Recursive publica Flint: modelo de código MoE de 40B con pesos abiertos Apache 2.0 y 2.5B activos
Según un reporte de MarkTechPost del 21 de octubre de 2026, Recursive publicó su primer modelo, Flint, un modelo MoE para código de 40B parámetros totales y aproximadamente 2.5B activos, con pesos publicados bajo Apache 2.0, unos 23GB en 4-bit, ejecutable en un Mac de 48GB o en GPU.
Qué ha cambiado
Según un reporte de MarkTechPost del 21 de octubre de 2026, Recursive Superintelligence publicó su primer modelo, Flint, un modelo MoE decoder-only orientado a agentes de código. El reporte indica 39.8B parámetros totales y alrededor de 2.5B activos por token, con una tarjeta de modelo que registra un contexto de 262,144 tokens, mientras que el blog afirma hasta 512k. Los pesos se publicaron bajo licencia Apache 2.0 en Hugging Face. En arquitectura, tiene 49 capas: las 2 primeras densas y las 47 siguientes MoE, con 256 expertos enrutados por capa, 6 seleccionados por token más 1 experto compartido; la atención combina 35 capas con ventana deslizante de 513 tokens y 14 capas de atención global sin codificación posicional, con 32 cabezas de consulta y 4 de clave-valor. El reporte señala que el sistema automatizado de investigación de Recursive, Eureka Machine, participó en la búsqueda de arquitectura, en cuantizar la capa de salida a 4 bits con destilación offline para recuperar precisión, y en escribir kernels especializados; en chips M4/M5 usa un Metal megakernel que fusiona todo el forward de decodificación. El reporte indica que los pesos en 4-bit ocupan unos 23GB y pueden ejecutarse en un Mac con Apple Silicon de 48GB (M4 Pro, M5 Pro, M5 Max) o en una GPU NVIDIA de 48GB, y ofrece rendimientos de contexto corto superiores a 125 tokens/s en M4 Pro y superiores a 150 tokens/s en RTX Spark. Todas las puntuaciones de referencia son autodeclaradas por Recursive: SWE-bench Verified 74.2%, Terminal-Bench 2.1 54.9%, IFEval 95.1%, con una diferencia de menos de 0.7 puntos entre la versión NVFP4 y BF16.
Impacto para desarrolladores
Para los equipos que desarrollan agentes de código y despliegues locales, el valor informativo de Flint reside en reunir una puntuación alta en SWE-bench y la posibilidad de ejecutarse en una sola máquina con 48GB de memoria. Según el reporte, los pesos en 4-bit ocupan unos 23GB, lo que implica que máquinas existentes con M4 Pro/M5 Pro o GPU de 48GB podrían albergarlo sin ampliar memoria, lo que cambiaría la suposición predeterminada de que para usar el modelo de código más potente hay que recurrir a una API en la nube. En segundo lugar, el reporte indica que los parámetros activos del MoE son solo unos 2.5B (incluida la cabeza de salida), y la empresa afirma que su rendimiento en contexto corto puede ser hasta 2 veces más rápido que modelos similares y más de 5 veces más rápido que modelos densos de 25-40B con puntuaciones parecidas; si esta dirección se mantiene en contexto largo, la estructura de costes de inferencia para tareas frecuentes y pequeñas como ejecutar pruebas y reparaciones en lote o inspeccionar repositorios cambiaría notablemente. En tercer lugar, Apache 2.0 es una licencia de código abierto explícita, distinta de solo abrir los pesos; el reporte afirma que los pesos se publicaron bajo esa licencia, pero antes de un uso comercial conviene verificar por cuenta propia el archivo de licencia del repositorio y los términos de componentes de terceros. Cabe señalar que el reporte también muestra que Flint obtiene 54.9% en Terminal-Bench 2.1, muy por debajo del 73.0% del denso Qwen 3.8 mencionado en el reporte, por lo que se parece más a un agente local rápido y suficiente que a la opción más potente para tareas complejas de nivel terminal.
Integración y evaluación
Se recomienda tratar a Flint como candidato, no como reemplazo directo del modelo de código actual. La primera decisión es local o nube: según el reporte, el requisito es tener al menos 48GB de memoria (Apple Silicon o NVIDIA), con pesos 4-bit de unos 23GB; si tu equipo de desarrollo tiene 16-32GB, ese requisito no se cumple, y la alternativa es seguir usando la API o pasar a un modelo más pequeño. Una métrica verificable es ejecutar pass@1 con tu propio conjunto de tareas de repositorio y compararlo con tu línea base actual, registrando además si en contexto largo (por ejemplo, cerca de 100k tokens) aparece una caída de rendimiento o de calidad, porque los 125/150 tokens/s del reporte son datos de contexto corto. La segunda decisión es el formato de cuantización: el reporte indica que en Apple Silicon los pesos INT4 MLX ocupan unos 22.6GB, y en NVIDIA un GGUF NVFP4 de unos 22.9GB; si optas por la ruta NVIDIA, confirma el grado de soporte de NVFP4 en tu pila de inferencia. Una métrica verificable es comparar los resultados de NVFP4 y BF16 en el mismo lote de tareas; el reporte afirma una diferencia de menos de 0.7 puntos, pero ese dato proviene del fabricante y debe reproducirse con tu propia carga. La tercera decisión es el harness y las llamadas a herramientas: el reporte indica que Flint admite llamadas a herramientas compatibles con OpenAI, que las pruebas de SWE-bench usan mini-swe-agent sin acceso a internet, y que Terminal-Bench usa Terminus 2. Si tu agente depende de búsqueda en red o de un protocolo de herramientas específico, conviene validar primero en un entorno aislado la compatibilidad de llamadas a herramientas y los modos de fallo antes de decidir su puesta en producción. Todo lo anterior son recomendaciones basadas en el reporte, no conclusiones verificadas.
Límites y cuestiones pendientes
En primer lugar, esta versión de Flint no está actualmente en el catálogo en vivo de KimiSeek; la disponibilidad local y en línea mencionada en el reporte se refiere a los canales propios de Recursive y no guarda relación con este sitio. En segundo lugar, todas las puntuaciones de referencia son autodeclaradas por Recursive y el reporte no aporta reproducción de terceros; el reporte también señala específicamente que su puntuación de SWE-bench Pro v2 fue medida por la propia Recursive y no es comparable con el SWE-bench Pro público. En tercer lugar, la tabla comparativa del reporte mezcla datos autodeclarados por fabricantes con mediciones de otros, por lo que una comparación horizontal directa requiere cautela. En cuarto lugar, los 125/150 tokens/s son datos de contexto corto; se desconoce el comportamiento en contexto largo, el pico de memoria y la estabilidad. En quinto lugar, el reporte indica que el blog menciona un contexto de hasta 512k, pero la tarjeta del modelo registra 262,144 tokens; hay que confirmar por cuenta propia cuál de los dos prevalece. En sexto lugar, la proporción exacta de la contribución de Eureka Machine en la construcción no puede verificarse de forma independiente a partir del reporte. En octavo lugar, este modelo es solo de texto y no admite entrada de imágenes.