Recursive Flint v1.0: 40B-модель для программирования, созданная в основном собственным исследовательским циклом

Самое интересное предложение вRecursive Flint v1.0 — это не результат бенчмарка. Это то, где Recursive говорит, что небольшая команда создала с нуля модель для кодинга на 40 миллиардов параметров менее чем за четыре месяца, причём автоматизированная исследовательская система под названием Eureka Machine внесла вклад почти на каждом этапе. Flint подаётся как сильная локальная модель для кодинга — 39,8 млрд параметров всего, около 2,5 млрд активных на токен, Apache 2.0, комфортно работает на ноутбуке. Но этот релиз — ещё и первая публичная проверка другого тезиса: что сам процесс создания модели может быть в значительной степени автоматизирован. Оба прочтения присутствуют в анонсе. Но воспроизвести вы можете только одно из них.

Flint был выпущен 21 октября 2026 года по лицензии Apache 2.0, а веса опубликованы на Hugging Face как RecursiveSI/flint. Это первая модель от Recursive — лаборатории, основанной бывшим главным научным сотрудником Salesforce Ричардом Сокером; она появилась четыре дня назад — настолько недавно, что почти ничего о ней ещё не проверяли за пределами создавшей её лаборатории.

Что на самом деле выпустила Recursive

Четыре репозитория, а не один. Основной репозиторий с контрольной точкой содержит веса BF16, конфигурацию, токенизатор, шаблон чата и набор для обслуживания SGLang, и он был создан 21 октября 2026 года в 14:20 UTC. Рядом с ним находятся три квантованные сборки, все датированы тем же днём: сборка int4 safetensors, int4 GGUF и NVFP4 GGUF. Размеры ниже взяты из собственных списков файлов репозиториев, а не из анонса.

• Референс в BF16 — 79,59 ГБ в 37 файлах. Это тот самый файл, если у вас H200 или B300 и вам нужна модель в неизменном виде.

• NVFP4 GGUF — 22,86 ГБ. Это сборка, которая делает утверждение «работает на ноутбуке» буквальным, и именно её большинство людей на самом деле скачает.

• int4 GGUF — 25,99 ГБ, что больше файла NVFP4, несмотря на номинально схожую разрядность. Если вы выбираете между ними только по занимаемому месту на диске, побеждает NVFP4.

• int4 safetensors — 22,58 ГБ, для стеков обслуживания, которым нужна контрольная точка safetensors, а не GGUF.

Recursive утверждает, что его собственное низкоразрядное обучение и 4-битная выходная голова, дистиллированные обратно в сторону 16-битной модели, укладываются в пределах 0,7 пункта от полной точности. Это число принадлежит Recursive и измерено в рамках оценки Recursive. А вот размеры файлов — нет: их любой может прочитать прямо в репозитории.

Четыре числа и что каждое из них измеряет

Recursive опубликовала набор оценок вместе с релизом, и самое важное, что нужно понять о них, — все они были получены внутри собственного стенда Recursive. Ни одна третья сторона их не перезапускала. В индексе Artificial Analysis — обычном независимом арбитре для такой модели — записи о Flint нет вообще.

• SWE-bench Verified — 74.2%. Бенчмарк, который узнает большинство читателей: он измеряет, способна ли модель решать реальные задачи на GitHub. Recursive прогонял его через mini-swe-agent вообще без доступа к интернету, усредняя pass@1 как минимум по пяти попыткам при temperature 1.0, top-p 0.95, top-k 20.

• SWE-bench Pro v2 — 89,7%. Обратите внимание на «v2». Это не тот же бенчмарк, что SWE-bench Pro, который публикуют другие лаборатории, и эти два числа нельзя вычитать друг из друга. Это различие важнее, чем кажется, и оно возникает каждый раз, когда Flint сравнивают с моделью, которая сообщает результаты по обычному SWE-bench Pro.

• Terminal-Bench 2.1 — 54,9%. Здесь Recursive поступила необычно честно и необычно неловко: она запустила Terminus 2 с включённым интернетом, а затем засчитывала как неудачу любое решение, полученное с помощью веб-поиска. Это ограничение сделано намеренно, и это также означает, что данный результат нельзя напрямую сравнивать с показателем Terminal-Bench, полученным без этого правила.

• LiveCodeBench v6 — 80,3%. Это скорее бенчмарк по соревновательному программированию, а не агентный, и поэтому из этих четырёх он наименее чувствителен к выбору харнесса.

• IFBench — 89.2%. Следование инструкциям — именно здесь небольшая модель обычно первой сдаёт позиции.

Утверждение, которое Recursive на самом деле делает, уже, чем следует из освещения: Flint лидирует среди моделей со смесью экспертов с общим числом параметров менее 50 млрд по SWE-bench Pro v2, Terminal-Bench 2.1 и SWE-bench Verified. Это утверждение о классе моделей, а не абсолютное. Плотные модели сопоставимого размера исключены из него по построению — именно поэтому Qwen3.8 27B, плотная модель, фигурирует на том же графике с более высоким результатом по собственному среднему Recursive по шести тестам. Recursive это напечатала. За то, что она это напечатала, ей стоит отдать должное.

Тезис о Eureka Machine — это та часть, которая переживает модель.

