Recursive、Apache 2.0のオープンウェイト40B MoEコーディングモデルFlintを公開、アクティブ2.5B

MarkTechPostが2026年10月21日に報じたところによると、Recursiveは初のモデルFlintを公開した。総パラメータ40B、アクティブ約2.5BのMoEコーディングモデルで、ウェイトはApache 2.0で公開され、4-bitで約23GB、48GBのMacまたはGPUで動作可能とされる。

公開 2026/10/21更新 2026/10/24

主な変更

MarkTechPostが2026年10月21日に報じたところによると、Recursive Superintelligenceは初のモデルFlintを公開した。これはコーディングエージェント向けのdecoder-only MoEモデルである。報道によれば総パラメータは39.8B、1トークンあたりのアクティブパラメータは約2.5Bで、モデルカードにはコンテキスト262,144トークンと記載され、ブログでは最大512kまで可能とされている。ウェイトはApache 2.0ライセンスでHugging Face上に公開された。アーキテクチャは全49層で、最初の2層が稠密層、続く47層がMoE層であり、各層に256のルーテッドエキスパートがあり、1トークンにつき6個と共有エキスパート1個を選択する。アテンションは35層の513トークンのスライディングウィンドウと14層の位置エンコーディングなしのグローバルアテンションを組み合わせ、クエリヘッド32、キーバリューヘッド4である。報道によれば、Recursiveの自動研究システムEureka Machineがアーキテクチャ探索、出力層の4bit量化とオフライン蒸留による精度回復、専用カーネルの記述に関与した。M4/M5チップ上ではMetal megakernelを用いてデコードのフォワードパス全体を融合する。報道によれば4-bitウェイトは約23GBで、48GBのApple Silicon Mac（M4 Pro、M5 Pro、M5 Max）または48GBのNVIDIA GPUで動作し、M4 Proで125 tokens/秒超、RTX Sparkで150 tokens/秒超の短コンテキストスループットが示されている。すべてのベンチマークスコアはRecursiveの自己申告であり、SWE-bench Verifiedは74.2%、Terminal-Bench 2.1は54.9%、IFEvalは95.1%で、NVFP4版とBF16の差は0.7点以内とされる。

開発者への影響

コーディングエージェントやローカル展開に取り組むチームにとって、Flintの報道価値は「高いSWE-benchスコア」と「単機48GBメモリで動作可能」を同一モデルに置いた点にある。報道によれば4-bitウェイトは約23GBであり、既存のM4 Pro/M5 Proや48GBのGPUマシンが増設なしで受け入れられる可能性がある。これは従来の「最強のコーディングモデルを使うにはクラウドAPIが必要」という既定の前提を変えうる。第二に、報道におけるMoEのアクティブパラメータは約2.5B（出力ヘッド含む）に過ぎず、公式は短コンテキストスループットが同種モデルの最大2倍、スコアが近い稠密25〜40Bモデルの5倍以上になり得ると主張している。この方向性が長コンテキストでも成り立つなら、テスト修正やコードベース巡回といった高頻度小タスクをローカルでバッチ実行する際の推論コスト構造は明らかに変わる。第三に、Apache 2.0は明確なオープンソースライセンスであり、単なるウェイト公開とは異なる。報道ではウェイトはこのライセンスで公開されたとされるが、商用利用の前にはリポジトリ内のライセンスファイルと第三者コンポーネントの条項を自分で確認すべきである。留意すべきは、報道が同時にFlintのTerminal-Bench 2.1が54.9%であり、報道中の稠密Qwen 3.8の73.0%を大きく下回ると示している点である。したがってFlintは「高速で十分なローカルエージェント」寄りであり、端末レベルの複雑タスクで最強の選択肢ではない。

導入と評価の提案

Flintは既存のコーディングモデルを直接置き換えるのではなく候補として扱うことを勧める。第一の判断はローカルかクラウドかである。報道が前提とするのは、マシンに少なくとも48GBのメモリ（Apple SiliconまたはNVIDIA）があり、4-bitウェイトが約23GBであることだ。もし16〜32GBメモリの開発機であればこの前提は成立せず、代替としてAPIを使い続けるか、より小さなモデルに切り替えることになる。検証可能な指標は、自分のコードベースのタスクセットでpass@1を一度実行し、現在のベースラインと比較すること、同時に長コンテキスト（例えば100kトークン近く）でスループットや品質の低下が生じないかを記録することである。報道の125/150 tokens/秒は短コンテキストのデータだからだ。第二の判断は量子化形式である。報道によればApple SiliconではINT4 MLXウェイトが約22.6GB、NVIDIAでは約22.9GBのNVFP4 GGUFであり、NVIDIA経路を取る場合は推論スタックのNVFP4対応度を確認する必要がある。検証可能な指標は、同一タスク群でNVFP4とBF16の結果差を比較することである。報道では差は0.7点以内とされるが、この数字はベンダー自己申告であり、自身の負荷で再現する必要がある。第三の判断はハーネスとツール呼び出しである。報道によればFlintはOpenAI互換のツール呼び出しをサポートし、SWE-benchテストはmini-swe-agentを、インターネットアクセスなしで使用し、Terminal-BenchはTerminus 2を使用する。もしあなたのエージェントがオンライン検索や特定のツールプロトコルに依存するなら、隔離環境でツール呼び出しの互換性と失敗モードを検証してから本番投入を決めるべきである。以上は報道に基づく提案であり、検証済みの結論ではない。

制限と未確認事項

第一に、Flintのこのバージョンは現在KimiSeekのリアルタイムディレクトリには存在しない。報道で言及されたローカルおよびオンラインでの可用性はRecursive自身のチャネルを指し、当サイトとは無関係である。第二に、すべてのベンチマークスコアはRecursiveの自己申告であり、報道は第三者による再現を提供していない。報道は特に、SWE-bench Pro v2のスコアはRecursive自身が測定したもので、公開されているSWE-bench Proとは比較できないと指摘している。第三に、報告内の比較表はベンダー自己申告と他者測定のデータが混在しており、直接の横比較には注意が必要である。第四に、125/150 tokens/秒は短コンテキストのデータであり、長コンテキストでの性能、VRAMピーク、安定性は不明である。第五に、報道ではブログがコンテキスト最大512kに言及しているが、モデルカードの記載は262,144トークンであり、どちらを基準にするかは自分で確認する必要がある。第六に、Eureka Machineの構築への具体的な貢献割合は報道から独立に検証できない。第八に、本モデルはテキスト専用であり、画像入力には対応しない。