiany jako test badań wspomaganych przez AI; dostępne informacje nie dowodzą, że osiągnięto w pełni autonomiczne, rekurencyjne samodoskonalenie. 8
19
Dziennikarz „Wired” Will Knight uznał Flint za imponujący model do kodowania z otwartymi wagami i ocenił, że wskazuje on na zbliżanie się do w pełni rekurencyjnego samodoskonalenia. To jego ocena znaczenia modelu, nie dowód, że sam Flint potrafi niezależnie zbudować swojego następcę. 8
Skąd zainteresowanie i kontrowersje?
Praktyczna korzyść z lokalnego modelu jest prosta: użytkownik może wykonywać zadania programistyczne bez wysyłania ich do usługi chmurowej. Z kolei wykorzystanie AI w badaniach i rozwoju może przyspieszyć pracę niewielkiego zespołu — co, według Recursive, miało miejsce przy tworzeniu Flinta. 3
5
Kontrowersje dotyczą ambitniejszego celu: używania AI do ulepszania AI. Doniesienia opisują rekurencyjne samodoskonalenie jako perspektywę zarazem obiecującą i budzącą spory, a zarazem wskazują na ograniczenia obecnej technologii. Prezes Recursive, Richard Socher, zapewniał, że system firmy ma pozostawać pod ludzką kontrolą. To deklaracja firmy, a nie niezależne potwierdzenie bezpieczeństwa przyszłych systemów. 8
19
Skalę ambicji Recursive pokazuje także jej finansowanie. Jak podał TechCrunch, firma wyszła z fazy działania w ukryciu z 650 mln dolarów finansowania i wyceną 4,65 mld dolarów. Wśród inwestorów znalazły się GV, Nvidia i AMD Ventures. 5
Premierę Flinta najlepiej więc traktować jako konkretny, wczesny przykład wykorzystania AI w pracach nad modelem oraz debiut lokalnego narzędzia do kodowania, które zwróciło uwagę deklarowanymi wynikami. To dowód na rozwój wspomagany przez AI — nie na to, że AI już potrafi bez końca ulepszać samą siebie albo działać bez ludzkiego nadzoru. 5
8
19
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Flint pokazuje, jak AI może pomagać w budowie AI. Nie dowodzi jednak, że potrafi doskonalić się samo"?
Wydany 21 października 2026 r. Recursive Flint to model do kodowania z 40 mld parametrów, z których 2,5 mld jest aktywnych przy generowaniu każdego tokenu.
What are the key points to validate first?
Wydany 21 października 2026 r. Recursive Flint to model do kodowania z 40 mld parametrów, z których 2,5 mld jest aktywnych przy generowaniu każdego tokenu. Nvidia podaje wynik ponad 220 tokenów na sekundę na RTX Spark z 64 GB pamięci; Recursive osobno deklaruje ponad 150 tokenów na sekundę na tym sprzęcie przy krótkim kontekście.
What should I do next in practice?
Firma przedstawia wyniki Flint w wybranych benchmarkach jako czołowe wśród modeli MoE poniżej 50 mld parametrów, ale są to wyniki deklarowane przez producenta.
Sources
blogs.nvidia.comBringing the Spark to Europe: Local Intelligence Powers Next ...
techcrunch.comRecursive launches Flint, a laptop coding model it says was largely built by AI | TechCrunch
wired.comThis Startup Is All In on Recursive Self-Improvement. Its Latest Model Is Scary Good
recursive.comIntroducing Flint - Recursive