Recursive Flint v1.0: מודל קידוד של 40B שנבנה בעיקר על ידי לולאת המחקר של עצמו

המשפט המעניין ביותר בהודעת ההשקה של Recursive Flint v1.0 הוא לא ציון בנצ'מרק. זה המשפט שבו Recursive אומרת שצוות קטן בנה מאפס מודל קידוד בעל 40 מיליארד פרמטרים בפחות מארבעה חודשים, כשמערכת מחקר אוטומטית בשם Eureka Machine תורמת כמעט בכל שלב. Flint מוצג כמודל קידוד מקומי חזק — 39.8 מיליארד פרמטרים בסך הכול, כ-2.5 מיליארד פעילים לכל טוקן, Apache 2.0, ורץ בנוחות על מחשב נייד. אבל ההשקה היא גם המבחן הציבורי הראשון של טענה אחרת: שתהליך בניית מודל יכול בעצמו להיות אוטומטי במידה רבה. שתי הקריאות מופיעות בהכרזה. רק אחת מהן ניתנת לך לשחזור.

Flint שוחרר ב-21 באוקטובר 2026 תחת Apache 2.0, כאשר המשקלים זמינים ב-Hugging Face כ-RecursiveSI/flint. זהו המודל הראשון של Recursive, המעבדה שנוסדה על ידי המדען הראשי לשעבר של Salesforce, ריצ'רד סוקר, והוא הגיע לפני ארבעה ימים — לאחרונה כל כך, עד שכמעט דבר בו לא נבדק מחוץ למעבדה שיצרה אותו.

מה ש-Recursive למעשה שחררה

ארבעה מאגרים, לא אחד. מאגר ה-checkpoint הראשי מכיל משקולות BF16, את התצורה, את הטוקנייזר, את תבנית הצ'אט וערכת שירות של SGLang, והוא נוצר ב-21 באוקטובר 2026 בשעה 14:20 UTC. לצידו יושבות שלוש בניות מכומתות, כולן נושאות חותמת זמן של אותו אחר הצהריים: בניית int4 safetensors, בניית int4 GGUF ובניית NVFP4 GGUF. הגדלים שלמטה מגיעים מרישומי הקבצים של המאגרים עצמם ולא מההכרזה.

• BF16 reference — 79.59 GB ב-37 קבצים. זהו הקובץ שבו אתה משתמש אם יש לך H200 או B300 ואתה רוצה את המודל הלא־מדולל.

• NVFP4 GGUF — 22.86 GB. זו הגרסה שהופכת את ההצהרה "רץ על לפטופ" למוחשית, והיא זו שרוב האנשים יורידו בפועל.

• int4 GGUF — 25.99 GB, שגדול יותר מקובץ ה-NVFP4 למרות רוחב סיביות דומה לכאורה. אם אתם בוחרים בין השניים על סמך מקום בדיסק בלבד, NVFP4 מנצח.

• int4 safetensors — 22.58 GB, עבור סטאקים של הגשה שמעדיפים נקודת ביקורת מסוג safetensors ולא GGUF.

Recursive טוענת שאימון ה-low-bit שלה וראש פלט של 4 ביט, שזוקקו בחזרה לעבר מודל ה-16 ביט, נמצאים בפער של עד 0.7 נקודות מדיוק מלא. המספר הזה הוא של Recursive, כפי שנמדד בהערכה של Recursive. גדלי הקבצים לא: כל אחד יכול לקרוא אותם מהמאגר.

ארבעת המספרים, ומה כל אחד מהם מודד

Recursive פרסמה סט של ציונים יחד עם השחרור, והדבר החשוב ביותר להבין לגביהם הוא שכולם הופקו בתוך מערכת ההרצה של Recursive עצמה. שום צד שלישי לא הריץ מחדש אף אחד מהם. לאינדקס Artificial Analysis — השופט הבלתי־תלוי הרגיל עבור מודל כזה — אין כלל רשומה של Flint.

• SWE-bench Verified — 74.2%. המדד שרוב הקוראים יזכו לזהות, המודד האם מודל מסוגל לפתור בעיות GitHub אמיתיות. Recursive הריצה אותו דרך mini-swe-agent ללא גישה לאינטרנט כלל, עם ממוצע pass@1 על פני לפחות חמישה ניסיונות, בטמפרטורה 1.0, top-p 0.95, top-k 20.

