A Recursive, a startup de IA autoaperfeiçoável liderada por Richard Socher, antigo cientista-chefe da Salesforce, apresentou o seu primeiro modelo. O Flint, lançado a 21 de outubro de 2026, destina-se a programar no próprio portátil ou estação de trabalho do programador, e os pesos estão disponíveis no Hugging Face com licença Apache 2.0. A empresa apresenta-o como uma prova prática do Eureka Machine, o sistema de investigação automatizada que, segundo diz, participou em quase todas as fases da construção do modelo.
O Flint segue uma arquitetura mixture-of-experts com cerca de 40 mil milhões de parâmetros no total (39,8 mil milhões, segundo a ficha técnica), dos quais aproximadamente 2,5 mil milhões entram em ação a cada token. A ficha descreve 49 camadas, quase todas de especialistas, com 256 especialistas encaminhados, seis escolhidos por token, mais um especialista partilhado sempre ativo. A Recursive afirma ter treinado o modelo de raiz, passando por pré-treino, treino intermédio, afinação supervisionada e aprendizagem por reforço, e que uma pequena equipa de pessoas e agentes concluiu o trabalho em menos de quatro meses. O modelo lida com texto, raciocínio e chamadas a ferramentas em várias voltas, e a empresa aconselha a não ultrapassar 256 mil tokens de contexto.
Os números de desempenho são da própria Recursive. A empresa garante que o Flint lidera os modelos mixture-of-experts com menos de 50 mil milhões de parâmetros em testes de programação com agentes, com 54,9% no Terminal-Bench 2.1, 89,7% no SWE-bench Pro v2 e 74,2% no SWE-bench Verified, e que rivaliza com modelos densos de 25 a 40 mil milhões de parâmetros sendo mais de cinco vezes mais rápido. O TechCrunch observa que, na média de seis testes calculada pela Recursive, apenas o Qwen3.8 27B, da Alibaba, ficou à frente. A ficha técnica avisa ainda que as condições de avaliação variam entre fabricantes, pelo que as comparações não são totalmente equivalentes.
A velocidade é o principal argumento. Com o motor de execução otimizado pela empresa, o Flint gera mais de 125 tokens por segundo num MacBook Pro com chip M4 Pro e mais de 150 numa NVIDIA RTX Spark de 64 GB, em contextos curtos, o que a Recursive descreve como até duas vezes mais rápido do que modelos semelhantes. Além da compatibilidade com llama.cpp, Ollama, Unsloth, LM Studio, vLLM e SGLang, a empresa disponibiliza o rec, um motor de inferência leve afinado para os chips M4 Pro e M5 da Apple.
A Recursive detalha contributos concretos do Eureka Machine. O sistema explorou várias configurações de especialistas, a partir de uma base de 35 mil milhões de parâmetros com 3 mil milhões ativos, até chegar à forma mais esparsa do Flint. Depois do treino, quantizou a camada de saída para 4 bits, ao contrário da prática habitual, e recuperou a precisão com uma etapa de destilação offline, deixando a versão NVFP4 a menos de 0,7 pontos do modelo de 16 bits nos testes da empresa. Escreveu também kernels à medida, incluindo um megakernel Metal que funde toda a passagem de descodificação nos chips M4 e M5.
A imprensa independente acrescenta contexto. Will Knight, da Wired, experimentou o Flint num Mac com 48 GB de memória e considerou-o rápido e fiável em pequenos projetos de programação, terreno onde, segundo ele, modelos deste tamanho costumam falhar. O TechCrunch e a Wired recordam que a Recursive saiu do anonimato este ano com 650 milhões de dólares, a uma avaliação de 4,65 mil milhões, com investidores como a GV e a Nvidia. Socher disse à Wired que o objetivo de longo prazo é um autoaperfeiçoamento recursivo completo sob supervisão humana, ideia que vários projetos de lei no Congresso norte-americano pretendem proibir.
O lançamento deixa perguntas em aberto. A Recursive admite que o Flint precisa de mais orientação do que os grandes assistentes de programação alojados na nuvem e sugere dividir tarefas extensas em passos menores. O peso real do Eureka Machine no desenvolvimento, e o tempo de investigação que terá poupado, não foi auditado por terceiros, e a ficha técnica alerta que o modelo pode gerar código defeituoso ou chamadas a ferramentas inadequadas, que convém rever.