Recursive, une startup d'IA fondée l'année dernière, commence à mériter son nom. L'entreprise, qui tente de construire une IA capable de s'améliorer elle-même, a publié son premier modèle, Flint, mercredi. Flint est un modèle de codage gratuit qui peut fonctionner sur un ordinateur portable et qui a été construit en grande partie avec l'aide de l'IA.
Le système de recherche automatisé de Recursive, qu'elle appelle la Eureka Machine, a contribué à presque toutes les étapes du développement de Flint, selon l'entreprise. Cela a permis à une petite équipe de construire le modèle de zéro en moins de quatre mois.
Flint est un premier test public d'auto-amélioration récursive : l'idée que l'IA peut construire une meilleure IA, qui à son tour construit une IA encore meilleure. C'est aussi l'une des idées les plus débattues du secteur. Certains chercheurs craignent qu'une IA s'améliorant elle-même ne puisse échapper au contrôle humain. Pour l'instant, la version de Recursive est plus limitée : un assistant de recherche en IA supervisé par des humains, qui a produit un modèle assez petit pour un ordinateur portable.
L'entreprise est sortie de la furtivité en mai avec 650 millions de dollars de financement pour une valorisation de 4,65 milliards de dollars, auprès d'investisseurs dont GV, Nvidia et AMD Ventures. Recursive est dirigée par le PDG Richard Socher, ancien scientifique en chef de Salesforce.
Comme Flint fonctionne sur l'ordinateur de l'utilisateur plutôt que sur les serveurs cloud d'une entreprise, les développeurs peuvent l'utiliser hors ligne, garder leur code privé et éviter les frais d'utilisation que les services cloud d'IA facturent en fonction de la quantité de texte que le modèle traite. Le modèle est téléchargeable gratuitement sur Hugging Face, le site populaire de partage de modèles d'IA, sous la licence Apache 2.0, une licence open source qui permet une utilisation et une modification libres.
Flint est un modèle de type mixture-of-experts, ce qui signifie qu'il n'utilise qu'une petite portion de lui-même pour une tâche donnée : seulement 2,5 milliards de ses 40 milliards de réglages, appelés paramètres, à la fois. Cela le rend assez léger pour un ordinateur portable ordinaire et bien plus petit que Muse Spark Opende Meta, un modèle ouvert conçu pour les Mac, publié la semaine dernière. Muse Spark Open utilise 816 milliards de paramètres et nécessite au moins un téraoctet de mémoire.
Flint est également rapide. Lors des tests de Recursive, il a généré environ 131 tokens (morceaux de texte) par seconde sur un MacBook Pro équipé de la puce M4 Pro d'Apple — soit environ deux fois les 58 à 69 tokens par seconde que des modèles similaires ont atteints sur la même machine, notamment Gemma 4 de Google et Nemotron 3.5 Lightning de Nvidia. Sur le RTX Spark de Nvidia, Flint a dépassé 150 tokens par seconde.
Sur SWE-Bench Verified, un benchmark qui mesure la capacité de l'IA à corriger des bugs logiciels réels, Flint a surpassé les autres modèles de moins de 50 milliards de paramètres. Sur la moyenne propre de Recursive sur six tests, un seul modèle, le Qwen3.8 27B d'Alibaba, a obtenu un score supérieur à Flint.
L'entreprise a reconnu que Flint aurait besoin de plus de conseils que les grands assistants de codage payants, et a suggéré de diviser les tâches importantes en étapes plus petites. Néanmoins, les premières critiques étaient positives. Will Knight de Wired a utilisé Flint sur un Mac avec 48 Go de mémoire pour créer plusieurs petits programmes, dont une application de liste de tâches et un outil qui parcourt le web pour la recherche. Il a constaté que les petits modèles de codage rencontraient souvent des erreurs ou étaient lents par rapport à Claude ou Codex, mais Flint a satisfait toutes ses demandes de codage à chaque fois.
La Eureka Machine propose des idées, mène des expériences et utilise les résultats pour décider quoi essayer ensuite. Selon la vidéo de lancementde l'entreprise, elle a contribué à presque toutes les parties de la construction de Flint, du pré-entraînement au post-entraînement et à l'inférence.
Recursive a indiqué que les contributions d'Eureka incluent une architecture de modèle plus creuse, un entraînement à bas nombre de bits qui a réduit Flint de 71 % avec presque aucune perte de qualité, et des kernels personnalisés, des programmes spécialisés qui accélèrent les calculs sous-jacents.
Recursive n'a pas dit combien de temps la Eureka Machine a fait gagner à ses chercheurs, mais elle n'est pas la seule à s'appuyer sur l'IA pour la recherche. OpenAI a déclaré le mois dernier qu'à la mi-août, ses agents d'IA accomplissaient 3,1 jours de travail pour chaque jour travaillé par un chercheur humain.
Si le pari de Recursive se réalise, chaque nouveau modèle devrait être capable d'accomplir des périodes de travail plus longues sans aide humaine. L'entreprise avait précédemment déclaré à TechCrunch que son accord de calcul de 410 millions de dollars avec Amazon Web Services en juin visait « moins le nombre d'employés que le nombre d'agents ».
L'objectif à plus long terme, a déclaré Socher à Wired, est que la Eureka Machine parvienne à une complète auto-amélioration récursive, les humains supervisant le processus et pouvant l'arrêter si quelque chose tourne mal. Recursive affirme que chaque nouveau modèle devrait faire de la Eureka Machine un meilleur chercheur, l'aidant à construire le suivant plus rapidement.