Recursive выпустила Flint — ИИ-модель для кодинга, тестирующая экономику лабораторий
- Компания Recursive создала кодовую модель Flint менее чем за четыре месяца с помощью небольшой команды специалистов и ИИ-агентов.
- Flint имеет 39,8 миллиарда параметров, но активирует около 2,5 миллиарда на токен, что позволяет запускать её локально.
- Эксперимент показывает, что ИИ может сократить трудозатраты на разработку моделей, однако Recursive не раскрывает фактические затраты на создание Flint.
Recursive запустила Flint 21 октября 2026 года. Значительная часть исследований, лежащих в основе этой модели с открытым исходным кодом для программирования, проводилась при помощи ИИ. Вся модель была создана небольшой командой менее чем за четыре месяца. Вопрос в том, позволяет ли такой подход небольшим лабораториям конкурировать с крупными игроками без огромных инвестиций.
Flint использует архитектуру mixture-of-experts. Он активирует лишь небольшую часть модели за раз, что обеспечивает эффективную работу. Его карта модели указывает на 39,8 миллиарда параметров, из которых около 2,5 миллиарда активны для каждого токена. Лицензия Apache 2.0 разрешает коммерческое использование, а разработчики могут запускать Flint локально.
Что, по словам Recursive, создала машина Eureka
Recursive приписывает Eureka Machine заслугу в предложении, написании и тестировании изменений архитектуры Flint, а также программного обеспечения для обучения и вывода. Генеральный директор Ричард Сочер сообщил WIRED, что искусственный интеллект улучшил «почти каждый аспект всего конвейера создания модели».
Это является ключевой целью Recursive: она стремится к тому, чтобы системы ИИ помогали создавать более совершенные преемники. Сохран утверждает, что люди все еще могут остановить процесс исследований.
Бенчмарки от компании и практический обзор от WIRED
Согласно тестам, проведенным Recursive, Flint превзошел другие модели с архитектурой mixture-of-experts, имеющие менее 50 миллиардов параметров, по результатам SWE-Bench Pro v2, Terminal-Bench 2.1 и SWE-Bench Verified. Компания также сообщила о скорости более 125 токенов в секунду на MacBook Pro с чипом M4 Pro и 150 токенов в секунду на NVIDIA RTX Spark при коротких контекстах.
Важный момент: это данные самой компании. Независимая оценка пока ограничена. Уильям Найт из WIRED лично протестировал Flint и обнаружил, что он довольно компетентен — даже способен создать небольшой веб-сайт. Однако успешное выполнение задач по программированию не всегда указывает на то, как модель соотносится с другими.
OpenHands провел тесты Flint до его запуска и предоставил разработчикам доступ к нему в день релиза. Хотя это свидетельствует о способности Flint выполнять реальные задачи по программированию, OpenHands не проводил независимую оценку заявлений Recursive относительно их бенчмарков.
Вопрос на $410 миллионов о дешевом ИИ
Создание модели, требующей меньше людей, не гарантирует её дешевизну. Компания Recursive не раскрывает стоимость разработки Flint.
28 июля 2026 года компания заключила сделку с AWS на сумму 410 млн долларов. Ранее она привлекла 650 млн долларов. Ни одна из этих сумм не отражает затраты на создание самой модели Flint.
Исследования Epoch AI объясняют, почему расходы остаются высокими. Завершающие этапы обучения составили 9,6% расходов OpenAI на вычислительные ресурсы для исследований в 2024 году. Большая часть финансирования была распределена на другие исследовательские задачи.
ИИ-агенты могут взять на себя часть задач, ранее выполнявшихся исследователями. Однако проведение экспериментов и проверка новых идей по-прежнему требуют значительных вычислительных мощностей.
Открытые веса, локальное оборудование и глобальная конкуренция
Тем временем использование ИИ становится значительно дешевле. По оценкам Epoch AI, стоимость достижения сопоставимой производительности снижалась примерно на 47% каждый квартал с 2023 года.
22 сентября 2026 года OpenAI представила GPT-6 Sol и Luna по ценам как минимум на 50% ниже, чем у их предшественников, как сообщило издание Cryptopolitan.
Flint никак не связан с этими изменениями цен. Тем не менее, он предлагает разработчикам ещё одну опцию: модель для написания кода, которую можно запускать на собственном оборудовании без зависимости от платных облачных сервисов.
Преимущества могут выйти за рамки устоявшихся рынков ИИ. В отчете Stanford’s 2026 AI Index отмечается, что разработка открытых решений помогает большему числу стран участвовать в инновациях в области ИИ.
Пока что Flint демонстрирует, чего может добиться небольшая команда благодаря ИИ-ассистированным исследованиям. Остаётся открытым вопрос, позволит ли такой же подход сделать разработку моделей доступной для небольших лабораторий.
Самые умные крипто-энтузиасты уже читают нашу рассылку. Хотите присоединиться? Присоединяйтесь.
Часто задаваемые вопросы
Что такое Recursive Flint и как его запустить?
Flint — это mixture-of-experts (смесь экспертов) модель для программирования с примерно 40 миллиардами общих параметров и около 2,5 миллиардов активных параметров на токен. Она выпущена под лицензией Apache 2.0 на платформе Hugging Face. По словам Recursive, она работает на локальном оборудовании, таком как Apple Silicon и NVIDIA RTX, и совместима с инструментами llama.cpp, Ollama, LM Studio и vLLM.
Как удалось так быстро создать Flint?
По словам компании и WIRED, небольшая команда Recursive использовала свою автоматизированную исследовательскую систему «Eureka Machine» для обработки большей части конвейера разработки модели — от архитектуры и обучения до квантования и являющихся инференса, что позволило создать Flint менее чем за четыре месяца.
Доказывает ли Flint, что ИИ может создавать ИИ дёшево?
Не совсем. Recursive не раскрывает стоимость разработки Flint, а также располагает многолетним соглашением с AWS на вычислительные мощности стоимостью 410 млн долларов и привлечённым финансированием в размере 650 млн долларов. В то же время исследования Epoch AI показывают, что большая часть вычислительных ресурсов, затрачиваемых на НИОКР в области ИИ, уходит на исследовательские эксперименты, а не на финальный этап обучения.
Мика Абийоун
Мика Абьодун успешно применяет свои знания в области экологического инжиниринга и управления (MSc), полученные в Технологическом университете Таллинна (TalTech), для создания качественного контента и новостей о прогнозах цен в Cryptopolitan. Находясь в крипто-медиа сфере уже 7 лет, он освещает основные криптовалюты, альткоины, DeFi, стейблкоины, макроэкономические тренды и новые технологии.
