재귀적 Flint v1.0: 자체 연구 루프로 대부분 구축된 40B 코딩 모델

가장 흥미로운 문장은Recursive Flint v1.0 릴리스에 있는데, 그것은 벤치마크 점수가 아니다. 그것은 Recursive가 작은 팀이 4개월이 채 안 되는 기간에 400억 파라미터 코딩 모델을 처음부터 구축했으며, Eureka Machine이라는 자동화된 연구 시스템이 거의 모든 단계에 기여했다고 말하는 문장이다. Flint는 강력한 로컬 코딩 모델로 공개되어 있다 — 총 398억 파라미터, 토큰당 약 25억 개 활성, Apache 2.0, 노트북에서도 무리 없이 실행된다. 그러나 이번 릴리스는 또 다른 명제에 대한 첫 공개 테스트이기도 하다: 모델을 구축하는 과정 자체가 상당 부분 자동화될 수 있다는 것. 두 가지 해석 모두 발표문에 담겨 있다. 그중 당신이 재현할 수 있는 것은 하나뿐이다.

Flint은 2026년 10월 21일에 Apache 2.0 라이선스로 공개되었으며, 가중치는 Hugging Face에 RecursiveSI/flint로 공개되었습니다. 이 모델은 전 Salesforce 최고 과학자 Richard Socher가 설립한 연구소 Recursive의 첫 모델이며, 나흘 전에 나왔습니다. 이를 만든 연구소 밖에서는 이 모델에 관해 거의 아무것도 테스트되지 않았을 만큼 최근입니다.

Recursive가 실제로 출시한 것

저장소는 하나가 아니라 네 개입니다. 메인 체크포인트 저장소에는 BF16 가중치, 구성, 토크나이저, 채팅 템플릿, SGLang 서빙 키트가 들어 있으며, 2026년 10월 21일 14:20 UTC에 생성되었습니다. 그 옆에는 모두 같은 날 오후에 만들어진 것으로 표시된 세 가지 양자화 빌드가 있습니다: int4 safetensors 빌드, int4 GGUF, NVFP4 GGUF. 아래 크기는 발표 자료가 아니라 각 저장소의 자체 파일 목록에서 가져온 것입니다.

• BF16 레퍼런스 — 37개 파일에 걸쳐 79.59 GB. H200 또는 B300이 있고 원본 그대로의 모델을 원할 때 사용하는 파일입니다.

• NVFP4 GGUF — 22.86 GB. 이것은 "노트북에서 실행된다"는 주장을 문자 그대로 실현한 빌드이며, 대부분의 사람들이 실제로 다운로드하게 될 버전입니다.

• int4 GGUF — 25.99 GB로, 명목상 비트 폭은 비슷한데도 NVFP4 파일보다 더 큽니다. 디스크 공간만 놓고 두 파일 중 하나를 선택한다면 NVFP4가 더 낫습니다.

• int4 safetensors — 22.58 GB, GGUF가 아닌 safetensors 체크포인트를 원하는 서빙 스택용입니다.

Recursive는 자사의 저비트 학습과 4비트 출력 헤드를 16비트 모델 쪽으로 다시 증류했을 때 전체 정밀도 대비 0.7포인트 이내 차이에 든다고 주장한다. 그 수치는 Recursive의 것이며, Recursive의 평가에서 측정된 것이다. 파일 크기는 그렇지 않다: 누구나 저장소에서 직접 확인할 수 있다.

네 가지 숫자, 그리고 각 숫자가 측정하는 것

Recursive는 이번 릴리스와 함께 일련의 점수들을 공개했는데, 그것들에 대해 이해해야 할 단 하나의 가장 중요한 점은 모두 Recursive 자체 하네스 내부에서 산출되었다는 것입니다. 어떤 제3자도 그것들을 다시 실행해 본 적이 없습니다. 이와 같은 모델의 통상적인 독립 심판 역할을 하는 Artificial Analysis 지수에는 Flint 항목이 전혀 없습니다.

• SWE-bench Verified — 74.2%. 대부분의 독자가 알아볼 벤치마크로, 모델이 실제 GitHub 이슈를 해결할 수 있는지를 측정합니다. Recursive는 인터넷 접속이 전혀 없는 상태에서 mini-swe-agent를 통해 이를 실행했으며, 온도 1.0, top-p 0.95, top-k 20 설정에서 최소 다섯 번의 시도에 걸쳐 pass@1을 평균했습니다.