• SWE-bench Pro v2 — 89.7%. שימו לב ל-"v2". זה לא אותו בנצ'מרק כמו SWE-bench Pro שמעבדות אחרות מפרסמות, ואין להחסיר את שני המספרים זה מזה. ההבחנה הזו חשובה יותר מכפי שהיא נראית, והיא חוזרת בכל פעם שמשווים את Flint למודל שמדווח על SWE-bench Pro רגיל.

• Terminal-Bench 2.1 — 54.9%. כאן Recursive עשתה משהו כן באופן יוצא דופן ומגושם באופן יוצא דופן: היא הריצה את Terminus 2 עם אינטרנט פעיל, ואז ספרה כל פתרון שהושג באמצעות אחזור מהאינטרנט ככישלון. המגבלה הזו מכוונת, והיא גם אומרת שהציון הזה אינו בר-השוואה ישירה למספר Terminal-Bench שהופק ללא הכלל הזה.

• LiveCodeBench v6 — 80.3%. זהו מבחן לתכנות תחרותי ולא מבחן סוכני, ולכן הוא הפחות רגיש מבין הארבעה לבחירת ה-harness.

• IFBench — 89.2%. עמידה בהוראות, וזה בדרך כלל התחום שבו מודל קטן מאבד קרקע ראשון.

הטענה ש־Recursive למעשה מציגה צרה יותר מכפי שהסיקור מרמז: Flint מוביל מבין מודלי mixture-of-experts מתחת ל־50 מיליארד פרמטרים בסך הכול ב־SWE-bench Pro v2, Terminal-Bench 2.1 ו־SWE-bench Verified. זו טענה קטגורית, לא טענה מוחלטת. מודלים dense בגודל דומה מוחרגים ממנה מעצם הגדרתה — וזו בדיוק הסיבה ש־Qwen3.8 27B, מודל dense, מופיע באותו תרשים עם ציון גבוה יותר בממוצע ששת המבחנים של Recursive עצמה. Recursive הדפיסה זאת. מגיע לה קרדיט על כך שהדפיסה זאת.

הטענה של Eureka Machine היא החלק שמאריך ימים יותר מהמודל.

אם מפרידים את מדדי הביצועים, נשאר סיפור יוצא דופן יותר. Recursive אומרת שמערכת המחקר האוטומטית שלה יצרה רעיונות, ביצעה ניסויים והשתמשה בתוצאות כדי לבחור אילו ניסויים להריץ לאחר מכן. החברה מייחסת לה תרומות בתחומי אימון מקדים, אימון לאחר, הסקה, קוונטיזציה וקרנלים של חומרה. שלוש מהתרומות הללו ספציפיות מספיק כדי לבדוק אותן מול הארטיפקטים:

• מבנה המודל. התכנון החל מבסיס 35B-A3B והגיע ל-40B בסך הכול עם 2.5B פעילים. זהו מהלך מכוון לעבר קיבולת כוללת גדולה יותר באותה עלות הפעלה — דליל יותר, לא גדול יותר במובן שחשוב לאינפרנס.

• כימות. העברת ראש הפלט ל-4 ביט וביצוע זיקוק עצמי חזרה ממודל ה-16 ביט הוא המתכון שמאחורי הטענה של 0.7 נקודות, וזו הסיבה שלמודל 39.8B יש גרסת הפצה בגודל 22.86 GB.

• קרנלים. Recursive כתבה מגה־קרנל Metal שמכוון לשבבי M4 ו־M5, וזה הפריט הכי פחות מפתיע ברשימה בהתחשב בטענות התפוקה והכי מוחשי.

מה ש-Recursive לא חשפה הוא כמה זמן חוקרים חסכה ה-Eureka Machine. ההשמטה הזו היא כל הטיעון. טענה שמערכת אוטומטה את רוב פיתוח המודל היא בעלת משמעות רק אם יודעים מה עלתה החלופה — והניסוח של החברה עצמה זהיר כאן: התהליך נותר בפיקוח אנושי ולא אוטונומי לחלוטין. יש לקרוא את הפרסום כהדגמה ציבורית מוקדמת, ולא כהוכחה לשיפור עצמי רקורסיבי.

