Recursive, la start-up de l'IA auto-améliorante dirigée par Richard Socher, ancien scientifique en chef de Salesforce, présente son premier modèle. Baptisé Flint et publié le 21 octobre 2026, il vise la programmation directement sur l'ordinateur portable ou la station de travail du développeur. Ses poids sont disponibles sur Hugging Face sous licence Apache 2.0. L'entreprise y voit un test grandeur nature de son Eureka Machine, un système de recherche automatisée qui aurait participé à presque toutes les étapes de la conception.
Flint repose sur une architecture mixture-of-experts d'environ 40 milliards de paramètres au total (39,8 milliards selon la fiche technique), dont quelque 2,5 milliards sont mobilisés à chaque token. La fiche décrit 49 couches, majoritairement composées d'experts, avec 256 experts routés, dont six retenus par token, et un expert partagé toujours actif. Recursive affirme avoir entraîné le modèle à partir de zéro, en passant par le préentraînement, un entraînement intermédiaire, l'affinage supervisé et l'apprentissage par renforcement, le tout en moins de quatre mois grâce à une petite équipe d'humains et d'agents. Flint traite le texte, le raisonnement et les appels d'outils sur plusieurs tours ; l'entreprise conseille de ne pas dépasser 256 000 tokens de contexte.
Les performances annoncées émanent de Recursive elle-même. Selon la start-up, Flint domine les modèles mixture-of-experts de moins de 50 milliards de paramètres sur les tests de programmation agentique, avec 54,9 % sur Terminal-Bench 2.1, 89,7 % sur SWE-bench Pro v2 et 74,2 % sur SWE-bench Verified, et rivalise avec des modèles denses de 25 à 40 milliards de paramètres tout en étant plus de cinq fois plus rapide. TechCrunch relève que, sur la moyenne de six tests établie par Recursive, seul Qwen3.8 27B d'Alibaba fait mieux. La fiche technique prévient d'ailleurs que les protocoles d'évaluation diffèrent d'un éditeur à l'autre : les comparaisons ne sont donc pas strictement équivalentes.
La vitesse constitue l'argument phare. Avec le moteur d'exécution optimisé par la société, Flint dépasse 125 tokens par seconde sur un MacBook Pro équipé d'une puce M4 Pro et 150 sur une NVIDIA RTX Spark de 64 Go, pour des contextes courts, soit jusqu'à deux fois plus vite que des modèles comparables d'après Recursive. Outre la compatibilité avec llama.cpp, Ollama, Unsloth, LM Studio, vLLM et SGLang, l'entreprise publie rec, un moteur d'inférence léger taillé pour les puces M4 Pro et M5 d'Apple.
Recursive détaille plusieurs apports concrets de l'Eureka Machine. Le système a exploré différentes configurations d'experts à partir d'une base de 35 milliards de paramètres, dont 3 milliards actifs, avant d'aboutir à la forme plus clairsemée de Flint. Après l'entraînement, il a quantifié la couche de sortie sur 4 bits, à rebours des usages, puis récupéré la précision grâce à une phase de distillation hors ligne : la version NVFP4 reste à moins de 0,7 point du modèle 16 bits sur les tests maison. Il a aussi écrit des noyaux sur mesure, dont un mégakernel Metal qui fusionne toute la passe de décodage sur les puces M4 et M5.
La presse indépendante apporte un éclairage complémentaire. Will Knight, de Wired, a testé Flint sur un Mac doté de 48 Go de mémoire et l'a trouvé rapide et fiable sur de petits projets de programmation, un terrain où les modèles de cette taille trébuchent souvent selon lui. TechCrunch et Wired rappellent que Recursive est sortie de l'ombre cette année avec 650 millions de dollars levés sur une valorisation de 4,65 milliards, auprès notamment de GV et de Nvidia. Socher a confié à Wired viser à terme une auto-amélioration récursive complète sous contrôle humain, une perspective que plusieurs propositions de loi au Congrès américain cherchent à interdire.
Plusieurs questions restent ouvertes. Recursive reconnaît que Flint demande davantage d'encadrement que les grands assistants de code hébergés et recommande de découper les tâches volumineuses en étapes plus courtes. La part réelle de l'Eureka Machine dans le développement, comme le temps de recherche économisé, n'a fait l'objet d'aucun audit externe, et la fiche technique avertit que le modèle peut produire du code défectueux ou des appels d'outils inappropriés qu'il faut relire.