Recursive lanza Flint, un modelo de código creado con IA que pone a prueba la economía del laboratorio
- Recursive desarrolló su modelo de codificación Flint en menos de cuatro meses, contando con un pequeño equipo de personas y agentes de IA.
- Flint cuenta con 39.800 millones de parámetros, pero activa alrededor de 2.500 millones por token, lo que le permite ejecutarse de forma local.
- El experimento sugiere que la IA podría reducir la mano de obra en el desarrollo de modelos, pero Recursive no ha revelado el costo real de desarrollo de Flint.
Recursive lanzó Flint el 21 de octubre de 2026. Gran parte de la investigación detrás de este modelo de código con pesos abiertos se llevó a cabo con ayuda de la IA. Todo el modelo fue creado con la asistencia de un pequeño equipo en menos de cuatro meses. La pregunta es si este enfoque crea una oportunidad para que los laboratorios pequeños compitan con los grandes sin una gran inversión.
Flint utiliza un diseño de mezcla de expertos. Activa solo una pequeña parte del modelo en cada momento, lo que ayuda a ejecutarlo de manera eficiente. Su tarjeta del modelo indica 39.800 millones de parámetros, con aproximadamente 2.500 millones activos por token. La licencia Apache 2.0 permite su uso comercial y los desarrolladores pueden ejecutar Flint de forma local.
Lo que Recursive dice que construyó la Máquina Eureka
Recursive atribuye a Eureka Machine el haber sugerido, codificado y probado cambios en la arquitectura de Flint, así como en su software de entrenamiento e inferencia. El CEO Richard Socher declaró ante WIRED que la IA mejoró "casi todos los aspectos de todo el pipeline del modelo".
Eso es central para el objetivo de Recursive. Quiere que los sistemas de IA ayuden a construir sucesores mejores. Socher sostiene que las personas aún pueden detener el proceso de investigación.
Benchmarks de la empresa, una prueba práctica de WIRED
En las pruebas realizadas por Recursive, Flint superó a otros modelos de mezcla de expertos con menos de 50.000 millones de parámetros en SWE-Bench Pro v2, Terminal-Bench 2.1 y SWE-Bench Verified. La empresa también reportó velocidades superiores a 125 tokens por segundo en un MacBook Pro M4 Pro y 150 en un NVIDIA RTX Spark en contextos cortos.
Una consideración importante: estos son números de la empresa. La evaluación independiente sigue siendo limitada. Will Knight de WIRED probó Flint personalmente y lo encontró bastante diestro, incluso capaz de crear un sitio web pequeño. Sin embargo, algunas tareas de codificación exitosas no indican cómo se compara con otros modelos.
OpenHands realizó pruebas sobre Flint antes de su lanzamiento y proporcionó a los desarrolladores acceso al mismo el día de su despliegue. Aunque esto indica que Flint es capaz de realizar tareas de programación en el mundo real, OpenHands no ha llevado a cabo una evaluación independiente de las afirmaciones de Recursive respecto a sus benchmarks.
La pregunta de $410 millones sobre la IA económica
Crear un modelo que requiera menos personas no es una garantía de que sea barato. Recursive no ha revelado cuánto cuesta construir Flint.
El 28 de julio de 2026, la empresa cerró un contrato por 410 millones de dólares con AWS. Anteriormente había recaudado 650 millones. Ninguna de estas cifras refleja el coste de construir Flint en sí mismo.
La investigación de Epoch AI explica por qué los gastos se mantienen elevados. Las ejecuciones finales de entrenamiento representaron el 9,6 % de los gastos de computación de investigación de OpenAI durante el año 2024. La mayor parte de la financiación se distribuyó entre otras acciones relacionadas con la investigación.
Los agentes de IA pueden asumir algunas tareas que antes eran realizadas por investigadores. Sin embargo, ejecutar experimentos y probar nuevas ideas aún requiere una gran cantidad de potencia de computación.
Pesos abiertos, hardware local y competencia global
Mientras tanto, el uso de la IA se está volviendo mucho más asequible. Epoch AI estima que el coste de alcanzar un rendimiento comparable ha caído aproximadamente un 47 % por trimestre desde 2023.
El 22 de septiembre de 2026, OpenAI presentó GPT-6 Sol y Luna a precios al menos un 50 % inferiores a los de sus predecesores, según informó Cryptopolitan.
Flint no tuvo nada que ver con esos cambios de precios. Aun así, ofrece a los desarrolladores otra opción: un modelo de codificación que pueden ejecutar en su propio hardware sin depender de servicios en la nube de pago.
Los beneficios podrían extenderse más allá de los mercados consolidados de IA. El Índice de IA de Stanford de 2026 reveló que el desarrollo de código abierto está ayudando a más países a participar en la innovación en IA.
Por ahora, Flint muestra lo que puede lograr un equipo pequeño con investigación asistida por IA. Si el mismo enfoque puede hacer que el desarrollo de modelos sea asequible para laboratorios más pequeños sigue siendo una pregunta abierta.
Las mentes más inteligentes del mundo cripto ya leen nuestro boletín. ¿Quieres unirte? Únete a ellos.
Preguntas frecuentes
¿Qué es Recursive Flint y cómo puedo ejecutarlo?
Flint es un modelo de codificación basado en mezcla de expertos (mixture-of-experts) con aproximadamente 40 mil millones de parámetros totales y unos 2.5 mil millones activos por token, publicado bajo la licencia Apache 2.0 en Hugging Face. Recursive indica que funciona en hardware local como Apple Silicon y sistemas NVIDIA RTX, y es compatible con herramientas como llama.cpp, Ollama, LM Studio y vLLM.
¿Cómo se construyó Flint tan rápido?
Según la empresa y WIRED, Recursive afirma que un pequeño equipo utilizó su sistema de investigación automatizado "Eureka Machine" para gestionar la mayor parte del flujo de trabajo del modelo, desde la arquitectura y el entrenamiento hasta la cuantización y los núcleos de inferencia, produciendo Flint en menos de cuatro meses.
¿Demuestra Flint que la IA puede construir IA a bajo costo?
No está claro. Recursive no ha revelado el costo de desarrollo de Flint, y cuenta con un acuerdo de computación en AWS por valor de 410 millones de dólares durante varios años, además de 650 millones de dólares en financiación, mientras que las investigaciones de Epoch AI muestran que la mayor parte de la computación dedicada a la I+D de IA se destina a la exploración en lugar de al entrenamiento final.
Micah Abiodun
Micah Abiodun aprovecha su Maestría en Ingeniería y Gestión Ambiental (MSc) de la Universidad Tecnológica de Tallinn (TalTech) para perfeccionar noticias sobre contenido y predicciones de precios en Cryptopolitan. Ahora en su séptimo año en el espacio de medios cripto, cubre las principales criptomonedas, altcoins, DeFi, stablecoins, tendencias macroeconómicas y tecnologías emergentes.
