Recursive veröffentlicht Flint – ein KI-Modell für Coding, das die Ökonomie von Laboren testet
- Recursive entwickelte sein Flint-Codingmodell in weniger als vier Monaten mit einem kleinen Team aus Menschen und KI-Agenten.
- Flint verfügt über 39,8 Milliarden Parameter, aktiviert jedoch nur etwa 2,5 Milliarden pro Token, was eine lokale Ausführung ermöglicht.
- Das Experiment deutet darauf hin, dass KI die Arbeitskraft für die Modellentwicklung reduzieren könnte, doch Recursive hat die tatsächlichen Entwicklungskosten von Flint nicht offengelegt.
Recursive hat Flint am 21. Oktober 2026 veröffentlicht. Ein Großteil der Forschung hinter diesem Open-Weight-Coding-Modell wurde mit Unterstützung von KI durchgeführt. Das gesamte Modell wurde mit Hilfe eines kleinen Teams in weniger als vier Monaten erstellt. Die Frage ist, ob dieser Ansatz kleinen Laboren eine Chance bietet, ohne enorme Investitionen mit den großen Playern zu konkurrieren.
Flint nutzt ein Mixture-of-Experts-Design. Es aktiviert jeweils nur einen kleinen Teil des Modells, was die Effizienz steigert. Seine Model Card listet 39,8 Milliarden Parameter auf, wobei pro Token etwa 2,5 Milliarden aktiv sind. Die Apache-2.0-Lizenz erlaubt die kommerzielle Nutzung, und Entwickler können Flint lokal ausführen.
Was Recursive über das sagt, was die Eureka Machine gebaut hat
Recursive schreibt der Eureka Machine zu, dass sie Änderungen an Flints Architektur sowie an der Trainings- und Inferenzsoftware vorgeschlagen, programmiert und getestet hat. CEO Richard Socher erklärte gegenüber WIRED, dass KI „nahezu jeden Aspekt der gesamten Modell-Pipeline“ verbessert habe.
Das ist zentral für Recursive’s Ziel. Es möchte, dass KI-Systeme dabei helfen, bessere Nachfolger zu entwickeln. Socher betont, dass Menschen den Forschungsprozess jederzeit stoppen können.
Benchmarks des Unternehmens, ein Praxistest von WIRED
In von Recursive durchgeführten Tests übertraf Flint andere Mixture-of-Experts-Modelle mit weniger als 50 Milliarden Parametern in den Benchmarks SWE-Bench Pro v2, Terminal-Bench 2.1 und SWE-Bench Verified. Das Unternehmen meldete zudem Geschwindigkeiten von über 125 Tokens pro Sekunde auf einem M4 Pro MacBook Pro und 150 auf einem NVIDIA RTX Spark bei kurzen Kontextlängen.
Ein wichtiger Aspekt: Dies sind Firmenangaben. Unabhängige Bewertungen sind noch begrenzt. Will Knight von WIRED hat Flint selbst getestet und festgestellt, dass er recht geschickt ist, sogar in der Lage, eine kleine Website zu erstellen. Allerdings deuten einige erfolgreiche Coding-Aufgaben nicht darauf hin, wie es im Vergleich zu anderen Modellen abschneidet.
OpenHands führte vor dem Launch Tests mit Flint durch und stellte Entwicklern am Tag der Veröffentlichung Zugriff darauf zur Verfügung. Obwohl dies darauf hindeutet, dass Flint reale Coding-Aufgaben bewältigen kann, hat OpenHands keine unabhängige Bewertung der Benchmarking-Ansprüche von Recursive durchgeführt.
Die $410 Millionen-Frage zum günstigen KI
Ein Modell zu entwickeln, das weniger Personal erfordert, ist keine Garantie dafür, dass es günstig ist. Recursive hat nicht offengelegt, wie viel die Entwicklung von Flint gekostet hat.
Am 28. Juli 2026 ging das Unternehmen einen 410-Millionen-Dollar-Deal mit AWS ein. Zuvor hatte es 650 Millionen Dollar eingesammelt. Keine dieser Summen spiegelt die Kosten für den Aufbau von Flint selbst wider.
