Recursive Flint v1.0: نموذج برمجة بحجم 40B بُني معظمه بواسطة حلقة البحث الخاصة به
- MoonshotجديدMoonshotAI: Kimi K3.1 Pro2026-10-2455الذكاء
- OrcaجديدOrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.70 / $1.60 لكل مليون رمز · 190 tok/s
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 27 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745الذكاء
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 148 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 1113 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 166 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 1628 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 47 tok/s
أكثر جملة إثارة للاهتمام في Recursive Flint v1.0 عند إصداره ليست نتيجة اختبار قياسي. إنها الجملة التي تقول فيها Recursive إن فريقًا صغيرًا بنى نموذجًا للبرمجة يضم 40 مليار معامل من الصفر في أقل من أربعة أشهر، مع مساهمة نظام بحث آلي يُسمى Eureka Machine في كل مرحلة تقريبًا. يظهر Flint في الأخبار كنموذج برمجة محلي قوي — 39.8 مليار معامل إجمالًا، وحوالي 2.5 مليار نشط لكل رمز، وApache 2.0، ويعمل بارتياح على حاسوب محمول. لكن الإصدار هو أيضًا أول اختبار علني لطرح مختلف: أن عملية بناء نموذج يمكن أن تكون هي نفسها مؤتمتة إلى حد كبير. كلا القراءتين موجودتان في الإعلان. واحدة فقط منهما قابلة لإعادة الإنتاج من قبلك.
طُرح Flint في 21 أكتوبر 2026 بموجب Apache 2.0، مع نشر الأوزان على Hugging Face باسم RecursiveSI/flint. إنه أول نموذج من Recursive، المختبر الذي أسسه كبير العلماء السابق في Salesforce Richard Socher، وقد وصل قبل أربعة أيام — حديث بما يكفي لدرجة أن لا شيء تقريبًا عنه قد اختُبر خارج المختبر الذي أنتجه.
ما الذي أصدرته Recursive فعليًا
أربعة مستودعات، لا مستودع واحد. يحتفظ مستودع نقاط التحقق الرئيسي بأوزان BF16، والإعدادات، والمُرمِّز، وقالب المحادثة، وحزمة خدمة SGLang، وقد أُنشئ في 21 أكتوبر 2026 الساعة 14:20 UTC. وتوجد بجانبه ثلاثة إصدارات مُكمَّمة، جميعها مؤرخة في فترة ما بعد الظهر نفسها: إصدار int4 بصيغة safetensors، وإصدار int4 بصيغة GGUF، وإصدار NVFP4 بصيغة GGUF. تأتي الأحجام أدناه من قوائم الملفات الخاصة بالمستودعات نفسها وليس من الإعلان.
• مرجع BF16 — 79.59 GB عبر 37 ملفًا. هذا هو الملف الذي تستخدمه إذا كان لديك H200 أو B300 وترغب في الحصول على النموذج غير المخفف.
• NVFP4 GGUF — 22.86 GB. هذا هو الإصدار الذي يجعل ادعاء "يعمل على حاسوب محمول" حرفيًا، وهو الإصدار الذي سيقوم معظم الناس بتنزيله فعليًا.
• int4 GGUF — 25.99 GB، وهو أكبر من ملف NVFP4 رغم عرض البتات المتشابه اسميًا. إذا كنت تختار بينهما بناءً على مساحة القرص وحدها، فإن NVFP4 هو الخيار الأفضل.
• int4 safetensors — 22.58 جيجابايت، لحزم الخدمة التي تريد نقطة تحقق safetensors بدلاً من GGUF.
تدّعي Recursive أن تدريبها الخاص بالبتات المنخفضة ورأس إخراج رباعي البتات، بعد تقطيرهما عائدًا نحو نموذج 16 بت، يقعان ضمن 0.7 نقطة من الدقة الكاملة. هذا الرقم رقم Recursive نفسه، مقيس وفق تقييم Recursive. أما أحجام الملفات فليست كذلك: يمكن لأي شخص قراءتها من المستودع.
الأرقام الأربعة، وما يقيسه كل منها
نشرت Recursive مجموعة من النتائج مع الإصدار، وأهم ما يجب فهمه عنها هو أنها جميعًا أُنتجت داخل أداة الاختبار الخاصة بـ Recursive نفسها. لم يُعِد أي طرف ثالث تشغيل أي منها. أما مؤشر Artificial Analysis — الحكم المستقل المعتاد لنموذج كهذا — فلا يتضمن أي إدخال لـ Flint على الإطلاق.