Уберите бенчмарки — и останется более необычная история. Recursive утверждает, что её автоматизированная исследовательская система генерировала идеи, проводила эксперименты и использовала результаты, чтобы выбирать, какие эксперименты проводить следующими. Компания приписывает ей вклад в предобучение, постобучение, инференс, квантование и аппаратные ядра. Три из этих вкладов достаточно конкретны, чтобы их можно было проверить по артефактам:

• Архитектура модели. Разработка началась с базовой конфигурации 35B-A3B и привела к 40B общего объёма при 2,5B активных параметров. Это осознанный шаг в сторону большей общей ёмкости при тех же затратах на активацию — более разреженная, а не более крупная в том смысле, который важен для инференса.

• Квантование. Перевод выходной головы в 4-битный формат и самодистилляция обратно из 16-битной модели — вот рецепт, стоящий за заявлением о 0,7 пункта, и именно поэтому модель с 39,8 млрд параметров имеет распространяемую сборку объёмом 22,86 ГБ.

• Ядра. Recursive написала Metal-мегаядро, ориентированное на чипы M4 и M5, — это наименее удивительный пункт в списке с учётом заявлений о пропускной способности и самый конкретный.

Что Recursive не раскрыла, так это сколько времени исследователей сэкономила Eureka Machine. Это упущение — и есть весь аргумент. Утверждение, что система автоматизировала большую часть разработки модели, имеет смысл, только если вы знаете, во что обошлась бы альтернатива, — и формулировка самой компании здесь осторожна: процесс по-прежнему проходит под надзором человека, а не полностью автономен. Воспринимайте релиз как раннюю публичную демонстрацию, а не как доказательство рекурсивного самосовершенствования.

Что четыре дня практического тестирования могут и чего не могут вам рассказать

Наиболее содержательный сторонний обзор Flint на данный момент — это {{1}}Уилл Найт из Wired{{/1}}, который запустил его на Mac с 48 ГБ памяти и создал приложение для списка задач, инструмент для веб-исследований и небольшой пояснительный сайт. Все три работали. Это реальный результат, и это не бенчмарк. Это три задачи, одна машина, один человек.

Более полезный сигнал для тех, кто планирует реально этим пользоваться, исходит от обозревателей, которые измеряли пропускную способность на длинных контекстах, а не в начале сессии. В одном независимом тесте сообщалось: примерно 110 токенов в секунду при коротких промптах, что падает примерно до 9 токенов в секунду при контексте около 115 000 токенов. Это более чем пятикратное ухудшение, и именно на эту цифру стоит ориентироваться, если ваш агент читает большой репозиторий, прежде чем что-либо записать. Ключевые показатели скорости Recursive — более 125 токенов в секунду на M4 Pro и более 150 на 64 ГБ RTX Spark — явно измерены при коротком контексте, без учёта prefill.

Также существует известная ошибка с шаблоном чата в ветке GGUF для llama.cpp. Если вы загружаете квантованную сборку и модель ведёт себя так, будто потеряла связь с реальностью, проверьте шаблон, прежде чем винить веса.

Запускать это, не ставя на кон производственный путь

Flint — это скачиваемый файл, а не эндпоинт. OrcaRouter не предоставляет его, и ничто здесь не должно трактоваться как заявление о том, что мы это делаем.

Это меняет то, как вам следует её пробовать. Честный способ оценить модель с открытыми весами, выпущенную четыре дня назад, — запустить её рядом с тем, чему вы уже доверяете, и сравнить на собственном репозитории, а не просто внедрить её и надеяться. Если вы уже обращаетесь к хостируемым моделям через единый API, наименее рискованный вариант — сохранить этот путь в качестве резервного, пока Flint выполняет задачи, которые вы готовы ему поручить, — и позволить цепочке аварийного переключения перехватывать запросы, на которых локальная модель зависает, вместо того чтобы обнаруживать зависание в продакшене. Это решение о маршрутизации, а не о лояльности.

Ещё одно, что стоит знать перед загрузкой: Flint бесплатен в работе, но не бесплатен во владении. Загрузка на 22,86 ГБ — это входной билет, а машина, которая без проблем его потянет, — вот настоящая цена. Если вы сравниваете это с хостинговой моделью с оплатой за токен, учитывайте и стоимость железа.

За чем следить в следующем месяце

Три вещи определят, запомнится ли Flint как хорошая компактная модель для программирования или как первая точка данных в более длинной аргументации.

Первое — это независимый прогон бенчмарка. Пока Artificial Analysis или сопоставимая нейтральная сторона не оценит его, любое сравнение с участием Flint остаётся сравнением самооценки одной лаборатории с самооценкой другой. Второе — окажется ли проблема пропускной способности при длинном контексте артефактом llama.cpp, проблемой движка или свойством модели: у каждого из этих вариантов совершенно разные способы исправления. Третье — можно ли вообще оценить вклад Eureka Machine. Recursive заявляет, что процесс проходит под человеческим надзором; интересный вопрос — каким было соотношение людей и агентов, а пост о запуске не рассчитан на ответ на такой вопрос.

Пока что обоснованное резюме коротко. Flint — по-настоящему маленькая, по-настоящему быстрая и по-настоящему открытая модель для написания кода, которая работает на железе, которое у вас, вероятно, уже есть, с набором оценок, которые никто не проверял, и историей разработки, которую никто за пределами компании не подтверждал. Оба эти факта и составляют суть истории.