Flint — локальна кодова модель на 40 млрд параметрів, яка активує 2,5 млрд параметрів для кожного токена. Nvidia заявляє про швидкість понад 220 токенів за секунду на RTX Spark із 64 ГБ пам’яті.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою 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 — перша модель компанії Recursive Superintelligence: кодова модель із відкритими вагами, призначена для роботи локально, зокрема для агентів, які виконують завдання з програмування. Її запуск привернув увагу не лише заявами про швидкодію та результати тестів, а й словами компанії, що її система Eureka Machine допомогла створити значну частину моделі. Це приклад розробки ШІ за допомогою ШІ — але не доказ того, що система вже може самостійно й без кінця вдосконалювати себе. 1
5
8
Flint побудована на архітектурі «суміш експертів» (mixture of experts, MoE): загалом модель має 40 млрд параметрів, але для обробки кожного токена активує 2,5 млрд. Recursive позиціонує її як швидку локальну модель для програмування та агентних завдань. 1
17
Ваги моделі можна завантажити з Hugging Face за ліцензією Apache 2.0. За повідомленнями про запуск, Flint може працювати на споживчому обладнанні — зокрема на комп’ютерах Apple із чипами Apple Silicon та на відеокартах Nvidia із 48 ГБ пам’яті. 3
6
Nvidia згадала Flint у своєму анонсі про локальний ШІ в Європі й описала модель як оптимізовану для RTX Spark. Це вписує її в ширший курс Nvidia на запуск ШІ безпосередньо на локальному обладнанні. Водночас наведений фрагмент анонсу не підтверджує, що Flint демонстрували на конкретній сесії GTC Berlin. 1
Опубліковані цифри швидкості різняться. В анонсі Nvidia йдеться про понад 220 токенів за секунду на RTX Spark із 64 ГБ пам’яті. У власному анонсі Recursive наводить понад 150 токенів за секунду на RTX Spark із 64 ГБ за короткого контексту, а також понад 125 токенів за секунду на MacBook Pro з M4 Pro. У джерелах недостатньо інформації про умови вимірювання, щоб напряму порівнювати два показники для Spark. 1
17
Recursive також заявляє, що результати Flint у SWE-Bench Pro v2, Terminal-Bench 2.1 і SWE-Bench Verified є найкращими серед MoE-моделей із менш ніж 50 млрд параметрів. Це конкретне порівняння, а не твердження, що Flint випереджає всі кодові моделі. Результати оприлюднила сама компанія; надані матеріали не містять незалежного повторного тестування. 1
17
Recursive стверджує, що її автоматизована дослідницька система Eureka Machine брала участь майже на кожному етапі розробки Flint — від навчання моделі до роботи над архітектурою та оптимізацією коду. За словами компанії, завдяки цьому невелика команда змогла створити модель менш ніж за чотири місяці. Це опис процесу з боку Recursive, а не незалежно перевірений розподіл того, які завдання виконували люди, а які — ШІ. 2
5
8
Тут важливо розрізняти допомогу в окремих етапах розробки й повністю автономний цикл. У другому випадку система сама обирала б, що покращити, виконувала б зміни, оцінювала результат і запускала наступний етап без вказівок людини. Flint подають як випробування ШІ-підтриманої розробки; наявні дані не доводять, що вже створено повністю автономний цикл самовдосконалення. 8
19
Журналіст Wired Вілл Найт назвав Flint вражаючою моделлю з відкритими вагами й висловив думку, що повністю рекурсивне самовдосконалення стає ближчим. Це оцінка значення моделі, а не свідчення, що сама Flint може незалежно створити свою наступницю. 8
Практична перевага локальної кодової моделі зрозуміла: користувачі можуть виконувати запити на власному пристрої, а не надсилати їх у хмарний сервіс. А автоматизація частини дослідницької роботи потенційно допомагає невеликій команді швидше розробляти моделі — саме так Recursive описує створення Flint. 3
5
Суперечки пов’язані з амбітнішою метою компанії — застосовувати ШІ для вдосконалення ШІ. У публікаціях цей напрям описують як перспективний, але суперечливий, і зазначають, що технологія має обмеження. Генеральний директор Recursive Річард Сочер заявляв, що систему компанії задумано так, аби вона залишалася під людським контролем. Це позиція компанії, а не незалежне підтвердження безпечності майбутніх систем. 8
19
Фінансування Recursive дає уявлення про масштаб її планів. За даними TechCrunch, компанія вийшла з режиму прихованої розробки із залученими $650 млн і оцінкою у $4,65 млрд. Серед інвесторів — GV, Nvidia та AMD Ventures. 5
Тож запуск Flint найкраще розглядати як ранній, конкретний приклад використання ШІ під час розробки моделі, а також як появу локальної кодової моделі, що привернула увагу заявленими показниками. Це свідчення роботи за участі ШІ — не доказ того, що ШІ вже здатен безкінечно вдосконалювати себе чи працювати без людського нагляду. 5
8
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Flint — локальна кодова модель на 40 млрд параметрів, яка активує 2,5 млрд параметрів для кожного токена.
Flint — локальна кодова модель на 40 млрд параметрів, яка активує 2,5 млрд параметрів для кожного токена. Nvidia заявляє про швидкість понад 220 токенів за секунду на RTX Spark із 64 ГБ пам’яті.
За словами Recursive, результати Flint належать до найкращих серед MoE моделей менш ніж із 50 млрд параметрів — це твердження компанії, а не незалежно підтверджене лідерство серед усіх кодових моделей.
