Recursive publie Flint : un modèle de code local MoE 40B sous licence Apache 2.0, 2,5B activés
Selon un article de MarkTechPost du 21 octobre 2026, Recursive publie Flint, son premier modèle : un modèle de codage MoE de 40B de paramètres totaux et environ 2,5B de paramètres activés, dont les poids sont publiés sous licence Apache 2.0, environ 23 Go en 4 bits, exécutable sur un Mac ou un GPU de 48 Go.
Ce qui change
Selon un article de MarkTechPost du 21 octobre 2026, Recursive Superintelligence publie Flint, son premier modèle, un modèle MoE decoder-only destiné aux agents de codage. L'article indique 39,8B de paramètres totaux et environ 2,5B de paramètres activés par token ; la fiche du modèle mentionne un contexte de 262 144 tokens, tandis que le blog évoque jusqu'à 512k. Les poids sont publiés sous licence Apache 2.0 sur Hugging Face. Côté architecture, le modèle compte 49 couches : les 2 premières sont denses, les 47 suivantes sont des couches MoE, chacune avec 256 experts routés, 6 sélectionnés par token plus 1 expert partagé ; l'attention combine 35 couches à fenêtre glissante de 513 tokens et 14 couches d'attention globale sans encodage positionnel, avec 32 têtes de requête et 4 têtes clé-valeur. L'article indique que le système de recherche automatisée de Recursive, Eureka Machine, a participé à la recherche d'architecture, à la quantification de la couche de sortie en 4 bits avec distillation hors ligne pour restaurer la précision, ainsi qu'à l'écriture de noyaux spécialisés ; sur les puces M4/M5, un Metal megakernel fusionne toute la passe avant de décodage. L'article indique que les poids 4 bits pèsent environ 23 Go et peuvent tourner sur un Mac Apple Silicon de 48 Go (M4 Pro, M5 Pro, M5 Max) ou un GPU NVIDIA de 48 Go, avec un débit en contexte court de plus de 125 tokens/seconde sur M4 Pro et de plus de 150 tokens/seconde sur RTX Spark. Tous les scores de référence sont auto-déclarés par Recursive : 74,2 % sur SWE-bench Verified, 54,9 % sur Terminal-Bench 2.1, 95,1 % sur IFEval, la version NVFP4 se situant à moins de 0,7 point du BF16.
Conséquences pour les développeurs
Pour les équipes qui développent des agents de codage et du déploiement local, l'intérêt rapporté de Flint est de réunir dans un même modèle un « score SWE-bench élevé » et la possibilité de tourner sur une seule machine avec 48 Go de mémoire. D'après l'article, les poids 4 bits pèsent environ 23 Go, ce qui signifie que des machines M4 Pro/M5 Pro ou des GPU de 48 Go déjà en place pourraient les accueillir sans extension de mémoire, ce qui remet en cause l'hypothèse par défaut selon laquelle « pour utiliser les meilleurs modèles de code, il faut passer par une API cloud ». Deuxièmement, les paramètres activés du MoE ne seraient que d'environ 2,5B (tête de sortie incluse), et la société affirme que son débit en contexte court peut être jusqu'à 2 fois supérieur à celui de modèles comparables et plus de 5 fois supérieur à celui de modèles denses de 25 à 40B aux scores proches ; si cette tendance se vérifie aussi en contexte long, la structure des coûts d'inférence pour des tâches locales fréquentes et légères, comme les corrections de tests par lots ou l'inspection de bases de code, changerait nettement. Troisièmement, Apache 2.0 est une licence open source explicite, différente d'une simple ouverture des poids ; l'article indique que les poids sont publiés sous cette licence, mais il reste conseillé de vérifier soi-même le fichier de licence du dépôt et les conditions des composants tiers avant un usage commercial. À noter que l'article indique aussi que Flint obtient 54,9 % sur Terminal-Bench 2.1, nettement moins que les 73,0 % du modèle dense Qwen 3.8 cité dans l'article ; Flint apparaît donc plutôt comme un « agent local rapide et suffisant » que comme le meilleur choix pour des tâches complexes de niveau terminal.
Intégration et évaluation
Il est conseillé de traiter Flint comme un candidat, et non comme un remplacement direct du modèle de codage existant. La première décision concerne le local ou le cloud : selon l'article, la condition préalable est une machine d'au moins 48 Go de mémoire (Apple Silicon ou NVIDIA), les poids 4 bits pesant environ 23 Go ; si votre machine de développement dispose de 16 à 32 Go, cette condition n'est pas remplie et l'alternative est de continuer avec une API ou de passer à un modèle plus petit. L'indicateur vérifiable consiste à exécuter un pass@1 sur votre propre jeu de tâches de base de code et à le comparer à votre référence actuelle, tout en notant si le débit ou la qualité chute en contexte long (par exemple près de 100k tokens), car les 125/150 tokens/seconde rapportés concernent le contexte court. La deuxième décision porte sur le format de quantification : l'article indique environ 22,6 Go pour les poids INT4 MLX sur Apple Silicon et environ 22,9 Go pour le NVFP4 GGUF sur NVIDIA ; si vous choisissez la voie NVIDIA, vérifiez le degré de prise en charge du NVFP4 par votre pile d'inférence. L'indicateur vérifiable consiste à comparer les résultats NVFP4 et BF16 sur le même lot de tâches : l'article évoque un écart inférieur à 0,7 point, mais ce chiffre vient du fournisseur et doit être reproduit sur votre propre charge de travail. La troisième décision concerne le harness et l'appel d'outils : l'article indique que Flint prend en charge l'appel d'outils compatible OpenAI, que les tests SWE-bench utilisent mini-swe-agent sans accès à Internet et que Terminal-Bench utilise Terminus 2. Si votre agent dépend d'une recherche en ligne ou d'un protocole d'outils spécifique, vérifiez d'abord la compatibilité des appels d'outils et les modes d'échec dans un environnement isolé avant de décider d'une mise en production. Ces recommandations sont fondées sur l'article et ne constituent pas des conclusions vérifiées.
Limites et points à confirmer
Premièrement, cette version de Flint ne figure pas actuellement dans le catalogue en temps réel de KimiSeek ; les disponibilités locales et en ligne mentionnées dans l'article renvoient aux canaux propres de Recursive et sont sans rapport avec ce site. Deuxièmement, tous les scores de référence sont auto-déclarés par Recursive et l'article ne fournit aucune reproduction par un tiers ; il précise en outre que son score SWE-bench Pro v2 a été mesuré par Recursive lui-même et n'est pas comparable au SWE-bench Pro public. Troisièmement, le tableau comparatif de l'article mélange des données auto-déclarées par des fournisseurs et des mesures réalisées par d'autres, ce qui appelle à la prudence pour toute comparaison horizontale directe. Quatrièmement, les 125/150 tokens/seconde sont des données de contexte court ; les performances en contexte long, le pic de mémoire et la stabilité restent inconnus. Cinquièmement, l'article indique que le blog évoque un contexte allant jusqu'à 512k, alors que la fiche du modèle mentionne 262 144 tokens ; il convient de vérifier soi-même lequel fait foi. Sixièmement, la part exacte de contribution d'Eureka Machine à la construction ne peut pas être vérifiée indépendamment à partir de l'article. Huitièmement, ce modèle est réservé au texte et ne prend pas en charge les entrées d'images.