Qué se ha lanzado y cuándo
El 21 de octubre de 2026, Recursive Superintelligence, la empresa fundada por Richard Socher, presentó su primer modelo: Flint. Se trata de un modelo de lenguaje de pesos abiertos especializado en programación agéntica, diseñado específicamente para funcionar en hardware de consumo como portátiles y estaciones de trabajo, sin necesidad de infraestructura de centro de datos.
La empresa destaca que el desarrollo del modelo se completó en menos de cuatro meses con la asistencia de su sistema de investigación automatizada, Eureka Machine. Los pesos del modelo están disponibles bajo la licencia Apache 2.0, lo que permite su uso, modificación y distribución comercial sin restricciones significativas.
Especificaciones técnicas de Recursive Flint
Datos extraídos de la ficha técnica oficial y el anuncio de lanzamiento.
| Característica | Detalle |
|---|---|
| Fecha de lanzamiento | 21 de octubre de 2026 |
| Arquitectura | Mixture-of-Experts (MoE) |
| Parámetros totales | 39.800 millones |
| Parámetros activos por token | ~2.500 millones |
| Licencia | Apache 2.0 |
| Corte de conocimiento | Junio de 2026 |
Arquitectura y eficiencia de inferencia
Flint utiliza una arquitectura de expertos mixtos (MoE) con 256 expertos enrutados. Para cada token procesado, el modelo activa solo 6 de estos expertos más uno compartido, lo que limita el cómputo real a unos 2.500 millones de parámetros. Esta esparcidad es la clave que permite ejecutar un modelo de 40B en hardware local.
Según las pruebas reportadas por Recursive, el modelo alcanza más de 125 tokens por segundo en un MacBook Pro con chip M4 Pro y supera los 150 tokens por segundo en una NVIDIA RTX Spark de 64 GB en contextos cortos. La empresa atribuye parte de esta eficiencia a una cuantización de la capa de salida a 4 bits, una decisión no convencional que Eureka Machine optimizó para reducir el tamaño del modelo sin degradar significativamente el rendimiento.
Variantes disponibles y requisitos de hardware
El checkpoint principal se distribuye en formato BF16, que ocupa aproximadamente 80 GB de almacenamiento. Para su ejecución en hardware local, Recursive ha publicado variantes cuantizadas oficiales: INT4 MLX (22,6 GB), INT4 Q4_1 GGUF (26,0 GB) y NVFP4 GGUF (22,9 GB).
Las guías de despliegue recomiendan un mínimo de 48 GB de memoria RAM para las variantes cuantizadas, teniendo en cuenta que el tamaño del archivo no incluye la caché KV ni la memoria del runtime. El modelo soporta una ventana de contexto de hasta 512.000 tokens, aunque se recomienda mantenerse por debajo de 256.000 tokens para obtener los mejores resultados de rendimiento y calidad.
Variantes de cuantización y tamaño en disco
Tamaños aproximados de los archivos de pesos. La memoria requerida en tiempo de ejecución será mayor.
| Variante | Tamaño en disco | Uso recomendado |
|---|---|---|
| BF16 | ~80 GB | Servidores GPU (H200/B300) |
| INT4 MLX | ~22,6 GB | Apple Silicon (M4 Pro/Max) |
| INT4 Q4_1 GGUF | ~26,0 GB | CPU/GPU local (llama.cpp) |
| NVFP4 GGUF | ~22,9 GB | NVIDIA GPU (cuantización de baja precisión) |
Rendimiento en benchmarks de programación
Recursive ha publicado los siguientes resultados en benchmarks estándar de programación agéntica. Es importante destacar que estas métricas provienen de las evaluaciones internas de la empresa y no han sido reproducidas de forma independiente por terceros ni por Inferama.
En SWE-bench Pro v2, Flint obtiene un 89,7%, mientras que en SWE-bench Verified alcanza el 74,2% y en Terminal-Bench 2.1 el 54,9%. La empresa afirma que estos resultados posicionan a Flint por encima de otros modelos MoE de menos de 50.000 millones de parámetros, aunque reconoce que el modelo requiere más orientación del usuario que los modelos cerrados de mayor tamaño para tareas complejas.
Benchmarks reportados por Recursive
Métricas pass@1 promedio de al menos cinco intentos. No validadas independientemente.
| Benchmark | Puntuación | Nota |
|---|---|---|
| SWE-bench Pro v2 | 89,7% | Tareas de ingeniería de software |
| SWE-bench Verified | 74,2% | Corrección de errores reales |
| Terminal-Bench 2.1 | 54,9% | Tareas de terminal y CLI |
Acceso, precio y ecosistema
Flint está disponible de forma gratuita en Hugging Face. Además, la plataforma OpenRouter ofrece una ruta gratuita (recursive/flint-v1.0:free) con límites de uso, lo que permite probar el modelo sin configurar infraestructura local. Para uso en producción, los desarrolladores pueden desplegar el modelo localmente utilizando frameworks como vLLM, que ya incluye soporte de lanzamiento para Flint.
La integración con herramientas de agentes de código como OpenHands permite utilizar Flint como backend de inferencia para flujos de trabajo de ingeniería de software. La ventaja principal es la privacidad: el código no sale de la máquina del usuario y no incurre en costos por token de API. La desventaja es la necesidad de hardware adecuado y la gestión de la inferencia local.
Pasos para desplegar Flint localmente
Proceso básico para ejecutar el modelo en un entorno local.
- 01Descargar la variante cuantizada adecuada (INT4 o NVFP4) desde Hugging Face.
- 02Instalar el runtime de inferencia recomendado (SGLang, vLLM o llama.cpp según la variante).
- 03Configurar el servidor de inferencia local y verificar la carga del modelo.
- 04Conectar la herramienta de agentes (ej. OpenHands) al endpoint local.
Qué sigue abierto
- No se ha publicado una validación independiente de los benchmarks reportados por Recursive.
- La afirmación de que la cuantización NVFP4 pierde menos de 0,7 puntos respecto a BF16 proviene solo de pruebas internas.
- El impacto real de la asistencia de Eureka Machine en la calidad del modelo no está cuantificado de forma independiente.
- La disponibilidad de la ruta gratuita en OpenRouter está sujeta a límites de uso y puede cambiar.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección