Recursive, ein KI-Startup, das im letzten Jahr gegründet wurde, beginnt, seinem Namen gerecht zu werden. Das Unternehmen, das daran arbeitet, eine sich selbst verbessernde KI zu entwickeln, hat am Mittwoch sein erstes Modell veröffentlicht: Flint. Flint ist ein kostenloses Coding-Modell, das auf einem Laptop laufen kann und weitgehend mit Hilfe von KI entwickelt wurde.
Recursives automatisiertes Forschungssystem, das das Unternehmen die Eureka Machine nennt, unterstützte laut dem Unternehmen nahezu jeden Schritt der Entwicklung von Flint. So konnte ein kleines Team das Modell in weniger als vier Monaten von Grund auf entwickeln.
Flint ist ein früher öffentlicher Test rekursiver Selbstverbesserung: der Idee, dass KI bessere KI bauen kann, die wiederum noch bessere KI baut. Es ist auch eine der am heftigsten diskutierten Ideen der Branche. Manche Forscher befürchten, dass eine sich selbst verbessernde KI außerhalb der menschlichen Kontrolle geraten könnte. Für den Moment ist Recursives Version begrenzter: ein KI-Forschungsassistent unter menschlicher Aufsicht, der ein Modell hervorgebracht hat, das klein genug für einen Laptop ist.
Das Unternehmen kam im Mai aus der Stealth-Phase hervor mit 650 Millionen Dollar an Finanzierung bei einer Bewertung von 4,65 Milliarden Dollar, von Investoren darunter GV, Nvidia und AMD Ventures. Recursive wird von CEO Richard Socher geleitet, dem ehemaligen Chief Scientist von Salesforce.
Da Flint auf dem eigenen Computer des Nutzers läuft statt auf den Cloud-Servern eines Unternehmens, können Entwickler es offline nutzen, ihren Code privat halten und die Nutzungsgebühren vermeiden, die KI-Cloud-Dienste auf Basis der vom Modell verarbeiteten Textmenge berechnen. Das Modell ist kostenlos auf Hugging Face, der beliebten Plattform zum Teilen von KI-Modellen, unter der Apache-2.0-Lizenz verfügbar – einer Open-Source-Lizenz, die freie Nutzung und Modifikation erlaubt.
Flint ist ein Mixture-of-Experts-Modell, was bedeutet, dass es für jede gegebene Aufgabe nur einen kleinen Teil von sich selbst nutzt: jeweils nur 2,5 Milliarden seiner 40 Milliarden Einstellungen, die als Parameter bekannt sind. Das macht es leicht genug für einen gewöhnlichen Laptop und deutlich kleiner als Metas Muse Spark Open, ein offenes Modell für Macs, das letzte Woche veröffentlicht wurde. Muse Spark Open verwendet 816 Milliarden Parameter und benötigt mindestens ein Terabyte Speicher.
Flint ist auch schnell. In Recursives Tests erzeugte es etwa 131 Tokens (Textabschnitte) pro Sekunde auf einem MacBook Pro mit Apples M4 Pro Chip – ungefähr doppelt so viel wie die 58 bis 69 Tokens pro Sekunde, die ähnliche Modelle auf derselben Maschine erreichten, darunter Googles Gemma 4 und Nvidias Nemotron 3.5 Lightning. Auf Nvidias RTX Spark knackte Flint die Marke von 150 Tokens pro Sekunde.
Auf SWE-Bench Verified, einem Benchmark, der misst, wie gut KI echte Softwarefehler beheben kann, übertraf Flint andere Modelle unter 50 Milliarden Parametern. Bei Recursives eigenem Durchschnitt über sechs Tests erzielte nur ein Modell, Alibabas Qwen3.8 27B, eine höhere Punktzahl als Flint.
Das Unternehmen räumte ein, dass Flint mehr Anleitung benötigen würde als die großen bezahlten Coding-Assistenten, und empfahl, große Aufgaben in kleinere Schritte aufzuteilen. Dennoch fielen die ersten Bewertungen positiv aus. Wireds Will Knight nutzte Flint auf einem Mac mit 48 GB Speicher, um mehrere kleine Programme zu entwickeln, darunter eine To-do-Listen-App und ein Tool, das das Web nach Forschungsergebnissen durchsucht. Er stellte fest, dass kleinere Coding-Modelle im Vergleich zu Claude oder Codex oft auf Fehler stießen oder langsam waren, aber Flint meisterte seine Coding-Anfragen jedes Mal.
Die Eureka Machine entwickelt Ideen, führt Experimente durch und nutzt die Ergebnisse, um zu entscheiden, was als Nächstes ausprobiert werden soll. Laut dem Launch-Videodes Unternehmens trug sie zu nahezu jedem Teil der Entwicklung von Flint bei, vom Pre-Training über das Post-Training bis zur Inferenz.
Recursive erklärte, dass Eurekas Beiträge eine dünnere Modellstruktur umfassen, ein Low-Bit-Training, das Flint um 71 % verkleinerte mit kaum Qualitätseinbußen, sowie speziell angefertigte Kernels – spezialisierte Programme, die die zugrunde liegenden Berechnungen beschleunigen.
Recursive sagte nicht, wie viel Zeit die Eureka Machine seinen Forschern ersparte, aber das Unternehmen ist nicht allein damit, sich bei der Forschung auf KI zu stützen. OpenAI erklärte im letzten Monat , dass seine KI-Agenten bis Mitte August 3,1 Arbeitstage für jeden Arbeitstag eines menschlichen Forschers leisteten.
Wenn Recursives Wette aufgeht, sollte jedes neue Modell längere Arbeitsabschnitte ohne menschliche Hilfe übernehmen können. Das Unternehmen hatte TechCrunch zuvor erzählt dass ihr Compute-Deal über 410 Millionen US-Dollar mit Amazon Web Services im Juni „weniger mit Personal und mehr mit der Anzahl der Agenten zu tun hatte.“
Das langfristigere Ziel, so Socher gegenüber Wired, sei, dass die Eureka Machine eine vollständige rekursive Selbstverbesserung erreicht, wobei Menschen den Prozess überwachen und ihn stoppen können, falls etwas schiefgeht. Rekursiv bedeutet, dass jedes neue Modell die Eureka Machine zu einem besseren Forscher machen soll, was ihr hilft, das nächste Modell schneller zu entwickeln.