Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Un modello da 39,8 miliardi di parametri che scrive codice a circa 131 token al secondo su un MacBook Pro, si scarica gratis da Hugging Face con licenza Apache 2.0 e occupa 22,86 GB su disco. Il dato che rende Flint diverso dagli altri open-weight usciti nell'ultimo mese non è la velocità: è che Recursive sostiene di averlo costruito da zero in meno di quattro mesi lasciando che fosse la sua Eureka Machine, un sistema di ricerca automatizzato, a progettare quasi ogni pezzo della pipeline. Se l'esperimento regge, il dibattito sul recursive self-improvement smette di essere materia da paper e diventa un file scaricabile sul laptop di uno sviluppatore.
Flint attiva 2,5 miliardi di parametri su 39,8 totali
Flint è un modello mixture-of-experts da 39,8 miliardi di parametri totali che ne accende circa 2,5 miliardi per ogni token generato. La scheda tecnica descrive 49 layer: i primi due densi, i restanti 47 con routing su 256 esperti, di cui 6 selezionati per token più uno condiviso sempre attivo. Il conteggio dei 2,5 miliardi include l'output head; il solo corpo attivo si ferma a 2,2 miliardi.
L'attenzione alterna 35 layer a finestra scorrevole da 513 token e 14 layer a full attention, con 32 teste di query e 4 teste chiave-valore: una geometria pensata per tenere piccola la cache KV nelle sessioni lunghe degli agenti. Il modello è text-only, gestisce il ragionamento e le tool call compatibili OpenAI, ed è addestrato per ispezionare codebase, correggere bug, implementare funzionalità e scrivere test.
Sul contesto la discrepanza è interna al fornitore: la model card documenta 262.144 token tra prompt e output, il blog di lancio parla di «fino a 512k» e nella stessa pagina consiglia di restare entro 256k per il coding. Due numeri dello stesso giorno, a un paragrafo di distanza.
I benchmark dichiarati: 74,2% su SWE-bench Verified, 54,9% su Terminal-Bench 2.1
Flint segna 74,2% su SWE-bench Verified e 54,9% su Terminal-Bench 2.1, con la versione NVFP4 che perde appena 0,1 punti sul primo benchmark. Sono valutazioni di rilascio dichiarate da Recursive, non riprodotte da terzi: alla data del 22 ottobre l'indice di Artificial Analysis non ha ancora una voce dedicata al modello.
| Benchmark | Flint BF16 | Flint NVFP4 | Qwen 3.6 (MoE) | Qwen 3.8 (dense) |
|---|---|---|---|---|
| SWE-bench Verified | 74,2% | 74,1% | 73,4% | 75,6% |
| Terminal-Bench 2.1 | 54,9% | 53,7% | 44,9% | 73,0% |
| LiveCodeBench v6 | 80,3% | 80,8% | 80,4% | 90,3% |
| IFEval | 95,1% | 94,6% | 89,6% | 94,6% |
Il protocollo è più severo della media: Terminal-Bench con harness Terminus 2 e soluzioni trovate via web conteggiate come fallimenti, SWE-bench con mini-swe-agent senza accesso a Internet, pass@1 mediato su almeno cinque tentativi, temperatura 1.0, top-p 0.95 e top-k 20. Il primato dichiarato però è stretto: Flint guida i modelli MoE sotto i 50 miliardi nel coding agentico, mentre i densi più forti restano davanti. Su Terminal-Bench 2.1 Qwen 3.8 arriva a 73,0%, e sulla media dei sei test usata da Recursive l'unico modello sopra Flint è Qwen3.8 27B. Il dato dell'89,7% su SWE-bench Pro v2, misurato internamente, non è confrontabile con i risultati pubblici sullo stesso nome.
