Un AI care ajută la construirea altui AI sună a clișeu de science fiction, dar un startup american susține că a făcut exact asta, iar rezultatul poate fi descărcat gratuit. Compania se numește Recursive, iar primul ei model, Flint, a fost lansat miercuri. E un model de programare suficient de mic cât să ruleze pe un laptop obișnuit, fără abonamente și fără cloud.

Miza e mai mare decât un simplu model nou. Recursive încearcă să construiască AI capabil să se îmbunătățească singur, iar Flint e primul test public al acestei idei.

Ce este Flint, concret

Flint este un model de programare gratuit, disponibil pe Hugging Face, platforma unde se împart modelele AI, sub licența Apache 2.0, care permite folosirea și modificarea liberă. Practic, orice dezvoltator îl poate descărca și rula local.

Secretul stă în arhitectură. Flint este un model de tip «mixture-of-experts», adică folosește doar o felie din el pentru fiecare sarcină: 2,5 miliarde din cele 40 de miliarde de parametri ai săi. Parametrii sunt, simplificat, «butoanele» interne pe care modelul le reglează ca să funcționeze. Asta îl face destul de ușor pentru un laptop.

Pentru comparație, modelul Muse Spark Open al Meta, lansat săptămâna trecută pentru Mac-uri, folosește 816 miliarde de parametri și cere cel puțin un terabyte de memorie. Flint joacă într-o ligă complet diferită ca resurse.

Cum a fost construit

Aici vine partea spectaculoasă. Recursive spune că sistemul ei automat de cercetare, numit Eureka Machine, a participat la aproape fiecare etapă a dezvoltării: de la pretraining și post-training până la inferență. Sistemul propune idei, rulează experimente și folosește rezultatele ca să decidă ce încearcă mai departe.

Conform companiei, asta a permis unei echipe mici să construiască modelul de la zero în mai puțin de patru luni. Printre contribuțiile Eureka Machine, Recursive menționează o structură de model mai rară (sparse), un antrenament în precizie redusă care a micșorat modelul cu 71% aproape fără pierdere de calitate și «kernel-uri» personalizate, adică programe specializate care accelerează calculele de bază.

Compania nu a spus cât timp au economisit cercetătorii datorită sistemului. Dar nu e singura care se sprijină pe AI pentru cercetare: OpenAI a anunțat luna trecută că, la jumătatea lui august, agenții ei AI înregistrau 3,1 zile de muncă pentru fiecare zi lucrată de un cercetător uman.

Cifrele de performanță

În testele Recursive, pe un MacBook Pro cu cip Apple M4 Pro, Flint a generat aproximativ 131 de tokeni (bucăți de text) pe secundă. Modele similare, inclusiv Gemma 4 de la Google și Nemotron 3.5 Lightning de la Nvidia, au ajuns la 58-69 de tokeni pe secundă pe aceeași mașină. Practic, Flint e de aproximativ două ori mai rapid. Pe un Nvidia RTX Spark a depășit 150 de tokeni pe secundă.

Pe SWE-Bench Verified, un test care măsoară cât de bine repară AI-ul bug-uri reale din software, Flint a depășit alte modele sub 50 de miliarde de parametri. Pe media proprie a Recursive, calculată din șase teste, doar un model, Qwen3.8 27B de la Alibaba, a scos un scor mai bun.

Trebuie spus că aceste cifre vin de la companie, nu dintr-o evaluare independentă. Recursive recunoaște totuși că Flint are nevoie de mai multă îndrumare decât asistenții de programare mari și plătiți și recomandă împărțirea sarcinilor mari în pași mai mici.

Primele impresii sunt pozitive. Will Knight de la Wired a rulat Flint pe un Mac cu 48 GB de memorie și a construit mai multe programe mici, inclusiv o aplicație de to-do și un instrument care scotocește web-ul pentru cercetare. El a observat că modelele mici de programare se împiedică de obicei de erori sau sunt lente față de Claude sau Codex, dar Flint a livrat corect de fiecare dată ce i-a cerut.

De ce contează un model care rulează local

Pentru dezvoltatori, avantajele sunt practice. Un model care rulează pe propriul computer poate fi folosit offline, păstrează codul privat și evită taxele pe care serviciile cloud le percep în funcție de cât text procesează modelul. Într-o industrie unde factura de tokeni a devenit o problemă serioasă pentru companii, un asistent de cod gratuit și local are un atu clar.

Unghiul Recursive: self-improvement sub supraveghere

Recursive a ieșit din stealth în mai, cu o finanțare de 650 de milioane de dolari la o evaluare de 4,65 miliarde, de la investitori precum GV, Nvidia și AMD Ventures. Compania e condusă de Richard Socher, fost chief scientist la Salesforce. În iunie a semnat și un contract de calcul de 410 milioane de dolari cu Amazon Web Services, despre care compania spunea că ține mai puțin de numărul de angajați și mai mult de numărul de agenți.

Îmbunătățirea recursivă, adică AI care construiește AI mai bun, care construiește la rândul lui AI și mai bun, e una dintre cele mai dezbătute idei din industrie. Unii cercetători se tem că un AI care se îmbunătățește singur ar putea scăpa de sub controlul oamenilor.

Varianta Recursive e, deocamdată, mult mai modestă: un asistent de cercetare supravegheat de oameni, care a produs un model suficient de mic pentru un laptop. Țelul declarat pe termen lung, spus de Socher pentru Wired, este ca Eureka Machine să ajungă la auto-îmbunătățire completă, cu oameni care supraveghează procesul și îl pot opri dacă ceva merge prost. Compania susține că fiecare model nou ar trebui să facă din Eureka Machine un cercetător mai bun, care îl construiește pe următorul mai repede.

Pas real sau doar marketing?

Răspunsul onest e că probabil ambele. Flint e un produs real, gratuit, rapid și verificabil de oricine are un laptop decent, iar primele teste independente par încurajatoare. Povestea «construit de AI» e însă, deocamdată, o afirmație a companiei, fără o cifră clară despre cât din muncă a făcut mașina și cât oamenii.

Ce rămâne de văzut e dacă ciclul funcționează și la scară mare. Dacă fiecare generație de model chiar o face pe următoarea mai bună și mai rapidă, Flint ar putea fi primul pas dintr-o curbă abruptă. Dacă nu, rămâne un model local foarte bun și o campanie de lansare bine gândită. Oricum, e un test pe care merită să-l urmărești.