라처설 공동창업자 리처드 소처의 신생 기업 리커시브가 노트북에서 도는 40B 코딩 모델 '플린트'를 아파치 2.0 라이선스로 공개했다. 모델을 만드는 일의 대부분을 자사 자동화 연구 시스템 '유레카 머신'이 맡았다.
4개월 만에 나온 첫 모델, 만든 주체는 AI
리커시브(Recursive)가 21일(현지시각) 첫 모델 '플린트(Flint)'를 공개했다. 무료로 풀린 코딩 특화 모델로, 일반 노트북에서 돌아가고 아파치 2.0 라이선스라 상업적 이용도 자유롭다. 허깅 페이스에서 다운로드가 시작됐다.
눈길을 끄는 건 성능보다 제작 방식이다. 회사의 자동화 연구 시스템 '유레카 머신(Eureka Machine)'이 사전학습부터 사후학습, 추론에 이르는 거의 모든 단계에 관여했다. 아이디어를 내고, 실험을 돌리고, 결과를 보고 다음 방향을 정하는 순환이 시스템 주도로 돌았다는 설명이다. 사람 팀이 관여한 건 방향 설정과 검증 정도다. 회사 창립에서 모델 공개까지 걸린 시간은 4개월도 안 된다.
유레카의 구체적 기여도 공식 발표에 정리돼 있다. 더 희소한 모델 구조, 저비트 학습(모델 크기 71% 축소, 품질 손실은 거의 없음), 전용 가속 프로그램인 커스텀 커널이다. 저비트 학습은 가중치 하나를 담는 비트 수를 줄여 모델 용량 자체를 줄이는 기법이다. 크기가 줄면 메모리 요구량도 같이 줄어, 노트북 구동의 전제 조건이 된다.
40B 크기에 노트북급 전력
스펙 자체가 이 제품의 논리를 보여준다. 플린트는 MoE(혼합 전문가) 구조로 총 파라미터 40B, 추론 시 매번 깨어나는 건 2.5B다. MoE는 거대한 전문가 풀을 두고 입력마다 필요한 전문가만 호출하는 구조다. 전체 크기는 크게 유지하면서 실제 계산량은 작게 유지하는 방식이고, 이 조합 덕에 고급 워크스테이션이 아니라 보통 노트북에서도 구동된다. 비교가 흥미롭다. 메타가 지난주 내놓은 맥용 오픈 모델 '뮤즈 스파크 오픈'은 816B 파라미터에 최소 1TB 메모리를 요구한다.
속도 수치는 회사 발표 기준이다. M4 프로 칩을 단 맥북 프로에서 초당 131토큰을 기록했다고 밝혔다. 같은 기기의 제마 4와 네모트론 3.5 라이트닝(초당 58~69토큰)의 약 2배고, 엔비디아 RTX 스파크에서는 초당 150토큰을 넘는다.
벤치마크 역시 회사 발표에 따른다. SWE-Bench Verified에서 50B 미만 모델 가운데 가장 높았다는 것이고, 리커시브가 자체 구성한 6개 테스트의 평균에서는 알리바바의 쿠엔 3.8 27B만이 플린트를 앞선다고 한다. 자체 테스트라는 점은 감안해 읽어야 한다.
로컬 코딩 모델의 실전 가치
코드가 전부 로컬에 남는다는 점이 첫째 장점이다. 보안 규정상 외부 API를 못 쓰는 환경에서 선택지가 넓어진다. 둘째는 오프라인 가동, 셋째는 토큰 과금이 없다는 점이다. 와이어드(Wired)의 윌 나이트 기자가 48GB 메모리의 맥에서 실제로 사용해봤는데, 할 일 관리 앱과 웹 리서치 도구를 만들었고 "매번 제대로 끝냈다"는 평가를 남겼다. 소형 모델에서 흔한 잦은 오류와 느린 속도가 두드러지지 않았다는 것이다.
단, 회사 스스로 한계도 인정했다. 유료 코딩 어시스턴트 대비 더 많은 유도가 필요하며, 큰 작업은 작은 단계로 쪼개 쓰길 권한다는 것이다.
배경도 짚어둘 만하다. 리커시브는 5월 스텔스를 벗었고, GV와 엔비디아, AMD 벤처스 등에서 6억 5천만 달러를 투자받아 기업가치 46억 5천만 달러를 기록했다. 6월에는 AWS와 4억 1천만 달러 규모의 컴퓨팅 계약을 맺었다. 소처 CEO의 표현은 "사람이 아니라 에이전트를 채용한다"였다.
'AI가 만든 AI'는 어디까지 왔나
플린트를 보는 두 가지 방향이 있다. 'AI가 만든 AI'라는 시그널인가, 아니면 오프라인에서도 돌아가는 실속형 코딩 모델인가. 현실은 후자에 가깝다. 유레카는 아직 인간 감독 아래 돌아가는 연구 어시스턴트고, 완전 자율적 자기 개선이라는 단계까지는 거리가 있다. 다만 4개월 만에 노트북급 모델을 뽑아낸 그 속도가 같은 루트로 돌아올 때의 생산성을 암시한다는 점은 남는다. 공개 가중치라는 점도 변수다. 외부 개발자가 직접 성능을 검증하고 파생 모델을 만들 여지가 열려 있어, 업체 발표 수치 이상의 데이터가 빠르게 쌓일 수 있다.






