Recursive presenta Flint, un modelo de codificación portátil creado mayormente por IA

Recursive, una startup de inteligencia artificial fundada el año pasado, comenzó a dar pasos significativos al lanzar Flint, un modelo de codificación gratuito que puede ejecutarse en una laptop y que fue desarrollado en gran parte con la ayuda de su propio sistema de investigación de IA. Este lanzamiento se produjo el pasado miércoles y representa un avance en el campo de la IA que busca mejorar sus propios procesos.

El sistema automatizado de investigación de Recursive, conocido como la Eureka Machine, colaboró en casi todos los pasos del desarrollo de Flint, permitiendo a un pequeño equipo crear el modelo desde cero en menos de cuatro meses. Flint se presenta como una prueba pública temprana de la auto-mejora recursiva: la idea de que la IA puede construir mejores versiones de sí misma, un concepto que genera tanto interés como preocupación en la comunidad científica.

Hasta el momento, el uso de Flint no implica los costos asociados a los servicios de IA en la nube, ya que el modelo funciona en la computadora del usuario, lo que permite mantener el código privado y evitar las tarifas de uso que se cobran en función de la cantidad de texto procesado. Flint está disponible para su descarga gratuita en Hugging Face, un popular sitio para compartir modelos de IA, bajo la licencia Apache 2.0, que permite su uso y modificación sin costo.

Flint es un modelo de mezcla de expertos, lo que significa que utiliza solo una pequeña parte de su capacidad para cada tarea específica: solo 2.5 mil millones de sus 40 mil millones de parámetros a la vez. Esto lo hace lo suficientemente ligero para un laptop común y considerablemente más pequeño que otros modelos, como el Muse Spark Open de Meta, que utiliza 816 mil millones de parámetros y requiere al menos un terabyte de memoria.

En pruebas realizadas por Recursive, Flint demostró ser rápido, generando aproximadamente 131 tokens por segundo en una MacBook Pro con el chip M4 Pro de Apple, el doble de lo que lograron otros modelos similares en la misma máquina. En la tarjeta gráfica RTX Spark de Nvidia, Flint superó los 150 tokens por segundo.

En la plataforma SWE-Bench Verified, que mide la capacidad de la IA para corregir errores de software en el mundo real, Flint superó a otros modelos con menos de 50 mil millones de parámetros. En promedio, solo un modelo, el Qwen3.8 27B de Alibaba, tuvo un mejor rendimiento que Flint.

Si bien Recursive reconoció que Flint necesita más orientación que los asistentes de codificación pagos más grandes, sugirió dividir tareas grandes en pasos más pequeños para facilitar su manejo. Las primeras críticas han sido positivas; por ejemplo, el periodista Will Knight de Wired utilizó Flint en una Mac con 48GB de memoria para construir varias pequeñas aplicaciones, encontrando que Flint cumplió con sus solicitudes de codificación en cada ocasión.

La Eureka Machine se encarga de generar ideas, ejecutar experimentos y usar los resultados para determinar los próximos pasos. Según el video de lanzamiento de la empresa, este sistema contribuyó a casi todas las etapas de la creación de Flint, desde el preentrenamiento hasta el post-entrenamiento y la inferencia.

La compañía no reveló cuánto tiempo ahorró la Eureka Machine a sus investigadores, pero no es la única que utiliza IA para realizar investigaciones. OpenAI mencionó que sus agentes de IA estaban registrando 3.1 días de trabajo por cada día trabajado por un investigador humano.

Si el enfoque de Recursive resulta exitoso, se espera que cada nuevo modelo pueda manejar tareas más largas sin intervención humana. La empresa había anunciado previamente que su acuerdo de cómputo de 410 millones de dólares con Amazon Web Services en junio se centraba más en la cantidad de agentes que en la de empleados.

El objetivo a largo plazo, según Richard Socher, CEO de Recursive, es que la Eureka Machine logre una auto-mejora recursiva completa, con humanos supervisando el proceso y la capacidad de detenerlo si algo sale mal. La empresa afirma que cada nuevo modelo debería hacer de la Eureka Machine un mejor investigador, ayudándole a construir el siguiente modelo más rápidamente.

Temas