Recursiveがラップトップで動く40Bコーディングモデル「Flint」公開、開発の大部分はAI自身が担当
元Salesforceチーフサイエンティストのリチャード・ソッチャー氏率いるスタートアップRecursiveが、初のモデル「Flint」を公開した。ノートパソコンで動く40Bのオープンソース・コーディングモデルで、開発の大部分は同社の自動化研究システムが担ったという。
AIスタートアップのRecursiveは10月21日、初のモデル「Flint」を発表した。無料で利用でき、ノートパソコン上で動作するコーディングモデルだ。ライセンスはApache 2.0で、Hugging Faceからダウンロードできる。
Flintの最大の特長は、その多くがAIによって作られた点だ。同社の自動化研究システム「Eureka Machine」が、事前学習から事後学習、推論に至るほぼすべての工程に関与した。アイデアを出し、実験を実行し、その結果を使って次の一手を決める。その結果、少数のチームでも開発開始から公開まで4カ月足らずで到達した。
Eurekaの具体的な貢献として同社は、より疎なモデル構造の採用、低ビット学習(モデルのサイズを71%削減しながら品質はほぼ維持)、専用の高速化プログラムであるカスタムカーネルの作成を挙げている。研究の進め方としては、人間が各段階で成果を検証しつつ、実験の設計と回転をシステムに任せる形になる。
項目 | Flint | 比較対象 |
|---|---|---|
アーキテクチャ | MoE(混合エキスパート) | 同左 |
総パラメータ | 40B | 816B(Muse Spark Open) |
必要メモリ | ノートPCで動作 | 1TB以上が必要 |
スペックは混合エキスパート(MoE)構造で、総パラメータは40B、一度に活性化するのは2.5B。このため一般的なノートパソコンでも動く。比較として、Metaが先週公開したMac向けオープンソースモデルのMuse Spark Openは816Bパラメータで、1TB以上のメモリを必要とする。
速度とベンチマークの数値はいずれもベンダー公表値だ。それによると、MacBook Pro(M4 Pro)でおよそ131トークン/秒。同じマシンで動くGemma 4やNemotron 3.5 Lightning(58〜69トークン/秒)の約2倍にあたり、Nvidia RTX Sparkでは150トークン/秒を超える。ベンチマークでは、SWE-Bench Verifiedで他の50B未満のパラメータを持つモデルを上回り、同社独自の6項目テストの平均スコアでは、アリババのQwen3.8 27Bだけが上回る結果だったという。
ローカルで動かす実利もある。オフラインで使え、コードを外部に出さずに済み、トークン単位の課金も発生しない。機密性の高いコードベースを扱う現場では、この三点が採用判断を左右しやすい。
一方で限界も公表されている。Flintは大規模な有料コーディングアシスタントに比べて、より多くの誘導が必要で、大きなタスクは小さなステップに分けて進めるのが望ましいという。外部検証としては、Wiredのウィル・ナイト氏が48GBメモリのMacで実際に試し、ToDoアプリとネットリサーチ用ツールを作成。小規模モデルにありがちなエラーや動作の遅さは目立たず、「毎回なんとかやり遂げた」と評価している。
背景には注目度の高い資金力もある。同社は昨年創業、5月にステルスモードを解いて総額6億5,000万ドルを調達し、企業価値は46億5,000万ドルとされた。GVやNvidia、AMD Venturesが出資し、6月にはAWSと4億1,000万ドルの計算資源契約を結んでいる。ソッチャー氏はその際、「人を雇うのではなく、エージェントを雇う」と述べた。少数精錞の体制でここまでの開発を回せたのは、この資金と計算資源の裏付けがあるからだ。
なお、Flintの開発手法は「再帰的自己改善」という構想の早期の公開テストのひとつと位置づけられるが、現状は人間が監督するAI研究アシスタントの段階であり、AIが完全に自力でAIを作る状態には程遠い。