Velocità e memoria: 48 GB bastano, i pesi NVFP4 e int4 safetensors stanno intorno a 23 GB; il GGUF int4 q4_1 arriva a 26 GB
Per eseguirlo in locale servono 48 GB di memoria: Apple Silicon M4 Pro, M5 Pro o M5 Max, oppure una GPU NVIDIA con almeno 48 GB. I pesi NVFP4 e int4 safetensors stanno intorno a 23 GB; il GGUF int4 q4_1 arriva a 26 GB. Il motore di inferenza rec engine dichiara da 1,4 a 2,6 volte il throughput di llama.cpp su un M4 Pro.
| Formato | Dimensione | Note |
|---|---|---|
| BF16 (checkpoint) | 79,59 GB | 15 shard safetensors, per fine-tuning e server |
| NVFP4 GGUF | 22,86 GB | la build di inferenza completa più piccola |
| int4 GGUF (q4_1) | 25,99 GB | più grande del file NVFP4 nonostante il nome |
| int4 safetensors | 22,58 GB | per runtime che preferiscono pesi shardati |
I pesi MLX INT4 citati da MarkTechPost stanno in circa 22,6 GB. Recursive dichiara più di 125 token al secondo su un MacBook Pro M4 Pro e oltre 150 su una RTX Spark da 64 GB; i test riportati da TechCrunch parlano di circa 131 token/s contro i 58-69 token/s di modelli simili come Gemma 4 e Nemotron 3.5 Lightning sulla stessa macchina. Flint gira anche con llama.cpp, Ollama, Unsloth, LM Studio, vLLM e SGLang, mentre il checkpoint BF16 da 80 GB richiede una B300 o una H200 per replica.
La Eureka Machine dietro Flint e i 650 milioni di Recursive
Flint è il primo modello di Recursive, startup uscita dallo stealth a maggio 2026 con 650 milioni di dollari raccolti a una valutazione di 4,65 miliardi, con GV, Nvidia e AMD Ventures tra gli investitori e Richard Socher, ex chief scientist di Salesforce, come CEO. La Eureka Machine ha contribuito a quasi ogni fase, dal pretraining al post-training all'inferenza: ha scelto una forma più sparsa partendo da una baseline da 35 miliardi con 3 miliardi attivi, ha spinto il low-bit training che ha ridotto il modello del 71% quasi senza perdite di qualità, ha scritto kernel specializzati tra cui un megakernel Metal che fonde l'intero forward pass di decode su M4 e M5.
TechCrunch la inquadra come un test pubblico anticipato di recursive self-improvement, l'idea che l'AI possa costruire AI migliore, e ricorda che alcuni ricercatori temono che un sistema del genere possa sfuggire al controllo. La versione attuale è più modesta: un assistente di ricerca supervisionato da persone. Will Knight di Wired ha usato Flint su un Mac da 48 GB per costruire una to-do list e uno strumento di ricerca web, e il modello ha centrato ogni richiesta. Recursive ammette però che Flint richiede più guida dei grandi assistenti a pagamento e consiglia di spezzare i task grandi in passaggi piccoli.
Cosa cambia per chi sviluppa in locale
Un calcolo sui file pubblicati mostra quanto abbia inciso il low-bit training: il checkpoint BF16 pesa 79,59 GB, il GGUF NVFP4 22,86 GB, cioè il 28,7% del totale, una riduzione del 71,3% coerente con il -71% dichiarato. La stessa logica vale per la sparsity: 2,5 miliardi su 39,8 significa che per ogni token si muove il 6,3% dei pesi, e il corpo attivo da 2,2 miliardi appena il 5,5%. Sono i due numeri che spiegano come un modello da 40 miliardi possa stare su un laptop.
La conseguenza pratica è una soglia di memoria netta: 48 GB escludono i Mac da 36 GB su cui gira Laguna XS 2.1 di Poolside, e questo restringe il parco macchine utilizzabili. Il vantaggio in cambio è triplo: si lavora offline, il codice non lascia il computer e non si pagano tariffe per token. Sul fronte velocità, 131 diviso 69 fa 1,9 e 131 diviso 58 fa 2,3: nei loop degli agenti, dove il modello compila, testa e corregge, il collo di bottiglia si sposta dal tempo di generazione alla gestione del task.
Flint non è un sostituto dei modelli di frontiera e Recursive non lo presenta come tale. Il test decisivo non è la riga nella tabella dei benchmark, ma se la Eureka Machine riuscirà a costruire il modello successivo più rapidamente di quanto un piccolo team umano abbia costruito questo: quattro mesi sono il tempo da battere.
Fonti