• SWE-bench Verified — 74.2%. المعيار الذي سيتعرّف عليه معظم القراء، والذي يقيس ما إذا كان النموذج قادرًا على حل مشكلات GitHub الحقيقية. أجرت Recursive هذا الاختبار عبر mini-swe-agent دون أي وصول إلى الإنترنت على الإطلاق، واحتسبت متوسط pass@1 على مدى خمس محاولات على الأقل، عند درجة الحرارة 1.0، وtop-p 0.95، وtop-k 20.
• SWE-bench Pro v2 — 89.7%. لاحظ "v2". هذا ليس المعيار نفسه الذي تنشره مختبرات أخرى باسم SWE-bench Pro، ولا يمكن طرح الرقمين أحدهما من الآخر. هذه التفرقة أهم مما تبدو عليه، وهي تتكرر كلما قُورن Flint بنموذج يبلّغ عن SWE-bench Pro العادي.
• Terminal-Bench 2.1 — 54.9%. هنا فعلت Recursive شيئًا بالغ الصدق وبالغ الإرباك في آن واحد: فقد شغّلت Terminus 2 مع تفعيل الإنترنت، ثم احتسبت أي حل يُحصل عليه عبر الاسترجاع من الويب فشلًا. هذا العائق متعمّد، وهو يعني أيضًا أن هذه النتيجة ليست قابلة للمقارنة مباشرةً برقم Terminal-Bench صادر دون تلك القاعدة.
• LiveCodeBench v6 — 80.3%. معيار للبرمجة التنافسية وليس معيارًا وكيليًا، وبالتالي فهو الأقل حساسية لاختيار أداة التقييم من بين الأربعة.
• IFBench — 89.2%. اتباع التعليمات، وهو المجال الذي عادةً ما يتراجع فيه النموذج الصغير أولاً.
الادعاء الذي يقدّمه Recursive في الواقع أضيق مما توحي به التغطية: فـ Flint يتصدّر نماذج mixture-of-experts التي يقلّ إجمالي معاملاتها عن 50 مليارًا في SWE-bench Pro v2 وTerminal-Bench 2.1 وSWE-bench Verified. وهذا ادعاء يخصّ فئة بعينها، لا ادعاءً مطلقًا. أما النماذج الكثيفة (dense) ذات الحجم المماثل فهي مستبعدة منه بحكم التعريف — وهو بالضبط سبب ظهور Qwen3.8 27B، وهو نموذج كثيف، في الشكل نفسه محققًا نتيجة أعلى على متوسط الاختبارات الستة الخاص بـ Recursive. وقد طبع Recursive ذلك. ويستحق الثناء على طبعه له.
ادعاء Eureka Machine هو الجزء الذي يبقى أطول من النموذج
إذا أزلنا معايير الأداء، تبقى قصة أكثر غرابة. تقول Recursive إن نظام البحث الآلي لديها ولّد أفكارًا، وأجرى تجارب، واستخدم النتائج لاختيار التجارب التي سيجريها لاحقًا. وتنسب الشركة إليه مساهمات في التدريب المسبق، والتدريب اللاحق، والاستدلال، والتكميم، ونوى العتاد. ثلاث من هذه المساهمات محددة بما يكفي للتحقق منها مقابل المخرجات:
• شكل النموذج. بدأ التصميم من خط أساس 35B-A3B ووصل إلى 40B إجمالًا مع 2.5B نشطة. هذا تحرك متعمد نحو سعة إجمالية أكبر بالتكلفة التنشيطية نفسها — أكثر تناثرًا، لا أكبر بالمعنى الذي يهم للاستدلال.
• التكميم. نقل رأس الإخراج إلى 4 بتات والتقطير الذاتي عائدًا من النموذج ذي 16 بت هو الوصفة الكامنة وراء ادعاء الـ0.7 نقطة، وهو السبب في أن نموذجًا بحجم 39.8B يمتلك نسخة قابلة للتوزيع بحجم 22.86 GB.
• النوى. كتبت Recursive نواة Metal ضخمة موجهة لشرائح M4 وM5، وهو أقل العناصر إثارة للدهشة في القائمة نظرًا لمزاعم الإنتاجية، وأكثرها ملموسية.
ما لم تفصح عنه Recursive هو مقدار وقت الباحثين الذي وفّرته Eureka Machine. هذا الإغفال هو جوهر الحجة كلها. إن الادعاء بأن نظامًا أتمّ معظم تطوير النموذج لا يكون ذا معنى إلا إذا عرفت تكلفة البديل — وصياغة الشركة نفسها حذرة هنا: فالعملية تظل خاضعة لإشراف بشري وليست مستقلة تمامًا. اقرأ البيان على أنه عرض عام مبكر، لا دليلًا على التحسين الذاتي التكراري.
