La Recursive Superintelligence lanzó el 21 de octubre Flint, un modelo de programación con 40 mil millones de parámetros totales que funciona directamente en laptops de alto rendimiento del consumidor. Lo que hace esta historia diferente de cientos de lanzamientos similares es que la Recursive afirma que casi cada paso del desarrollo de Flint fue realizado por el sistema automatizado de investigación de la propia empresa — la Eureka Machine — en lugar de ingenieros humanos.
Para funcionar en la máquina del usuario, Flint activa solo 2,5 mil millones de sus 40 mil millones de parámetros por token, utilizando una arquitectura mixture-of-experts (MoE). En la práctica, esto significa que el modelo usa una pequeña porción de sí mismo para cada tarea. El resultado es un modelo lo suficientemente ligero para una laptop del consumidor, pero lo bastante potente para competir en benchmarks de programación agéntica contra modelos cerrados mucho más grandes.
En las pruebas de la empresa en SWE-Bench Verified, Flint superó a todos los demás modelos MoE con menos de 50 mil millones de parámetros del mercado. En el propio conjunto de benchmarks de la Recursive — un conjunto de seis pruebas incluyendo Terminal-Bench 2.1 y SWE-Bench Pro v2 — solo un modelo, el Qwen3.8 27B de Alibaba, obtuvo una puntuación superior. La velocidad también es un diferenciador clave: en un MacBook Pro con chip M4 Pro, el modelo generó aproximadamente 131 tokens por segundo, aproximadamente el doble de la tasa de modelos similares como Gemma 4 de Google y Nemotron 3.5 Lightning de Nvidia.
La velocidad no es un subproducto accidental. La Recursive optimizó todo el stack de inferencia. La Eureka Machine cuantificó la capa de salida (lm_head) a cuatro bits — contra la práctica habitual de mantener capas de salida en mayor precisión — y recuperó la precisión con distilización offline, entrenando el modelo cuantizado en respuestas premuestreadas del modelo original de 16 bits. Las pérdidas publicadas fueron mínimas: de 74,2 a 74,1 en SWE-Bench Verified, y de 54,9 a 53,7 en Terminal-Bench 2.1. Esa es la diferencia entre un modelo de 40 mil millones de parámetros que necesita una GPU de datacenter y uno que cabe en la memoria de una laptop de gama alta.
Pero la afirmación más audaz de la Recursive no trata sobre benchmarks o latencia. Se trata sobre el proceso. Según Richard Socher, CEO de la empresa y ex científico jefe de Salesforce, "casi todos los aspectos de toda la tubería del modelo fueron en realidad realizados y mejorados por la IA". La Eureka Machine genera ideas, ejecuta experimentos, lee los resultados y decide qué intento hacer a continuación — y, según la empresa, contribuyó a prácticamente todas las etapas de la construcción de Flint, desde la arquitectura y recetas de entrenamiento hasta la infraestructura y la optimización de inferencia. Un equipo pequeño construyó el modelo desde cero en menos de cuatro meses.
El concepto de IA construyendo mejor IA — la llamada auto-mejora recursiva — ya es uno de los temas más debatidos del sector. Algunos investigadores temen que un sistema de auto-mejora pueda escapar del control humano. Por ahora, la versión de la Recursive es limitada: es un asistente de investigación de IA supervisado por personas que produjo un modelo pequeño lo bastante para funcionar en laptops. Socher le dijo a Wired que el objetivo a largo plazo es que la Eureka Machine logre la auto-mejora recursiva total, "con humanos supervisando el proceso y capaces de detenerlo si algo sale mal".
Flint es gratuito para descargar en Hugging Face bajo la licencia Apache 2.0, lo que permite uso, modificación y distribución libres. La Recursive también lanzó un motor de inferencia ligero optimizado para los chips M4 Pro y M5, compatible con llama.cpp, Ollama, LM Studio, vLLM y SGLang. El modelo admite ventanas de contexto de hasta 512.000 tokens, aunque la empresa recomienda quedarse por debajo de 256.000 para mejores resultados.
La Recursive emergió del sigilo en mayo con 650 millones de dólares en financiación, de inversores incluyendo GV, Nvidia y AMD Ventures, con una valoración de 4.650 millones de dólares. También cerró un acuerdo de compute de 410 millones de dólares con Amazon Web Services.
La empresa reconoce abiertamente que Flint necesita más orientación que los grandes asistentes de programación cerrados y recomienda dividir tareas complejas en subtareas más pequeñas. Esta es una distinción importante: Flint no reemplaza a Claude o Codex para refactorizaciones pesadas. Para trabajo interactivo — completaciones de código, generación de pruebas, correcciones pequeñas — la latencia es el factor decisivo, y es precisamente ese nicho para el que Flint está posicionado.
Lo que la Recursive logró con Flint no es solo un modelo competitivo. Es un prototipo de cómo la investigación de IA podría hacerse en el futuro: menos reuniones y más bucles cerrados de hipótesis-experimento-resultado. Lo que aún queda por ver es si la Eureka Machine puede, en sus próximos ciclos, crear un modelo tan capaz que ya no necesite supervisores humanos — o si la verdadera prueba del modelo es que se vuelve tan útil que los desarrolladores eligen no detenerlo.
Fuentes: TechCrunch, RITS Shanghai NYU, Dealroom
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
