Modelos

Recursive Flint: modelo de código aberto de 40B roda em notebook e foi feito pela IA

A Recursive lançou o Flint, modelo de programação de pesos abertos com 40B de parâmetros que roda em notebook, e afirma que ele foi construído em grande parte pela Eureka Machine, seu sistema de pesquisa automatizada. O download é gratuito no Hugging Face sob Apache 2.0.

Mariana SilvaMariana Silva
Popularidade: 1,400
Recursive Flint: modelo de código aberto de 40B roda em notebook e foi feito pela IA

A Recursive lançou o Flint, modelo de programação de pesos abertos que roda em notebook e foi construído em grande parte pelo próprio sistema de pesquisa automatizada da empresa. O download é gratuito no Hugging Face sob licença Apache 2.0.

Recursive lança o Flint, modelo de código que roda no notebook e nasceu de um sistema de IA

A Recursive, startup fundada no ano passado pelo cientista Richard Socher, ex-chefe de cientistas da Salesforce, lançou em 21 de outubro o seu primeiro modelo. O Flint é um modelo de programação gratuito que funciona em um notebook comum, e o detalhe que rendeu manchetes é outro: segundo a empresa, ele foi criado em grande parte pela própria IA.

Quem programa com privacidade em mente entende o apelo. Modelos de ponta entregam qualidade, mas exigem enviar código para a nuvem, com custo por token e dependência de API. O Flint propõe o caminho oposto: pesos abertos, execução local, sem contar tokens. O código nunca sai da sua máquina. Simples assim.

Como a Eureka Machine construiu quase todo o modelo

O sistema responsável é a Eureka Machine, a plataforma de pesquisa automatizada da Recursive. Pela descrição oficial, ela participou de praticamente cada etapa: propor ideias, rodar experimentos e usar os resultados para decidir o próximo passo, cobrindo pré-treino, pós-treino e inferência. Com esse ciclo girando, uma equipe pequena foi do zero ao lançamento em menos de quatro meses. Sem ciclo humano lento no meio.

Entre as contribuições da Eureka estão uma estrutura de modelo mais esparsa, técnicas de treino em baixa precisão que reduziram o tamanho em 71% com perda mínima de qualidade e kernels próprios, os programas de aceleração que ajustam a execução ao hardware. Os kernels merecem atenção. É uma amostra concreta de autoaperfeiçoamento recursivo, ainda que sob supervisão humana constante. A Recursive é a primeira a reconhecer: isto é um assistente de pesquisa comandado por pessoas, não uma IA se construindo sozinha.

Especificações do Flint: 40B de parâmetros com 2,5B ativos por tarefa

O Flint usa arquitetura MoE, mixture of experts, que divide o modelo entre especialistas ativados só quando a tarefa pede. No total são 40 bilhões de parâmetros, mas cada consulta ativa cerca de 2,5 bilhões. É essa matemática que permite rodar em notebook. A comparação da Recursive ajuda a situar: o Muse Spark Open, modelo da Meta voltado a Mac, precisa de 816 bilhões de parâmetros e pelo menos 1 TB de memória.

Métrica

Número (segundo a Recursive)

Parâmetros totais

40B (arquitetura MoE)

Parâmetros ativos por consulta

2,5B

Velocidade no MacBook Pro M4 Pro

cerca de 131 tokens/s

Velocidade no Nvidia RTX Spark

acima de 150 tokens/s

Redução de tamanho por treino em baixa precisão

71%

Os números de velocidade são do fabricante, e a Recursive compara o M4 Pro a modelos como Gemma 4 e Nemotron 3.5 Lightning, que ficam entre 58 e 69 tokens por segundo na mesma máquina, menos da metade. E a qualidade? Pelos testes próprios da empresa, o Flint lidera entre modelos abaixo de 50B no SWE-Bench Verified, referência em correção de código real. Na média dos seis testes internos, apenas o Qwen3.8 27B, da Alibaba, ficou à frente.

O que achou o teste independente da Wired

A revista Wired rodou o Flint em um Mac com 48 GB de memória. O resultado? O repórter Will Knight usou o modelo para construir um app de tarefas e uma ferramenta de pesquisa na web, e o resultado, nas palavras dele, foi um caso em que "sempre dá conta". Erros que costumam aparecer em modelos pequenos, como travamentos e lentidão, não atrapalharam o teste.

Na média dos seis testes internos, apenas o Qwen3.8 27B, da Alibaba, ficou à frente. São números de fabricante, ainda sem validação independente ampla. O leitor deve ler tudo isso com esse aviso na cabeça.

Há uma ressalva importante, e a própria Recursive admite: o Flint pede mais orientação do que assistentes pagos de grande porte. A recomendação oficial é dividir tarefas grandes em etapas menores. Quem espera um agente que decora o projeto inteiro e trabalha sem supervisão ainda não encontrou isso aqui.

A Recursive e a aposta no autoaperfeiçoamento

A empresa sai do modo stealth em maio com uma rodada de 650 milhões de dólares e avaliação de 4,65 bilhões, com participação de GV, Nvidia e AMD Ventures. Em junho fechou contrato de 410 milhões de dólares com a AWS para capacidade de computação. A frase de Socher que resume a cultura: a empresa não contrata pessoas, contrata agentes. Direto ao ponto.

O Flint é a primeira prova pública dessa tese. Um modelo construído em meses, com custos reduzidos pela própria automação, aberto para qualquer um baixar sob Apache 2.0. Se a próxima geração sair mais rápido e melhor, a abordagem ganha força; se o processo depender cada vez mais de engenheiros humanos, o discurso volta ao chão. A versão para testar já está no Hugging Face.

Compartilhar esta notícia

Fontes

Notícias de IA relacionadas

Uma longa forma de onda verde-azulada com uma barra laranja de destaque em campo escuro
Modelos

Rumble-2-Flash: um modelo de fala de 0,5B encosta no de 30B

A Reson8 liberou um modelo de reconhecimento de fala de 0,5 bilhão de parâmetros que fica a um décimo de ponto de um gigante de 30 bilhões em ligações de call center. O número interessa a quem paga por minuto de transcrição, e o resto do pacote decide se vale trocar.

Popularidade: 560
Três anéis de neon orbitando um pequeno núcleo brilhante em campo azul-escuro
Modelos

Gemini 4 Neon chega ao app, e o seletor perde Argon e 3.1 Pro

O Gemini 4 Neon entrou no app como a opção do meio: mais forte que o Hydrogen, mais barato que o Carbon. A troca interessa a quem paga o Gemini AI Pro, porque duas opções antigas saíram do seletor no mesmo dia.

Popularidade: 1,500
Um grande núcleo de modelo cercado por raios de raciocínio ao lado de um núcleo rápido menor, com barras de preço em queda à direita
Modelos

GPT-6.2 Astra fica 20% mais barato e continua atrás no teste independente

A OpenAI cortou o preço do Astra em 20% e deixou o Sol na faixa anterior. Só que a fatura por tarefa depende de outro número: quantos tokens o modelo queima até entregar o resultado.

Popularidade: 1,900
Uma grade densa de quadrados especialistas com seis nós acesos e uma fita longa atravessando
Modelos

Qwen4-Max: 2,4 trilhões de parâmetros e a conta menor por tarefa

A Alibaba não está vendendo o modelo mais forte do mercado. Está vendendo a conta menor no fim do mês, com uma arquitetura que gasta menos tokens para chegar à mesma resposta. A diferença aparece nos benchmarks que o Qwen4-Max perde.

Popularidade: 1,650