ما الذي يمكن أن تخبرك به أربعة أيام من الاختبار العملي وما لا يمكن
أكثر نظرة خارجية جدية إلى Flint حتى الآن هي نظرة ويل نايت من Wired، الذي شغّله على جهاز Mac بذاكرة 48 غيغابايت وبنى تطبيق مهام، وأداة بحث على الويب، وموقعًا توضيحيًا صغيرًا. نجحت الثلاثة جميعًا. هذه نتيجة حقيقية وليست اختبارًا معياريًا. إنها ثلاث مهام، وجهاز واحد، وشخص واحد.
إشارة أكثر فائدة لأي شخص يخطط لاستخدام هذا فعليًا تأتي من المراجعين الذين قاسوا معدل الإنتاجية على مدى فترة ممتدة بدلًا من قياسه في بداية الجلسة. أفاد اختبار مستقل واحد بنحو 110 رموز في الثانية عند الموجّهات القصيرة، لتنهار إلى نحو 9 رموز في الثانية عند سياق يبلغ نحو 115,000 رمز. هذا تدهور يزيد على خمسة أضعاف، وهو الرقم الذي يجب التخطيط على أساسه إذا كان وكيلك يقرأ مستودعًا كبيرًا قبل أن يكتب أي شيء. أرقام السرعة الرئيسية لدى Recursive — أكثر من 125 رمزًا في الثانية على M4 Pro، وأكثر من 150 على RTX Spark بسعة 64 GB — مقاسة صراحة عند سياق قصير، مع استبعاد التعبئة المسبقة.
هناك أيضًا خلل معروف في قالب الدردشة ضمن مسار {{1}}GGUF{{/1}} الخاص بـ llama.cpp. إذا حمّلت النسخة المكمّمة وبدا أن النموذج قد فقد صوابه، فتحقق من القالب قبل أن تلوم الأوزان.
تشغيله دون المخاطرة بربط مسار الإنتاج به
Flint هو ملف تنزيل، وليس نقطة نهاية. ولا يقدّمه OrcaRouter، ولا ينبغي قراءة أي شيء هنا على أنه يعني أننا نقدّمه.
ما يغيّره ذلك هو طريقة تجربتك له. الطريقة الصادقة لتقييم نموذج مفتوح الأوزان عمره أربعة أيام هي تشغيله إلى جانب شيء تثق به بالفعل والمقارنة على مستودعك الخاص، لا استبداله به على أمل أن ينجح. إذا كنت بالفعل تستدعي نماذج مستضافة عبر واجهة برمجة تطبيقات واحدة، فالشكل منخفض المخاطر هو الإبقاء على ذلك المسار كخيار احتياطي بينما يتولى Flint المهام التي ترضى بتسليمها إليه — وأن تدع سلسلة تجاوز الفشل تلتقط الطلبات التي يتعثر فيها النموذج المحلي، بدلًا من اكتشاف التعثر في بيئة الإنتاج. هذا قرار توجيه، لا قرار ولاء.
الشيء الآخر الجدير بالمعرفة قبل التنزيل: Flint مجاني للتشغيل لكنه ليس مجانيًا للامتلاك. تنزيل بحجم 22.86 GB هو تذكرة الدخول، والجهاز الذي يستوعبه براحة هو التكلفة الحقيقية. وإذا كنت تسعّر هذا مقابل نموذج مستضاف يُحاسب بالرمز، فاحسب تكلفة العتاد أيضًا.
ما يجب متابعته خلال الشهر المقبل
ثلاثة أشياء ستحدد ما إذا كان Flint سيُذكَر كنموذج برمجة صغير جيد أم كنقطة البيانات الأولى في نقاش أطول.
الأول هو تشغيل قياس مرجعي مستقل. وحتى تُقيّمه Artificial Analysis أو طرف محايد مماثل، فإن كل مقارنة تتضمن Flint هي مقارنة بين قياس ذاتي من مختبر وقياس ذاتي من مختبر آخر. والثاني هو ما إذا كانت مشكلة معدل الإنتاجية في السياق الطويل ستتبين أنها أثر عرضي في llama.cpp، أو مشكلة في المحرك، أو خاصية في النموذج — وهذه لها إصلاحات مختلفة جداً. والثالث هو ما إذا كان يمكن تقييم مساهمة Eureka Machine على الإطلاق. لقد قالت Recursive إن العملية خاضعة لإشراف بشري؛ والسؤال المثير للاهتمام هو ما كانت عليه نسبة البشر إلى الوكلاء، وهذا سؤال لا صُمم منشور إطلاق ليجيب عنه.
في الوقت الحالي، الملخص القابل للدفاع عنه قصير. Flint نموذج برمجة صغير فعلًا وسريع فعلًا ومفتوح فعلًا، يعمل على عتاد تملكه على الأرجح بالفعل، مع مجموعة من الدرجات لم يفحصها أحد وقصة تطوير لم يتحقق منها أحد خارج الشركة. كلتا هاتين الحقيقتين هما القصة.
