Im Quellenvergleich
Worin die Quellen übereinstimmen
Das Start-up Recursive hat mit Flint ein offenes KI-Modell zum Programmieren veröffentlicht. Laut CEO Richard Socher entstand fast der gesamte Entwicklungsprozess mithilfe des eigenen rekursiven KI-Systems „Eureka Machine“, das neue Trainingsmethoden, Architekturen und für bestimmte Chips optimierten Code entwickelte. Flint hat 40 Milliarden Parameter und läuft auf einem Laptop. Recursive sieht Warnungen vor rekursiver Selbstverbesserung als Science-Fiction; Socher betont, Menschen könnten den Prozess stoppen. Das Unternehmen sammelte 650 Millionen Dollar bei einer Bewertung von 4,65 Milliarden Dollar ein, unter anderem von Google Ventures, Nvidia und AMD Ventures. Flint ist ein Mixture-of-Experts-Modell, bei dem pro Token 2,5 Milliarden der 40 Milliarden Parameter aktiv sind. Die Gewichte stehen auf Hugging Face unter der Apache-2.0-Lizenz frei zur Verfügung. Recursive räumt ein, dass Flint bei komplexen Aufgaben mehr Anleitung braucht als große proprietäre Coding-Modelle, und empfiehlt, umfangreiche Aufgaben in kleinere Schritte zu teilen. Die Quellen berichten weitgehend übereinstimmend.
Aktualisierungen
22.10.2026
15:08Flint ist ein Mixture-of-Experts-Modell, bei dem pro Token 2,5 Milliarden der 40 Milliarden Parameter aktiv sind.
Die Gewichte stehen auf Hugging Face unter der Apache-2.0-Lizenz frei zur Verfügung.
Recursive räumt ein, dass Flint bei komplexen Aufgaben mehr Anleitung braucht als große proprietäre Coding-Modelle, und empfiehlt, umfangreiche Aufgaben in kleinere Schritte zu teilen.
Worin sie sich unterscheidenLeistungseinordnung von Flint·Geschwindigkeit und Effizienz·Entwicklungsdauer und Teamgröße+5 weitere
Leistungseinordnung von Flint- Von Recursive geteilte Benchmark-Ergebnisse deuten darauf hin, dass Flint bei Programmieraufgaben andere Modelle ähnlicher Größe übertrifft.1
- Laut Recursive führt Flint bei Coding-Benchmarks wie SWE-Bench Pro v2 unter den MoE-Modellen mit weniger als 50 Milliarden Parametern.2
- Unabhängig bestätigt sind die Benchmark-Ergebnisse bislang nicht.2
Geschwindigkeit und Effizienz- In Tests erzeugte Flint auf einem MacBook Pro mit M4-Pro-Chip rund 131 Tokens pro Sekunde, etwa doppelt so viel wie vergleichbare Modelle auf derselben Maschine.3
- Auf einem Nvidia RTX Spark waren es über 150 Tokens pro Sekunde.3
- Auf einem MacBook Pro mit M4 Pro erzeugt Flint nach Firmenangaben mehr als 125 Token pro Sekunde.2
- Auf einem Nvidia RTX Spark mit 64 GB Speicher erzeugt Flint nach Firmenangaben mehr als 150 Token pro Sekunde.2
Entwicklungsdauer und Teamgröße- Ein kleines Team baute das Modell in unter vier Monaten von Grund auf.3
- Flint wurde innerhalb von vier Monaten entwickelt.2
Lizenz und VerfügbarkeitFlint ist auf Hugging Face unter der Apache-2.0-Lizenz frei verfügbar.32 Praktischer Test durch den Autor- Der Autor testete Flint auf einem Mac mit 48 GB RAM und baute damit mehrere Programme, darunter eine To-do-Liste für die Kommandozeile und eine Website.1
- Der Autor lobt das Modell als schnell und treffsicher.1
Kontextfenster- Flint unterstützt Kontextfenster bis 512.000 Token, Recursive empfiehlt maximal 256.000.2
Architektur- und Quantisierungsdetails- Die Eureka Machine optimierte die Architektur: Ausgehend von 35 Milliarden Gesamt- und drei Milliarden aktiven Parametern ergab sich die fertige Konfiguration mit 40 Milliarden Gesamt- und 2,5 Milliarden aktiven Parametern.2
- Bei der Quantisierung reduzierte das System die Ausgabeschicht auf vier Bit; das NVFP4-Modell liege nur 0,7 Punkte hinter der 16-Bit-Version.2
Einordnung der rekursiven Selbstverbesserung- Flint gilt als früher öffentlicher Test der „rekursiven Selbstverbesserung“ – die Idee, dass KI bessere KI baut.3
- Das Unternehmen will langfristig KI-Systeme schaffen, die ihre eigene Weiterentwicklung übernehmen; ob daraus eine sich beschleunigende Selbstverbesserung entsteht, ist offen.2
- Der frühere Deepmind-Forschungschef Oriol Vinyals hält KI-gestützte Selbstverbesserung für realistisch, eine Intelligenzexplosion aber für unwahrscheinlich.2