• SWE-bench Pro v2 — 89.7%. "v2"에 주목하세요. 이것은 다른 연구소들이 발표하는 SWE-bench Pro와 동일한 벤치마크가 아니며, 두 수치를 서로 빼서 비교할 수 없습니다. 이 구분은 보기보다 더 중요하며, Flint가 일반 SWE-bench Pro를 보고하는 모델과 비교될 때마다 계속 문제가 됩니다.

• Terminal-Bench 2.1 — 54.9%. 여기서 Recursive는 이례적으로 정직하면서도 이례적으로 어색한 일을 했다. 인터넷을 활성화한 상태로 Terminus 2를 실행한 뒤, 웹 검색을 통해 얻은 모든 해법을 실패로 간주한 것이다. 그런 핸디캡은 의도된 것이며, 이는 또한 이 점수가 그 규칙 없이 산출된 Terminal-Bench 수치와 직접 비교할 수 없다는 뜻이기도 하다.

• LiveCodeBench v6 — 80.3%. 경쟁 프로그래밍 벤치마크이지 에이전틱 벤치마크가 아니므로, 네 가지 중 하네스 선택에 가장 덜 민감하다.

• IFBench — 89.2%. 지시 따르기, 작은 모델이 보통 가장 먼저 밀리는 부분입니다.

Recursive가 실제로 내놓는 주장은 보도 범위가 시사하는 것보다 좁습니다. Flint는 총 파라미터 500억 개 미만의 전문가 혼합(mixture-of-experts) 모델 중 SWE-bench Pro v2, Terminal-Bench 2.1, SWE-bench Verified에서 선두를 달립니다. 이는 절대적 주장이 아니라 특정 범주에 한정된 주장입니다. 비슷한 규모의 덴스 모델은 구조상 이 주장에서 제외됩니다. 바로 그 이유로 덴스 모델인 Qwen3.8 27B가 같은 차트에 등장해 Recursive 자체의 6개 테스트 평균에서 더 높은 점수를 기록합니다. Recursive는 그 사실을 그대로 실었습니다. 그렇게 실은 점은 인정받을 만합니다.

The Eureka Machine 주장은 모델보다 더 오래 살아남는 부분이다.

벤치마크를 걷어내면 더 이례적인 이야기가 남는다. Recursive는 자사의 자동화 연구 시스템이 아이디어를 생성하고, 실험을 실행했으며, 그 결과를 이용해 다음에 실행할 실험을 선택했다고 말한다. 이 회사는 사전 학습, 사후 학습, 추론, 양자화, 하드웨어 커널 전반에 걸친 기여를 이 시스템의 공으로 돌린다. 그 기여 중 세 가지는 아티팩트와 대조해 확인할 수 있을 만큼 구체적이다:

• 모델 형태. 설계는 35B-A3B 기준선에서 출발해 총 40B, 활성 2.5B로 귀결되었습니다. 이는 동일한 활성화 비용에서 총 용량을 더 늘리려는 의도적인 선택입니다 — 추론에 중요한 의미에서는 더 커진 것이 아니라, 더 희소해진 것입니다.

• 양자화. 출력 헤드를 4비트로 전환하고 16비트 모델에서 다시 자기 증류하는 것이 0.7포인트 주장의 비결이며, 39.8B 모델이 22.86 GB의 배포 가능한 빌드를 갖는 이유입니다.

• 커널. Recursive는 M4 및 M5 칩을 겨냥한 Metal 메가커널을 작성했는데, 이는 처리량 주장을 고려할 때 목록에서 가장 놀랍지 않은 항목이자 가장 구체적인 항목입니다.

Recursive가 공개하지 않은 것은 Eureka Machine이 연구자 시간을 얼마나 절약했는가이다. 그 누락이 바로 핵심 논점이다. 어떤 시스템이 모델 개발의 대부분을 자동화했다는 주장은 대안 비용이 얼마였는지를 알 때만 의미가 있다. 그리고 회사 자체의 표현도 이 점에서 조심스럽다. 그 과정은 완전 자율이 아니라 인간의 감독 아래에 머문다. 이번 발표는 재귀적 자기 개선의 증명이 아니라 초기 공개 시연으로 읽어야 한다.

4일간의 직접 테스트로 알 수 있는 것과 알 수 없는 것

지금까지 Flint를 외부에서 가장 심층적으로 살펴본 사례는 Wired의 Will Knight로, 그는 48GB 메모리가 장착된 Mac에서 Flint를 실행해 할 일 앱, 웹 리서치 도구, 작은 설명용 사이트를 만들었다. 세 가지 모두 작동했다. 이는 실제 결과이며 벤치마크가 아니다. 그것은 세 개의 작업, 한 대의 기계, 한 사람이다.