Die Forschung von Epoch AI zeigt, warum die Ausgaben hoch bleiben. Die finalen Trainingsläufe machten im Jahr 2024 9,6 % der OpenAI-Forschungs-Compute-Ausgaben aus. Der Großteil der Finanzierung wurde für andere forschungsbezogene Maßnahmen verwendet.
KI-Agenten können einige Aufgaben übernehmen, die früher von Forschern erledigt wurden. Das Durchführen von Experimenten und das Testen neuer Ideen erfordern jedoch weiterhin einen hohen Rechenaufwand.
Offene Gewichte, lokale Hardware und globaler Wettbewerb
Inzwischen wird die Nutzung von KI deutlich günstiger. Schätzungen von Epoch AI zufolge sind die Kosten für vergleichbare Leistung seit 2023 um etwa 47 % pro Quartal gesunken.
Am 22. September 2026 stellte OpenAI GPT-6 Sol und Luna vor, deren Preise mindestens 50 % unter denen ihrer Vorgänger lagen, wie Cryptopolitan berichtete.
Flint hatte keinen Einfluss auf diese Preisänderungen. Dennoch bietet es Entwicklern eine weitere Option: ein Codierungsmodell, das sie auf ihrer eigenen Hardware ausführen können, ohne auf bezahlte Cloud-Dienste angewiesen zu sein.
Die Vorteile könnten über etablierte KI-Märkte hinausreichen. Stanfords AI Index 2026 ergab, dass die Open-Source-Entwicklung mehr Ländern hilft, an der KI-Innovation teilzunehmen.
Derzeit zeigt Flint, was ein kleines Team mit KI-unterstützter Forschung erreichen kann. Ob derselbe Ansatz die Modellenentwicklung auch für kleinere Labors erschwinglich macht, bleibt eine offene Frage.
Lesen Sie nicht nur Krypto-Nachrichten. Verstehen Sie sie. Abonnieren Sie unseren Newsletter. Es ist kostenlos.
Häufig gestellte Fragen
Was ist Recursive Flint und wie kann ich es ausführen?
Flint ist ein Mixture-of-Experts-Codemodell mit etwa 40 Milliarden Gesamtparametern und rund 2,5 Milliarden aktiven Parametern pro Token. Es wurde unter der Apache 2.0-Lizenz auf Hugging Face veröffentlicht. Recursive gibt an, dass es auf lokaler Hardware wie Apple Silicon und NVIDIA RTX-Systemen läuft und mit Tools wie llama.cpp, Ollama, LM Studio und vLLM kompatibel ist.
Wie wurde Flint so schnell entwickelt?
Recursive gibt an, dass ein kleines Team sein automatisiertes Forschungs-System „Eureka Machine“ eingesetzt hat, um den größten Teil der Modell-Pipeline zu bewältigen – von Architektur und Training bis hin zu Quantisierung und Inferenz-Kernels. So entstand Flint in weniger als vier Monaten, wie das Unternehmen und WIRED berichten.
Beweist Flint, dass KI KI kostengünstig bauen kann?
Nicht eindeutig. Recursive hat die Baukosten für Flint nicht offengelegt. Das Unternehmen verfügt über einen mehrjährigen AWS-Compute-Vertrag im Wert von 410 Millionen US-Dollar sowie über 650 Millionen US-Dollar an Finanzierungsmitteln. Forschungsergebnisse von Epoch AI zeigen zudem, dass der Großteil des Rechenbedarfs für KI-Forschung und -Entwicklung in die explorative Phase und nicht in den finalen Trainingslauf fließt.
Micah Abiodun
Micah Abiodun nutzt sein Masterstudium in Umwelttechnik und -management (MSc) an der Technischen Universität Tallinn (TalTech), um Inhalte und Preisprognose-Nachrichten bei Cryptopolitan zu verfeinern. Seit nunmehr sieben Jahren im Krypto-Medienbereich tätig, berichtet er über große Kryptowährungen, Altcoins, DeFi, Stablecoins, makroökonomische Trends und aufkommende Technologien.
