Recursive Flint lanserades den 21 oktober 2026. Modellen har 40 miljarder parametrar, varav 2,5 miljarder aktiveras för varje token.
Publicerad avRedigerad med GPT-6 LunaBilder genererade 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 är Recursive Superintelligence första kodmodell med öppna modellvikter, utformad för att köra kodningsagenter på lokal hårdvara. Lanseringen väckte uppmärksamhet både för modellens rapporterade hastighet och benchmarkresultat och för företagets uppgift att deras Eureka Machine hjälpte till att utveckla stora delar av den. Det gör Flint till ett exempel på AI-stödd modellutveckling – inte ett bevis för att ett AI-system självständigt och i det oändliga kan förbättra sig självt. 1
5
8
Flint är en mixture-of-experts-modell (MoE) med totalt 40 miljarder parametrar, där 2,5 miljarder aktiveras för varje token. Recursive presenterar den som en snabb lokal modell för kodningsuppgifter som utförs av AI-agenter. 1
17
Modellvikterna finns att ladda ned från Hugging Face under licensen Apache 2.0, enligt rapporteringen om lanseringen. Uppgifter beskriver hur modellen kan köras lokalt på konsumenthårdvara, bland annat på Apple-datorer med Apple Silicon och Nvidia-grafikkort med 48 GB minne. 3
6
Nvidia tog upp Flint i ett tillkännagivande om lokal AI i Europa och beskrev modellen som optimerad för RTX Spark. Det placerar Flint i sammanhanget av Nvidias satsning på lokal AI-hårdvara. Det tillgängliga utdraget ur tillkännagivandet visar däremot inte att modellen demonstrerades på scen under ett specifikt GTC Berlin-pass. 1
De publicerade hastighetsuppgifterna skiljer sig åt. Nvidia uppger att Flint genererar över 220 token per sekund på en RTX Spark med 64 GB minne. Recursive rapporterar i sin tur över 150 token per sekund på en RTX Spark med 64 GB vid kort kontext, och över 125 token per sekund på en MacBook Pro med M4 Pro. Källorna beskriver inte mätförhållandena tillräckligt tydligt för att siffrorna för RTX Spark ska kunna jämföras direkt. 1
17
Recursive beskriver Flints resultat på SWE-Bench Pro v2, Terminal-Bench 2.1 och SWE-Bench Verified som bäst i klassen bland MoE-modeller med färre än 50 miljarder parametrar totalt. Det är en avgränsad jämförelse, inte ett påstående om att Flint leder bland alla kodmodeller. Resultaten kommer från företaget; den tillgängliga rapporteringen innehåller ingen oberoende upprepning av benchmarktesterna. 1
17
Recursive säger att företagets automatiserade forskningssystem, Eureka Machine, hjälpte till i nästan alla utvecklingssteg för Flint, bland annat med träning, arkitekturarbete och kodoptimering. Företaget uppger att hjälpen gjorde det möjligt för ett litet team att bygga modellen på mindre än fyra månader. Det är Recursives beskrivning av processen, inte en oberoende granskning av hur arbetet fördelades mellan människor och AI. 2
5
8
Skillnaden är viktig. Att använda AI som hjälp i delar av modellutvecklingen är inte samma sak som att ett system på egen hand väljer vad som ska förbättras, genomför arbetet, utvärderar resultatet och startar en ny utvecklingscykel utan mänsklig styrning. Flint beskrivs som ett test av AI-stödd forskning; den tillgängliga evidensen visar inte att en helt autonom loop för självförbättring har uppnåtts. 8
19
Wired-journalisten Will Knight beskrev Flint som en imponerande kodmodell med öppna vikter och menade att den antyder att fullt rekursiv självförbättring kan vara på väg närmare. Det är en bedömning av modellens betydelse, inte belägg för att Flint självständigt kan bygga sin efterföljare. 8
