Modelos

Flint, el modelo de código de 40B de Recursive: abierto, de portátil y hecho por IA

Recursive publica Flint, un modelo de codificación MoE de 40B parámetros (2,5B activos) con licencia Apache 2.0 que corre en un portátil. Su sistema automatizado Eureka Machine participó en casi todo el desarrollo, con 71% menos tamaño gracias a entrenamiento en baja precisión. Disponible gratis en Hugging Face.

Lucía GarcíaLucía García
Popularidad: 1,400
Flint, el modelo de código de 40B de Recursive: abierto, de portátil y hecho por IA

Recursive lanza Flint, un modelo de codificación de 40B parámetros con licencia Apache 2.0 que corre en un portátil y que, según la empresa, fue construido en gran parte por su propio sistema de investigación automatizado. Menos de cuatro meses desde cero hasta la publicación.

Un modelo de código que cabe en un portátil y se fabricó casi solo

Recursive, la startup fundada el año pasado por Richard Socher, exdirector científico de Salesforce, publicó este miércoles 21 de octubre Flint, su primer modelo. Es un modelo de codificación gratuito, con pesos abiertos bajo licencia Apache 2.0 y descargable desde Hugging Face, cuyo argumento de venta principal no está en el benchmark sino en el proceso: Flint fue creado en gran parte por inteligencia artificial. La empresa se ha pasado meses insistiendo en esa idea y ahora tiene un artefacto público para demostrarla.

La compañía explica que su sistema automatizado de investigación, Eureka Machine, participó en casi todas las fases del desarrollo, del preentrenamiento al post-training y la inferencia: propone ideas, ejecuta experimentos y usa los resultados para decidir el siguiente paso. Con esa maquinaria, un equipo pequeño pasó de cero a modelo publicado en menos de cuatro meses, un ritmo que en el desarrollo tradicional de modelos frontera suele medirse en años.

Qué aportó Eureka al diseño

Entre las contribuciones concretas que atribuye a Eureka figuran una arquitectura de modelo más dispersa, técnicas de entrenamiento en baja precisión que redujeron el tamaño del modelo un 71 por ciento casi sin pérdida de calidad, y kernels personalizados, los programas de aceleración a medida para el hardware. Ninguna de las tres piezas es revolucionaria por separado, pero la combinación es lo que hace viable el objetivo final: un modelo de código que no exija un centro de datos para ser útil.

El resultado técnico es una arquitectura MoE (mezcla de expertos) con 40B de parámetros totales de los que solo 2,5B se activan en cada paso. Ese es el motivo de que un portátil normal pueda con él. Para dimensionar el contraste: Meta presentó la semana pasada Muse Spark Open, su modelo abierto optimizado para Mac, con 816B de parámetros y un requisito de al menos 1TB de memoria. Dos filosofías opuestas sobre el mismo problema, resolver qué debe hacer un modelo de código en tu escritorio.

Rendimiento: los números de Recursive y la prueba de Wired

Las cifras de velocidad y benchmarks son autodeclaradas y conviene leerlas con esa etiqueta. Recursive afirma que Flint alcanza unos 131 tokens por segundo en un MacBook Pro con chip M4 Pro, el doble que Gemma 4 o Nemotron 3.5 Lightning (entre 58 y 69 tokens por segundo) en la misma máquina, y que supera los 150 tokens por segundo en una Nvidia RTX Spark. En SWE-Bench Verified, la empresa sostiene que Flint supera a los modelos de menos de 50B de parámetros, y en el promedio de sus seis pruebas internas solo Qwen3.8 27B de Alibaba puntúa por encima.

Hay al menos una verificación externa. Will Knight, de Wired, probó Flint en un Mac de 48GB de memoria y lo usó para construir una aplicación de tareas pendientes y una herramienta de investigación web, con el veredicto de que "resolvió todo cada vez", sin los errores ni la lentitud que suelen delatar a los modelos pequeños.

Lo que Flint promete y lo que todavía no da

Para quien trabaja con código, un modelo local como Flint tiene ventajas inmediatas: funciona sin conexión, el código nunca sale de la máquina y no hay factura por token. Para equipos con requisitos de privacidad estrictos, esa combinación pesa más que cualquier lista de benchmarks. La propia Recursive reconoce el límite: Flint exige más guía que los asistentes de código grandes de pago, y recomienda dividir los encargos en pasos pequeños. Es un modelo para trabajar codo con codo, no para delegar proyectos enteros.

El trasfondo importa casi tanto como el producto. Eureka encarna la idea de mejora recursiva: IA que construye mejor IA. Lo que Recursive ha demostrado hasta ahora es más modesto y más creíble, un sistema de investigación automatizado supervisado por humanos que aceleró el desarrollo de un modelo real. Aun así, el gesto comercial es fuerte: la empresa salió del modo sigiloso en mayo con 650 millones de dólares levantados, una valoración de 4.650 millones con participaciones de GV, Nvidia y AMD Ventures, y un acuerdo de cómputo de 410 millones con AWS. La frase de Socher en su momento lo resume: no contratan personas, contratan agentes.

Compartir esta noticia

Fuentes

Noticias de IA relacionadas

Una ventana de terminal con una curva de recompensa ascendente y una insignia 27B al lado
Modelos

RadixArk entrena 18 días un Qwen3.8-27B y mejora en todo lo que mide

RadixArk no entrenó un modelo desde cero. Cogió un Qwen3.8-27B, le dio 1.200 tareas de agentes y 18 días de refuerzo, y publicó el resultado. La historia está en la factura de cómputo.

Popularidad: 1,330
El contorno de un portátil con tres láminas de capas apiladas que pasan por una flecha de bucle en su interior
Modelos

Inkling 2 Mini cabe en un portátil porque repite las mismas capas tres veces

Thinking Machines Lab resolvió un problema de espacio con una idea que suena a recorte: si el modelo no cabe, que repita las mismas capas. Inkling 2 Mini enseña qué se gana con ese truco y qué queda fuera.

Popularidad: 1,710
Una onda de audio larga en tono turquesa con una sola barra naranja sobre un fondo oscuro
Modelos

Rumble-2-Flash: un modelo de voz de 500 millones que roza a otro de 30.000

Un modelo de voz de 500 millones de parámetros se ha quedado a un pelo de otro sesenta veces mayor en llamadas reales de atención al cliente. La pregunta ya no es si la transcripción puede salir de la nube, sino cuánto se pierde al sacarla.

Popularidad: 560
Tres anillos de neón orbitando un núcleo pequeño y brillante sobre un fondo azul profundo
Modelos

Gemini 4 Neon llega a la app y el selector pierde dos nombres

Google ha reordenado el selector de la app y ha jubilado dos nombres que mucha gente usaba por costumbre. Neon ocupa el hueco intermedio, y la factura por tarea pesa más que la ficha técnica.

Popularidad: 1,500