Recursive, büyük ölçüde yapay zekâyla geliştirilen, ücretsiz ve laptoplarda çalışan Flint kodlama modelini duyurdu

Recursive'ın ilk modeli geliyor

Yapay zekâ girişimi Recursive ilk modeli Flint'i yayımladı: sıradan bir laptop üzerinde çalışmak üzere tasarlanmış, ücretsiz ve açık kaynaklı bir kodlama asistanı. Bu lansman yalnızca modelin kendisiyle değil, nasıl yapıldığıyla da dikkat çekiyor. TechCrunch'ın aktardığına göre Recursive, otomatik araştırma sistemi Eureka Machine'in yapım sürecinin neredeyse her aşamasına katkı sunduğunu ve küçük bir ekibin modeli dört ayın altında bir sürede sıfırdan geliştirmesini sağladığını belirtiyor.

Geçen yıl kurulan ve Salesforce'un eski baş bilim insanı Richard Socher liderliğindeki Recursive, Mayıs ayında GV, Nvidia ve AMD Ventures'ın desteğiyle 4,65 milyar dolarlık bir değerleme üzerinden 650 milyon dolarlık fonla gizlilikten çıktı.

Laptop'a sığacak kadar küçük

Flint bir mixture-of-experts modeli: 40 milyar parametresinin herhangi bir görevde yalnızca 2,5 milyarı aktif oluyor. Bu tasarım onu laptop donanımı için yeterince hafif tutuyor. TechCrunch, modeli Meta'nın Flint'ten bir hafta önce yayımladığı, 816 milyar parametreli ve en az bir terabayt bellek gerektiren açık kaynaklı modeli Muse Spark Open ile karşılaştırıyor.

Şirketlerin bulut sunucularında değil yerel olarak çalıştığı için geliştiriciler Flint'i çevrimdışı kullanabiliyor, kodlarını özel tutabiliyor ve bulut yapay zekâ hizmetlerinin ücretli kullanım maliyetlerinden kaçınabiliyor. Model, Hugging Face üzerinden ücretsiz kullanım ve değiştirmeye izin veren Apache 2.0 lisansıyla indirilebilir.

Hız ve benchmark sonuçları

Recursive'ın kendi testlerinde Flint, Apple'ın M4 Pro çipli MacBook Pro'da saniyede yaklaşık 131 token üretti — bu, Google'ın Gemma 4 ve Nvidia'nın Nemotron 3.5 Lightning gibi benzer modellerin aynı makinede ulaştığı saniyede 58 ila 69 tokenin kabaca iki katı. Nvidia'nın RTX Spark üzerinde ise çıkış hızı saniyede 150 tokeni geçti.

Yapay zekânın gerçek dünya yazılım hatalarını ne kadar iyi düzelttiğini ölçen SWE-Bench Verified benchmarkında Flint, 50 milyar parametrenin altındaki diğer modelleri geride bıraktı. Recursive'ın derlediği altı testin ortalamasında yalnızca Alibaba'nın Qwen3.8 27B'si daha yüksek puan aldı.

Recursive, Flint'in büyük ticari kodlama asistanlarına göre daha fazla yönlendirmeye ihtiyaç duyduğunu kabul ediyor ve büyük görevlerin daha küçük adımlara bölünmesini öneriyor. İlk tepkiler yine de olumluydu. Wired yazarı Will Knight, 48 GB belleğe sahip bir Mac'te Flint'i test ederek yapılacaklar listesi uygulaması ve web'de araştırma yapan bir arama aracı dahil birkaç küçük program geliştirdi. Diğer küçük kodlama modellerinin sık sık hataya düştüğünü ya da Claude veya Codex'in gerisinde kaldığını, ancak Flint'in her seferinde taleplerini başarıyla yerine getirdiğini gözlemledi.

Yapay zekâ üretmeye yardım eden yapay zekâ

Eureka Machine araştırma fikirleri üretiyor, deneyler yürütüyor ve sonuçları kullanarak bundan sonra neyi deneyeceğine karar veriyor. Recursive'ın lansman videosuna göre sistem, pre-training'den post-training ve inference'a kadar tüm süreçte yer aldı. Somut katkıları arasında daha seyrek bir model yapısı, kalitede neredeyse hiç kayıp olmadan Flint'in boyutunu yüzde 71 küçülten low-bit eğitim ve temeldeki hesaplamaları hızlandıran özel kernel'ler bulunuyor.

Recursive bunun araştırmacılardan ne kadar zaman kazandırdığını söylemedi, ancak araştırmada yapay zekâya yaslanan tek şirket değil. TechCrunch, OpenAI'nin geçen ay, Ağustos ortası itibarıyla yapay zekâ ajanlarının insan bir araştırmacının çalıştığı her iş günü için 3,1 iş günü kaydettiğini açıkladığını not ediyor.

Neden önemli

Flint, özyinelemeli kendini geliştirmenin — yapay zekânın daha iyi yapay zekâ inşa edebildiği, onun da yine daha iyisini inşa edebildiği fikrinin — erken ve kamuya açık bir sınaması. Bazı araştırmacılar, kendini geliştiren sistemlerin insan kontrolünden çıkabileceğinden endişe ediyor. Recursive'ın mevcut sürümü bilinçli olarak dar kapsamlı: otonom bir sistem değil, insan gözetimindeki ve laptop boyutunda bir model üreten bir araştırma asistanı.

Bu bahşe karşılık gelirse, her yeni model insan yardımı olmadan daha uzun iş bölümlerini üstlenmeli. Şirketin Haziran'da Amazon Web Services ile yaptığı ve TechCrunch'a "personel sayısından çok ajan sayısıyla ilgili" olarak nitelendirilen 410 milyon dolarlık işlem anlaşması, bu işin nereden geleceğini beklediğini gösteriyor. Socher, Wired'a uzun vadeli hedefin insanların süreci denetlediği ve durdurabildiği tam özyinelemeli kendini geliştirme olduğunu — ve teoride her yeni modelin Eureka Machine'i bir sonraki için daha iyi bir araştırmacı hâline getirdiğini söyledi.