@Recursive_SI의 첫 모델 'Flint' 소개: 자동 연구 시스템 Eureka Machine으로 구축된 빠르고 로컬 환경에 최적화된

Flint를 소개합니다.
@Recursive_SI의 첫 번째 모델인 Flint는 자동 연구 시스템인 Eureka Machine을 사용하여 구축된 빠르고 로컬(local) 코딩 모델입니다.

• 최고 수준의 빠른 로컬 코딩 성능
• 비교 가능한 모델 대비 최대 2배 빠름: MacBook Pro에서 125+ 토큰/초, RTX Spark에서 150+ 토큰/초
• 4개월 이내에 처음부터 구축됨

사용자 장치 내에서 사적이고 측정되지 않는 지능을 제공합니다. 오픈 웨이트(Open weights)는 현재 @huggingface 에서 이용 가능하며, 좋아하는 프레임워크에서 로컬로 실행하거나 @opencode 또는 @pidotdev 에서 무료로 사용해 볼 수 있습니다.

Flint는 로컬 코딩의 파레토 전선(Pareto frontier)을 확장합니다.

Flint는 SWE-bench Pro v2, Terminal-Bench 2.1, 그리고 SWE-bench Verified와 같은 에이전트 기반 코딩 벤치마크에서 해당 클래스(50B 미만의 MoE 모델) 중 최고의 성능을 보여줍니다.

또한 실행 속도가 훨씬 느린 비슷한 크기의 밀집형 모델(dense models)과도 경쟁할 수 있습니다.

Flint는 또한 이 클래스에서 가장 빠른 모델이기도 합니다:

• M4 Pro MacBook Pro에서 125+ 토큰/초
• 64GB NVIDIA RTX Spark에서 150+ 토큰/초

짧은 컨텍스트(short contexts)에서는 비교 가능한 모델 대비 최대 2배 빠르며, 유사한 코딩 점수를 가진 밀집형 모델보다 5배 이상 빠릅니다. 사용자 데이터는 사용자 장치에 유지됩니다.

Flint는 또한 자동화된 AI 연구 시스템인 Eureka Machine의 실제 테스트 사례입니다.

이 시스템은 아이디어 구상(ideation), 구현(implementation), 검증(validation)이라는 전체 연구 루프를 실행합니다. 그런 다음 그 결과를 사용하여 다음에 무엇을 시도할지 결정합니다. 우리는 Flint가 구축되는 거의 모든 부분에 이 시스템을 사용했습니다.

오늘 바로 Flint를 사용해 보세요.

블로그 읽기:
https://recursive.com/updates/introducing-recursive-flint
…
Hugging Face에서 다운로드:
https://huggingface.co/RecursiveSI/flint
…
@ollama, @lmstudio, @UnslothAI, @exolabs, @Nativ_AI, @sgl_project, @vllm_project 및 llama.cpp를 사용하여 로컬에서 Flint를 실행하거나 @opencode와 @pidotdev 에서 무료로 사용해 보세요.