Recursive lança Flint: modelo de codificação local MoE 40B com pesos abertos Apache 2.0 e 2,5B ativos
Segundo o MarkTechPost, em 21 de outubro de 2026, a Recursive lançou seu primeiro modelo, o Flint, um modelo de codificação MoE com 40B de parâmetros totais e cerca de 2,5B ativos, com pesos publicados sob a licença Apache 2.0; em 4 bits ocupa cerca de 23 GB e pode rodar em um Mac de 48 GB ou em uma GPU.
O que mudou
Segundo o MarkTechPost, em 21 de outubro de 2026, a Recursive Superintelligence lançou seu primeiro modelo, o Flint, um modelo MoE decoder-only voltado a agentes de codificação. O relatório afirma que o total de parâmetros é de 39,8B, com cerca de 2,5B de parâmetros ativos por token; o cartão do modelo registra contexto de 262.144 tokens, e o blog afirma que pode chegar a 512k. Os pesos foram publicados no Hugging Face sob a licença Apache 2.0. Na arquitetura, são 49 camadas no total: as 2 primeiras são densas e as 47 seguintes são camadas MoE, cada uma com 256 especialistas roteados, selecionando 6 por token mais 1 especialista compartilhado; a atenção combina 35 camadas com janela deslizante de 513 tokens e 14 camadas de atenção global sem codificação posicional, com 32 cabeças de consulta e 4 cabeças de chave-valor. O relatório afirma que o sistema automatizado de pesquisa da Recursive, Eureka Machine, participou da busca de arquitetura, quantizou a camada de saída em 4 bits com destilação offline para recuperar precisão e escreveu kernels dedicados; em chips M4/M5, usa um megakernel Metal que funde todo o forward de decodificação. O relatório afirma que os pesos em 4 bits ocupam cerca de 23 GB e podem rodar em um Mac Apple Silicon de 48 GB (M4 Pro, M5 Pro, M5 Max) ou em uma GPU NVIDIA de 48 GB, e apresenta throughput de contexto curto superior a 125 tokens/s no M4 Pro e superior a 150 tokens/s no RTX Spark. Todas as pontuações de benchmark são auto-relatadas pela Recursive, incluindo SWE-bench Verified com 74,2%, Terminal-Bench 2.1 com 54,9%, IFEval com 95,1%, com a versão NVFP4 ficando a menos de 0,7 ponto de distância do BF16.
Impacto para desenvolvedores
Para equipes que trabalham com agentes de codificação e implantação local, o valor noticiado do Flint está em reunir "pontuação alta no SWE-bench" e "execução em uma única máquina com 48 GB de memória" no mesmo modelo. Segundo o relatório, os pesos em 4 bits ocupam cerca de 23 GB, o que significa que máquinas M4 Pro/M5 Pro ou GPUs de 48 GB já existentes podem acomodá-lo sem expansão, o que mudaria a suposição padrão anterior de que "para usar o modelo de codificação mais forte é preciso recorrer a uma API na nuvem". Em segundo lugar, o relatório indica que os parâmetros ativos do MoE são de apenas cerca de 2,5B (incluindo a cabeça de saída), e a empresa afirma que seu throughput de contexto curto pode ser até 2 vezes mais rápido que modelos similares e mais de 5 vezes mais rápido que modelos densos de 25-40B com pontuação semelhante; se essa direção se mantiver em contextos longos, a estrutura de custos de inferência para tarefas frequentes e pequenas, como rodar correções de testes em lote e inspecionar bases de código localmente, mudaria de forma significativa. Em terceiro lugar, a Apache 2.0 é uma licença de código aberto explícita, diferente de apenas abrir os pesos; o relatório afirma que os pesos foram publicados sob essa licença, mas antes do uso comercial ainda se deve verificar por conta própria o arquivo de licença no repositório e os termos de componentes de terceiros. Vale notar que o relatório também mostra que o Flint obtém 54,9% no Terminal-Bench 2.1, bem abaixo dos 73,0% do Qwen 3.8 denso citado no relatório, portanto ele se parece mais com um "agente local rápido e suficiente" do que com a melhor escolha para tarefas complexas de nível terminal.
Integração e avaliação
Recomenda-se tratar o Flint como candidato, e não substituir diretamente o modelo de codificação atual. A primeira decisão é local ou nuvem: a premissa apresentada no relatório é que sua máquina tenha pelo menos 48 GB de memória (Apple Silicon ou NVIDIA), com pesos em 4 bits ocupando cerca de 23 GB; se você usa uma máquina de desenvolvimento com 16-32 GB de memória, essa premissa não se aplica, e a alternativa é continuar usando API ou adotar um modelo menor. Uma métrica verificável é rodar pass@1 com seu próprio conjunto de tarefas de base de código e comparar com a linha de base atual, registrando também se há queda de throughput ou de qualidade em contextos longos (por exemplo, próximos de 100k tokens), pois os 125/150 tokens/s do relatório são dados de contexto curto. A segunda decisão é o formato de quantização: o relatório afirma que no Apple Silicon os pesos INT4 MLX ocupam cerca de 22,6 GB, e na NVIDIA são cerca de 22,9 GB em NVFP4 GGUF; se seguir o caminho NVIDIA, confirme o nível de suporte da sua pilha de inferência a NVFP4. Uma métrica verificável é comparar os resultados de NVFP4 e BF16 no mesmo conjunto de tarefas; o relatório afirma que a diferença fica dentro de 0,7 ponto, mas esse número vem de auto-relato do fabricante e precisa ser reproduzido na sua própria carga. A terceira decisão é o harness e a chamada de ferramentas: o relatório afirma que o Flint suporta chamada de ferramentas compatível com OpenAI, que os testes do SWE-bench usam mini-swe-agent sem acesso à internet, e que o Terminal-Bench usa Terminus 2. Se o seu agente depende de busca online ou de um protocolo de ferramentas específico, valide primeiro em ambiente isolado a compatibilidade de chamada de ferramentas e os modos de falha antes de decidir colocar em produção. Todas as recomendações acima são baseadas no relatório, não são conclusões verificadas.
Limites e pontos a confirmar
Primeiro, esta versão do Flint não está atualmente no catálogo em tempo real do KimiSeek; a disponibilidade local e online mencionada no relatório refere-se aos canais da própria Recursive e não tem relação com este site. Segundo, todas as pontuações de benchmark são auto-relatadas pela Recursive, e o relatório não fornece reprodução por terceiros; o relatório também observa especificamente que a pontuação do SWE-bench Pro v2 foi medida pela própria Recursive e não é comparável ao SWE-bench Pro público. Terceiro, a tabela comparativa do relatório mistura dados auto-relatados por fabricantes com dados medidos por outros, então comparações horizontais diretas exigem cautela. Quarto, os 125/150 tokens/s são dados de contexto curto; o desempenho em contextos longos, o pico de memória de vídeo e a estabilidade são desconhecidos. Quinto, o relatório afirma que o blog menciona contexto de até 512k, mas o cartão do modelo registra 262.144 tokens; qual prevalece precisa ser confirmado por conta própria. Sexto, a proporção específica da contribuição do Eureka Machine na construção não pode ser verificada de forma independente a partir do relatório. Oitavo, este modelo é somente para texto e não suporta entrada de imagens.