Flint — локальна кодова модель на 40 млрд параметрів, яка активує 2,5 млрд параметрів для кожного токена. Nvidia заявляє про швидкість понад 220 токенів за секунду на RTX Spark із 64 ГБ пам’яті.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою 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 — перша модель компанії Recursive Superintelligence: кодова модель із відкритими вагами, призначена для роботи локально, зокрема для агентів, які виконують завдання з програмування. Її запуск привернув увагу не лише заявами про швидкодію та результати тестів, а й словами компанії, що її система Eureka Machine допомогла створити значну частину моделі. Це приклад розробки ШІ за допомогою ШІ — але не доказ того, що система вже може самостійно й без кінця вдосконалювати себе. 1
5
8
Flint побудована на архітектурі «суміш експертів» (mixture of experts, MoE): загалом модель має 40 млрд параметрів, але для обробки кожного токена активує 2,5 млрд. Recursive позиціонує її як швидку локальну модель для програмування та агентних завдань. 1
17
Ваги моделі можна завантажити з Hugging Face за ліцензією Apache 2.0. За повідомленнями про запуск, Flint може працювати на споживчому обладнанні — зокрема на комп’ютерах Apple із чипами Apple Silicon та на відеокартах Nvidia із 48 ГБ пам’яті. 3
6
Nvidia згадала Flint у своєму анонсі про локальний ШІ в Європі й описала модель як оптимізовану для RTX Spark. Це вписує її в ширший курс Nvidia на запуск ШІ безпосередньо на локальному обладнанні. Водночас наведений фрагмент анонсу не підтверджує, що Flint демонстрували на конкретній сесії GTC Berlin. 1
Опубліковані цифри швидкості різняться. В анонсі Nvidia йдеться про понад 220 токенів за секунду на RTX Spark із 64 ГБ пам’яті. У власному анонсі Recursive наводить понад 150 токенів за секунду на RTX Spark із 64 ГБ за короткого контексту, а також понад 125 токенів за секунду на MacBook Pro з M4 Pro. У джерелах недостатньо інформації про умови вимірювання, щоб напряму порівнювати два показники для Spark. 1
17
Recursive також заявляє, що результати Flint у SWE-Bench Pro v2, Terminal-Bench 2.1 і SWE-Bench Verified є найкращими серед MoE-моделей із менш ніж 50 млрд параметрів. Це конкретне порівняння, а не твердження, що Flint випереджає всі кодові моделі. Результати оприлюднила сама компанія; надані матеріали не містять незалежного повторного тестування. 1
17
Recursive стверджує, що її автоматизована дослідницька система Eureka Machine брала участь майже на кожному етапі розробки Flint — від навчання моделі до роботи над архітектурою та оптимізацією коду. За словами компанії, завдяки цьому невелика команда змогла створити модель менш ніж за чотири місяці. Це опис процесу з боку Recursive, а не незалежно перевірений розподіл того, які завдання виконували люди, а які — ШІ. 2
5
8
Тут важливо розрізняти допомогу в окремих етапах розробки й повністю автономний цикл. У другому випадку система сама обирала б, що покращити, виконувала б зміни, оцінювала результат і запускала наступний етап без вказівок людини. Flint подають як випробування ШІ-підтриманої розробки; наявні дані не доводять, що вже створено повністю автономний цикл самовдосконалення. 8
19
Журналіст Wired Вілл Найт назвав Flint вражаючою моделлю з відкритими вагами й висловив думку, що повністю рекурсивне самовдосконалення стає ближчим. Це оцінка значення моделі, а не свідчення, що сама Flint може незалежно створити свою наступницю. 8
Практична перевага локальної кодової моделі зрозуміла: користувачі можуть виконувати запити на власному пристрої, а не надсилати їх у хмарний сервіс. А автоматизація частини дослідницької роботи потенційно допомагає невеликій команді швидше розробляти моделі — саме так Recursive описує створення Flint. 3
5
Суперечки пов’язані з амбітнішою метою компанії — застосовувати ШІ для вдосконалення ШІ. У публікаціях цей напрям описують як перспективний, але суперечливий, і зазначають, що технологія має обмеження. Генеральний директор Recursive Річард Сочер заявляв, що систему компанії задумано так, аби вона залишалася під людським контролем. Це позиція компанії, а не незалежне підтвердження безпечності майбутніх систем. 8
19
Фінансування Recursive дає уявлення про масштаб її планів. За даними TechCrunch, компанія вийшла з режиму прихованої розробки із залученими $650 млн і оцінкою у $4,65 млрд. Серед інвесторів — GV, Nvidia та AMD Ventures. 5
Тож запуск Flint найкраще розглядати як ранній, конкретний приклад використання ШІ під час розробки моделі, а також як появу локальної кодової моделі, що привернула увагу заявленими показниками. Це свідчення роботи за участі ШІ — не доказ того, що ШІ вже здатен безкінечно вдосконалювати себе чи працювати без людського нагляду. 5
8
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Flint — локальна кодова модель на 40 млрд параметрів, яка активує 2,5 млрд параметрів для кожного токена.
Flint — локальна кодова модель на 40 млрд параметрів, яка активує 2,5 млрд параметрів для кожного токена. Nvidia заявляє про швидкість понад 220 токенів за секунду на RTX Spark із 64 ГБ пам’яті.
За словами Recursive, результати Flint належать до найкращих серед MoE моделей менш ніж із 50 млрд параметрів — це твердження компанії, а не незалежно підтверджене лідерство серед усіх кодових моделей.