Recursive는 작년에 설립된 AI 스타트업으로, 이제 그 이름에 걸맞은 행보를 시작하고 있다. 스스로 향상될 수 있는 AI를 만드는 것을 목표로 하는 이 회사는 수요일 첫 모델인 Flint를 공개했다. Flint는 노트북에서 실행할 수 있으며 AI의 도움을 크게 받아 개발된 무료 코딩 모델이다.
Recursive는 Eureka Machine이라 부르는 자동화 연구 시스템이 Flint 개발의 거의 모든 단계를 도왔다고 밝혔다. 덕분에 소규모 팀이 4개월도 채 되지 않아 모델을 처음부터 구축할 수 있었다.
Flint는 재귀적 자기 개선의 초기 공개 테스트다. 재귀적 자기 개선이란 AI가 더 나은 AI를 만들고, 그 AI가 다시 더 나은 AI를 만든다는 개념이다. 이는 업계에서 가장 논쟁적인 아이디어 중 하나이기도 하다. 일부 연구자들은 AI가 스스로 향상되는 것이 인간의 통제를 벗어날 수 있다고 우려한다. 현재로서는 Recursive의 버전이 더 제한적이다. 사람이 감독하는 AI 연구 조수로서, 노트북에 들어갈 만큼 작은 모델을 만들어낸 것이다.
이 회사는 5월에 650 million 달러의 자금을 4.65십억 달러의 기업가치로, GV, Nvidia, AMD Ventures 등 투자자들로부터 투자를 받았습니다. Recursive는 Salesforce의 전 최고 과학자인 리처드 소처(Richard Socher) CEO가 이끌고 있습니다.
Flint는 회사의 클라우드 서버가 아닌 사용자 자신의 컴퓨터에서 실행되기 때문에, 개발자는 오프라인으로 사용하고 코드를 비공개로 유지할 수 있으며, 모델이 처리하는 텍스트 양에 따라 AI 클라우드 서비스가 부과하는 사용료 를 피할 수 있다. 이 모델은 AI 모델 공유 사이트로 유명한 Hugging Face에서 무료 다운로드가 가능하며, 자유로운 사용과 수정을 허용하는 오픈소스 라이선스인 Apache 2.0 라이선스로 제공된다.
Flint는 mixture-of-experts 모델로, 주어진 작업에 자기 자신의 일부만 사용한다. 즉, 한 번에 400억 개의 파라미터(설정값) 중 25억 개만 사용한다. 덕분에 일반 노트북에서도 가볍게 실행할 수 있으며, Meta의 Muse Spark Open보다 훨씬 작다. Muse Spark Open은 지난주 공개된 Mac용 오픈 모델로, 8,160억 개의 파라미터를 사용하며 최소 1테라바이트의 메모리가 필요하다.
Flint는 또한 빠르다. Recursive의 테스트에서 Apple의 M4 Pro 칩을 탑재한 MacBook Pro에서 초당 약 131개의 토큰(텍스트 덩어리)을 생성했으며, 이는 같은 기기에서 Google의 Gemma 4와 Nvidia의 Nemotron 3.5 Lightning을 포함한 유사 모델들이 낸 초당 58~69개 토큰의 약 두 배 수준이다. Nvidia의 RTX Spark에서는 Flint가 초당 150개 토큰을 넘어섰다.
AI가 실제 소프트웨어 버그를 얼마나 잘 수정하는지 측정하는 벤치마크인 SWE-Bench Verified에서 Flint는 500억 개 미만의 파라미터를 가진 다른 모델들을 능가했다. Recursive의 6개 테스트 평균에서 Flint보다 높은 점수를 받은 모델은 Alibaba의 Qwen3.8 27B 단 하나뿐이었다.
회사는 Flint가 대형 유료 코딩 어시스턴트보다 더 많은 지도가 필요하다는 점을 인정하며, 큰 작업을 더 작은 단계로 나누라고 조언했다. 그럼에도 초기 평가는 긍정적이었다. Wired의 Will Knight 는 48GB 메모리를 갖춘 Mac에서 Flint를 사용해 할 일 목록 앱과 웹에서 자료를 찾아주는 도구를 포함한 여러 소규모 프로그램을 만들었다. 그는 작은 코딩 모델들이 Claude나 Codex에 비해 오류가 나거나 느린 경우가 많았지만, Flint는 그의 코딩 요청을 매번 완벽하게 처리했다고 밝혔다.
Eureka Machine은 아이디어를 내고, 실험을 수행하고, 그 결과를 활용해 다음에 시도할 것을 결정한다. 회사의 출시 영상에 따르면, 이 시스템은 사전 학습부터 사후 학습, 추론에 이르기까지 Flint 구축의 거의 모든 부분에 기여했다.
Recursive에 따르면 Eureka의 기여에는 더 희소한 모델 구조, 품질 손실이 거의 없이 Flint를 71% 축소한 저비트 학습, 그리고 기저 연산을 가속화하는 특화 프로그램인 커스텀 커널이 포함된다.
Recursive는 Eureka Machine이 연구자들의 시간을 얼마나 절약해 주었는지는 밝히지 않았지만, 연구에 AI를 활용하는 것은 이 회사만이 아니다. OpenAI는 지난달 8월 중순까지 자사 AI 에이전트가 인간 연구자 1명의 하루 작업량당 3.1작업일을 처리하고 있다고 밝혔다.
Recursive의 베팅이 성공한다면, 새로운 모델이 나올 때마다 인간의 도움 없이 더 긴 작업 구간을 처리할 수 있게 될 것이다. 이 회사는 이전에 TechCrunch에 밝힌 바 있다 6월에 Amazon Web Services와 체결한 410백만 달러 규모의 컴퓨팅 계약이 “직원 수보다는 에이전트 수에 관한 것”이라고 밝혔습니다.
Socher가 Wired에 말하길, 더 장기적인 목표는 인간이 과정을 감독하고 문제가 생기면 중단할 수 있으면서 Eureka Machine이 완전한 재귀적 자기 개선을 달성하는 것입니다. 재귀적으로, 각 새로운 모델은 Eureka Machine을 더 뛰어난 연구자로 만들어 다음 모델을 더 빠르게 구축하도록 돕습니다.