Den praktiska nyttan är tydlig: en kodmodell som körs lokalt ger användare ett alternativ till att skicka kodfrågor till en molntjänst. Samtidigt skulle AI-hjälp i forskning och utveckling kunna göra att ett litet team snabbare tar sig igenom arbetet med att bygga en modell – vilket Recursive säger skedde med Flint. 3
5
Kontroversen handlar om den mer långtgående ambitionen bakom lanseringen: att använda AI för att förbättra AI. Rapporteringen beskriver möjligheten till rekursiv självförbättring som både lovande och omstridd, och påpekar samtidigt att tekniken har begränsningar. Recursive-chefen Richard Socher har sagt att företagets system är utformat för att förbli under mänsklig kontroll. Det är företagets försäkran, inte en oberoende verifiering av framtida systems säkerhet. 8
19
Recursives finansiering ger också en bild av bolagets ambitioner. TechCrunch rapporterade att företaget kom ur stealth-läge med 650 miljoner dollar i finansiering och en värdering på 4,65 miljarder dollar. Bland investerarna finns GV, Nvidia och AMD Ventures. 5
Flint bör därför främst ses som ett tidigt, konkret exempel på att ett företag använder AI i modellutveckling – tillsammans med en lokal kodmodell vars rapporterade prestanda har väckt intresse. Lanseringen visar AI-stött arbete, inte att AI redan kan förbättra sig själv obegränsat eller verka utan mänsklig tillsyn. 5
8
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Recursive Flint lanserades den 21 oktober 2026. Modellen har 40 miljarder parametrar, varav 2,5 miljarder aktiveras för varje token.
Recursive Flint lanserades den 21 oktober 2026. Modellen har 40 miljarder parametrar, varav 2,5 miljarder aktiveras för varje token. Nvidia uppger en hastighet på över 220 token per sekund på en RTX Spark med 64 GB minne.
Recursive säger att företagets Eureka Machine hjälpte till i nästan alla utvecklingssteg.
Recursive Flint lanserades den 21 oktober 2026. Modellen har 40 miljarder parametrar, varav 2,5 miljarder aktiveras för varje token.
Publicerad avRedigerad med GPT-6 LunaBilder genererade 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 är Recursive Superintelligence första kodmodell med öppna modellvikter, utformad för att köra kodningsagenter på lokal hårdvara. Lanseringen väckte uppmärksamhet både för modellens rapporterade hastighet och benchmarkresultat och för företagets uppgift att deras Eureka Machine hjälpte till att utveckla stora delar av den. Det gör Flint till ett exempel på AI-stödd modellutveckling – inte ett bevis för att ett AI-system självständigt och i det oändliga kan förbättra sig självt. 1
5
8
Flint är en mixture-of-experts-modell (MoE) med totalt 40 miljarder parametrar, där 2,5 miljarder aktiveras för varje token. Recursive presenterar den som en snabb lokal modell för kodningsuppgifter som utförs av AI-agenter. 1
17
Modellvikterna finns att ladda ned från Hugging Face under licensen Apache 2.0, enligt rapporteringen om lanseringen. Uppgifter beskriver hur modellen kan köras lokalt på konsumenthårdvara, bland annat på Apple-datorer med Apple Silicon och Nvidia-grafikkort med 48 GB minne. 3
6
Nvidia tog upp Flint i ett tillkännagivande om lokal AI i Europa och beskrev modellen som optimerad för RTX Spark. Det placerar Flint i sammanhanget av Nvidias satsning på lokal AI-hårdvara. Det tillgängliga utdraget ur tillkännagivandet visar däremot inte att modellen demonstrerades på scen under ett specifikt GTC Berlin-pass. 1
De publicerade hastighetsuppgifterna skiljer sig åt. Nvidia uppger att Flint genererar över 220 token per sekund på en RTX Spark med 64 GB minne. Recursive rapporterar i sin tur över 150 token per sekund på en RTX Spark med 64 GB vid kort kontext, och över 125 token per sekund på en MacBook Pro med M4 Pro. Källorna beskriver inte mätförhållandena tillräckligt tydligt för att siffrorna för RTX Spark ska kunna jämföras direkt. 1
