Recursive Flint: il modello di codice locale da 40B che gira su un portatile

Cosa è stato lanciato e quando

Il 21 ottobre 2026, Recursive Superintelligence, l'azienda fondata da Richard Socher, ha presentato il suo primo modello: Flint. Si tratta di un modello linguistico a pesi aperti specializzato nella programmazione agentica, progettato specificamente per funzionare su hardware consumer come portatili e workstation, senza la necessità di infrastrutture di data center.

L'azienda sottolinea che lo sviluppo del modello è stato completato in meno di quattro mesi con l'assistenza del suo sistema di ricerca automatizzato, Eureka Machine. I pesi del modello sono disponibili sotto licenza Apache 2.0, il che ne consente l'uso, la modifica e la distribuzione commerciale senza restrizioni significative.

Architettura ed efficienza di inferenza

Flint utilizza un'architettura di esperti misti (MoE) con 256 esperti instradati. Per ogni token elaborato, il modello attiva solo 6 di questi esperti più uno condiviso, limitando il calcolo reale a circa 2,5 miliardi di parametri. Questa sparsità è la chiave che consente di eseguire un modello da 40B su hardware locale.

Secondo i test riportati da Recursive, il modello raggiunge oltre 125 token al secondo su un MacBook Pro con chip M4 Pro e supera i 150 token al secondo su una NVIDIA RTX Spark da 64 GB in contesti brevi. L'azienda attribuisce parte di questa efficienza a una quantizzazione del layer di output a 4 bit, una decisione non convenzionale che Eureka Machine ha ottimizzato per ridurre la dimensione del modello senza degradare significativamente le prestazioni.

Varianti disponibili e requisiti hardware

Il checkpoint principale viene distribuito in formato BF16, che occupa circa 80 GB di spazio di archiviazione. Per l'esecuzione su hardware locale, Recursive ha pubblicato varianti quantizzate ufficiali: INT4 MLX (22,6 GB), INT4 Q4_1 GGUF (26,0 GB) e NVFP4 GGUF (22,9 GB).

Le guide di deployment raccomandano un minimo di 48 GB di RAM per le varianti quantizzate, tenendo presente che la dimensione del file non include la cache KV né la memoria del runtime. Il modello supporta una finestra di contesto fino a 512.000 token, sebbene si raccomandi di restare sotto i 256.000 token per ottenere i migliori risultati in termini di prestazioni e qualità.

Prestazioni nei benchmark di programmazione

Recursive ha pubblicato i seguenti risultati nei benchmark standard di programmazione agentica. È importante sottolineare che queste metriche provengono dalle valutazioni interne dell'azienda e non sono state riprodotte in modo indipendente da terze parti né da Inferama.

Su SWE-bench Pro v2, Flint ottiene l'89,7%, mentre su SWE-bench Verified raggiunge il 74,2% e su Terminal-Bench 2.1 il 54,9%. L'azienda afferma che questi risultati posizionano Flint al di sopra di altri modelli MoE con meno di 50 miliardi di parametri, sebbene riconosca che il modello richiede più guida da parte dell'utente rispetto ai modelli chiusi di dimensioni maggiori per i compiti complessi.

Accesso, prezzo ed ecosistema

Flint è disponibile gratuitamente su Hugging Face. Inoltre, la piattaforma OpenRouter offre un percorso gratuito (recursive/flint-v1.0:free) con limiti di utilizzo, che consente di provare il modello senza configurare infrastrutture locali. Per l'uso in produzione, gli sviluppatori possono distribuire il modello localmente utilizzando framework come vLLM, che già include il supporto di lancio per Flint.

L'integrazione con strumenti di agenti di codice come OpenHands consente di utilizzare Flint come backend di inferenza per flussi di lavoro di ingegneria del software. Il vantaggio principale è la privacy: il codice non lascia la macchina dell'utente e non comporta costi per token di API. Lo svantaggio è la necessità di hardware adeguato e la gestione dell'inferenza locale.

Continua a esplorare

Correzioni e trasparenza

Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.