Как пишет TechCrunch, стартап Recursive, основанный в прошлом году, начинает оправдывать свое название. В среду компания представила свою первую модель Flint — бесплатную модель кодирования, которая может работать на ноутбуке и была в значительной степени создана с помощью ИИ. Автоматизированная исследовательская система компании, названная Eureka Machine, помогла на почти каждом этапе разработки Flint, что позволило небольшой команде создать модель с нуля менее чем за четыре месяца. Flint является ранним публичным тестом рекурсивного самоулучшения — идеи о том, что ИИ может создавать лучший ИИ, который, в свою очередь, создает еще более совершенный ИИ. Это также одна из самых обсуждаемых идей в отрасли. Некоторые исследователи опасаются, что ИИ, улучшающий себя, может выйти из-под контроля человека. На данный момент версия Recursive более ограничена: это исследовательский помощник ИИ, контролируемый людьми, который создал модель, достаточно малую для ноутбука. Компания вышла из режима скрытого существования в мае с финансированием в 650 миллионов долларов при оценке в 4,65 миллиарда долларов от таких инвесторов, как GV, Nvidia и AMD Ventures. Recursive возглавляет генеральный директор Ричард Сочер, бывший главный ученый Salesforce. Поскольку Flint работает на компьютере пользователя, а не на облачных серверах компании, разработчики могут использовать его офлайн, сохранять свой код в частном доступе и избегать сборов за использование облачных услуг ИИ, которые зависят от объема обрабатываемого текста. Модель доступна для бесплатной загрузки на Hugging Face, популярном сайте для обмена моделями ИИ, под лицензией Apache 2.0, открытой лицензией, позволяющей бесплатное использование и модификацию. Flint является моделью с миксом экспертов, что означает, что для выполнения конкретной задачи используется лишь небольшая часть его возможностей: всего 2,5 миллиарда из 40 миллиардов параметров одновременно. Это делает его достаточно легким для обычного ноутбука и значительно меньше, чем модель Muse Spark Open от Meta, выпущенная на прошлой неделе, которая использует 816 миллиардов параметров и требует как минимум терабайт памяти. Flint также быстр. В тестах Recursive он генерировал около 131 токена (частей текста) в секунду на MacBook Pro с чипом M4 Pro от Apple — примерно вдвое быстрее, чем 58-69 токенов в секунду, которые смогли сгенерировать аналогичные модели на той же машине, включая Gemma 4 от Google и Nemotron 3.5 Lightning от Nvidia. На RTX Spark от Nvidia Flint достиг более 150 токенов в секунду. В тесте SWE-Bench Verified, который измеряет, как хорошо ИИ может исправлять реальные программные ошибки, Flint показал лучшие результаты среди других моделей с менее чем 50 миллиардами параметров. По средним показателям Recursive в шести тестах только одна модель, Qwen3.8 27B от Alibaba, набрала больше баллов, чем Flint. Компания признала, что Flint нуждается в большем руководстве, чем крупные платные помощники по кодированию, и предложила разбивать большие задачи на более мелкие этапы. Тем не менее, первые отзывы были положительными. Уилл Найт из Wired использовал Flint на Mac с 48 ГБ памяти для создания нескольких небольших программ, включая приложение для списка дел и инструмент для поиска исследований в интернете. Он отметил, что меньшие модели кодирования часто сталкиваются с ошибками или работают медленно по сравнению с Claude или Codex, но Flint успешно справлялся с его запросами каждый раз. Eureka Machine генерирует идеи, проводит эксперименты и использует результаты для определения дальнейших шагов. Согласно видео, представленному компанией, она внесла вклад в почти каждую часть создания Flint, от предварительного обучения до постобучения и вывода. Recursive сообщила, что вклад Eureka включает более редкую модель, низкобитное обучение, которое сократило Flint на 71% с почти нулевыми потерями в качестве, и специальные ядра, которые ускоряют основные вычисления. Recursive не уточнила, сколько времени Eureka Machine сэкономила для своих исследователей, но она не одна, полагаясь на ИИ для проведения исследований. OpenAI сообщила в прошлом месяце, что к середине августа ее ИИ-агенты регистрировали 3,1 рабочего дня на каждого рабочего дня, проведенного человеком-исследователем. Если ставка Recursive оправдается, каждая новая модель должна будет справляться с более длительными задачами без помощи человека. Компания ранее сообщала TechCrunch, что ее сделка на 410 миллионов долларов с Amazon Web Services в июне была «больше о количестве агентов, чем о количестве сотрудников». Долгосрочная цель, как сказал Сочер Wired, заключается в том, чтобы Eureka Machine достигла полного рекурсивного самоулучшения, при этом люди контролируют процесс и могут остановить его, если что-то пойдет не так. Recursive утверждает, что каждая новая модель должна сделать Eureka Machine лучшим исследователем, помогая ей быстрее создавать следующую модель. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.