מה ארבעה ימים של בדיקות מעשיות יכולים ולא יכולים לספר לך

המבט החיצוני המשמעותי ביותר על Flint עד כה הוא של ויל נייט מ-Wired, שהריץ אותו על Mac עם 48 GB זיכרון ובנה אפליקציית מטלות, כלי מחקר ברשת ואתר הסבר קטן. כל השלושה עבדו. זו תוצאה אמיתית וזה לא מבחן בנצ'מרק. אלה שלוש משימות, מכונה אחת, אדם אחד.

אות שימושי יותר לכל מי שמתכנן להשתמש בזה בפועל מגיע ממבקרים שמדדו תפוקה לאורך זמן ולא בתחילת סשן. בדיקה עצמאית אחת דיווחה על כ-110 אסימונים לשנייה בפרומפטים קצרים, שירדו לכ-9 אסימונים לשנייה בסביבות 115,000 אסימוני הקשר. זהו ירידה של יותר מפי חמישה, וזה המספר שכדאי להתחשב בו אם הסוכן שלך קורא מאגר גדול לפני שהוא כותב משהו. נתוני המהירות הכותרתיים של Recursive — יותר מ-125 אסימונים לשנייה על M4 Pro, ויותר מ-150 על RTX Spark עם 64 GB — נמדדים במפורש בהקשר קצר, כאשר שלב ה-prefill אינו נכלל.

קיים גם באג ידוע בתבנית הצ'אט בנתיב ה-GGUF של llama.cpp. אם אתם טוענים את הבילד המקוונטט והמודל מתנהג כאילו איבד את העשתונות, בדקו את התבנית לפני שאתם מאשימים את המשקלים.

להריץ את זה בלי להמר על נתיב פרודקשן על סמך זה

Flint הוא הורדה, לא נקודת קצה. OrcaRouter אינו מספק אותו, ואין לקרוא את האמור כאן כאילו אנו עושים זאת.

מה שזה משנה הוא איך שכדאי לך לנסות אותו. הדרך הכנה להעריך מודל במשקלים פתוחים בן ארבעה ימים היא להריץ אותו לצד משהו שאתה כבר סומך עליו ולהשוות במאגר הקוד שלך, ולא להחליף אותו ולקוות. אם אתה כבר קורא למודלים מתארחים דרך API אחד, הצורה בעלת הסיכון הנמוך היא להשאיר את הנתיב הזה כגיבוי בזמן ש-Flint מטפל במשימות שאתה מוכן למסור לו — ולתת לשרשרת מעבר-כשל לתפוס את הבקשות שבהן המודל המקומי נתקע, במקום לגלות את התקיעה בפרודקשן. זו החלטת ניתוב, לא החלטת נאמנות.

דבר נוסף שכדאי לדעת לפני שתורידו: Flint חינמית להרצה אבל לא חינמית להחזקה. הורדה של 22.86 GB היא כרטיס הכניסה, והמכונה שמחזיקה אותה בנוחות היא העלות האמיתית. אם הייתם מתמחרים את זה מול מודל מתארח בתשלום לפי טוקן, תמחרו גם את החומרה.

מה כדאי לראות בחודש הקרוב

שלושה דברים יכריעו אם Flint ייזכר כמודל קידוד קטן וטוב או כנקודת הנתונים הראשונה בטיעון ארוך יותר.

הראשון הוא ריצת בנצ'מרק עצמאית. עד ש-Artificial Analysis או גורם ניטרלי דומה ייתן לה ציון, כל השוואה הכוללת את Flint היא השוואה בין מדידה עצמית של מעבדה אחת למדידה עצמית של מעבדה אחרת. השני הוא האם בעיית התפוקה בהקשר ארוך מתגלה כארטיפקט של llama.cpp, כבעיית מנוע או כמאפיין של המודל — לאלה יש תיקונים שונים מאוד. השלישי הוא האם ניתן בכלל להעריך את תרומתה של Eureka Machine. Recursive אמרה שהתהליך הוא בפיקוח אנושי; השאלה המעניינת היא מה היה היחס בין בני אדם לסוכנים, וזו שאלה שפוסט השקה לא נועד לענות עליה.

לעת עתה, הסיכום שאפשר להגן עליו הוא קצר. Flint הוא מודל קידוד קטן באמת, מהיר באמת ופתוח באמת, שרץ על חומרה שסביר שכבר יש לך, עם מערך ציונים שאף אחד לא בדק וסיפור פיתוח שאף אחד מחוץ לחברה לא אימת. שתי העובדות האלה הן הסיפור.