이 제품을 실제로 사용하려는 사람에게 더 유용한 신호는 세션 시작 시점이 아니라 장시간 처리량을 측정한 리뷰어들에게서 나옵니다. 한 독립 테스트에서는 짧은 프롬프트에서 초당 약 110토큰이던 속도가 약 115,000토큰 컨텍스트에서 초당 약 9토큰으로 떨어졌다고 보고했습니다. 이는 5배 이상의 성능 저하이며, 에이전트가 무엇인가를 작성하기 전에 대형 저장소를 읽는 경우를 계획할 때 기준으로 삼아야 할 수치입니다. Recursive의 대표 속도 수치인 M4 Pro에서 초당 125토큰 이상, 64 GB RTX Spark에서 150토큰 이상은 프리필을 제외하고 짧은 컨텍스트에서 명시적으로 측정된 것입니다.

llama.cpp의 GGUF 경로에도 알려진 채팅 템플릿 버그가 있습니다. 양자화된 빌드를 로드했는데 모델이 마치 정신을 놓은 것처럼 동작한다면, 가중치를 탓하기 전에 템플릿을 확인하세요.

프로덕션 경로를 그것에 걸지 않고 실행하기

Flint는 다운로드이며 엔드포인트가 아닙니다. OrcaRouter는 이를 제공하지 않으며, 이 문서의 어떤 내용도 우리가 제공한다는 의미로 해석되어서는 안 됩니다.

그것이 바꾸는 것은 여러분이 이를 시험해 봐야 하는 방식입니다. 나흘 된 오픈 웨이트 모델을 평가하는 정직한 방법은 이미 신뢰하는 모델 옆에서 실행해 여러분의 저장소에서 비교해 보는 것이지, 그것으로 교체해 놓고 잘 되기를 바라는 것이 아닙니다. 이미 하나의 API를 통해 호스팅 모델을 호출하고 있다면, 위험을 낮추는 형태는 그 경로를 폴백으로 유지하면서 Flint가 여러분이 맡겨도 된다고 판단한 작업을 처리하게 하고 — 페일오버 체인이 로컬 모델이 멈추는 요청을 받아내게 하여, 프로덕션에서 멈춤을 발견하는 일이 없도록 하는 것입니다. 그것은 라우팅 결정이지 충성도 결정이 아닙니다.

다운로드하기 전에 알아두면 좋은 또 한 가지: Flint는 실행은 무료지만 소유는 무료가 아닙니다. 22.86 GB 다운로드가 입장권이며, 이를 쾌적하게 감당할 수 있는 머신이 진짜 비용입니다. 토큰당 과금되는 호스팅 모델과 비교해 비용을 따져보고 있다면, 하드웨어 값도 함께 계산에 넣으세요.

앞으로 한 달 동안 주목할 것

세 가지가 Flint가 좋은 소형 코딩 모델로 기억될지, 아니면 더 긴 논쟁의 첫 번째 데이터 포인트로 기억될지를 결정할 것이다.

첫 번째는 독립적인 벤치마크 실행이다. Artificial Analysis나 이에 준하는 중립적인 주체가 점수를 매기기 전까지, Flint가 관련된 모든 비교는 한 연구소의 자체 측정과 다른 연구소의 자체 측정을 비교하는 것이다. 두 번째는 장문맥 처리량 문제가 llama.cpp 아티팩트인지, 엔진 문제인지, 모델의 특성인지 여부다 — 이들은 해결 방식이 매우 다르다. 세 번째는 Eureka Machine의 기여도를 애초에 평가할 수 있는지 여부다. Recursive는 그 과정이 인간 감독하에 이루어진다고 말했다. 흥미로운 질문은 인간 대 에이전트 비율이 어느 정도였느냐이며, 그것은 출시 게시물이 답하도록 설계된 질문이 아니다.

당분간 내릴 수 있는 방어 가능한 요약은 짧다. Flint는 정말로 작고, 정말로 빠르며, 정말로 개방된 코딩 모델로, 아마 이미 가지고 있을 하드웨어에서 실행되며, 아무도 검증하지 않은 일련의 점수와 회사 밖에서는 아무도 확인하지 않은 개발 스토리를 함께 갖고 있다. 이 두 가지 사실이 바로 이 이야기의 핵심이다.