17
Recursive beskriver Flints resultat på SWE-Bench Pro v2, Terminal-Bench 2.1 och SWE-Bench Verified som bäst i klassen bland MoE-modeller med färre än 50 miljarder parametrar totalt. Det är en avgränsad jämförelse, inte ett påstående om att Flint leder bland alla kodmodeller. Resultaten kommer från företaget; den tillgängliga rapporteringen innehåller ingen oberoende upprepning av benchmarktesterna. 1
17
Recursive säger att företagets automatiserade forskningssystem, Eureka Machine, hjälpte till i nästan alla utvecklingssteg för Flint, bland annat med träning, arkitekturarbete och kodoptimering. Företaget uppger att hjälpen gjorde det möjligt för ett litet team att bygga modellen på mindre än fyra månader. Det är Recursives beskrivning av processen, inte en oberoende granskning av hur arbetet fördelades mellan människor och AI. 2
5
8
Skillnaden är viktig. Att använda AI som hjälp i delar av modellutvecklingen är inte samma sak som att ett system på egen hand väljer vad som ska förbättras, genomför arbetet, utvärderar resultatet och startar en ny utvecklingscykel utan mänsklig styrning. Flint beskrivs som ett test av AI-stödd forskning; den tillgängliga evidensen visar inte att en helt autonom loop för självförbättring har uppnåtts. 8
19
Wired-journalisten Will Knight beskrev Flint som en imponerande kodmodell med öppna vikter och menade att den antyder att fullt rekursiv självförbättring kan vara på väg närmare. Det är en bedömning av modellens betydelse, inte belägg för att Flint självständigt kan bygga sin efterföljare. 8
Den praktiska nyttan är tydlig: en kodmodell som körs lokalt ger användare ett alternativ till att skicka kodfrågor till en molntjänst. Samtidigt skulle AI-hjälp i forskning och utveckling kunna göra att ett litet team snabbare tar sig igenom arbetet med att bygga en modell – vilket Recursive säger skedde med Flint. 3
5
Kontroversen handlar om den mer långtgående ambitionen bakom lanseringen: att använda AI för att förbättra AI. Rapporteringen beskriver möjligheten till rekursiv självförbättring som både lovande och omstridd, och påpekar samtidigt att tekniken har begränsningar. Recursive-chefen Richard Socher har sagt att företagets system är utformat för att förbli under mänsklig kontroll. Det är företagets försäkran, inte en oberoende verifiering av framtida systems säkerhet. 8
19
Recursives finansiering ger också en bild av bolagets ambitioner. TechCrunch rapporterade att företaget kom ur stealth-läge med 650 miljoner dollar i finansiering och en värdering på 4,65 miljarder dollar. Bland investerarna finns GV, Nvidia och AMD Ventures. 5
Flint bör därför främst ses som ett tidigt, konkret exempel på att ett företag använder AI i modellutveckling – tillsammans med en lokal kodmodell vars rapporterade prestanda har väckt intresse. Lanseringen visar AI-stött arbete, inte att AI redan kan förbättra sig själv obegränsat eller verka utan mänsklig tillsyn. 5
8
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Recursive Flint lanserades den 21 oktober 2026. Modellen har 40 miljarder parametrar, varav 2,5 miljarder aktiveras för varje token.
Recursive Flint lanserades den 21 oktober 2026. Modellen har 40 miljarder parametrar, varav 2,5 miljarder aktiveras för varje token. Nvidia uppger en hastighet på över 220 token per sekund på en RTX Spark med 64 GB minne.
Recursive säger att företagets Eureka Machine hjälpte till i nästan alla utvecklingssteg.