Flint을 소개합니다.
@Recursive_SI가 개발한 첫 번째 모델로, 자동화된 리서치 시스템인 Eureka Machine을 통해 구축된 빠르고 로컬에서 작동하는 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
• 4개월도 안 되는 기간 동안 처음부터 구축됨
사용자 자신의 기기에서 작동하는 비공개(Private)이며 사용량 제한이 없는 지능을 경험하세요. 현재 @huggingface 에서 오픈 웨이트(Open weights)를 이용할 수 있으며, 좋아하는 프레임워크에 로컬로 실행하거나 @opencode 또는 @pidotdev 에서 무료로 체험해 볼 수 있습니다.
Flint은 로컬 코딩의 파레토 전선(Pareto frontier)을 확장합니다.
Flint은 SWE-bench Pro v2, Terminal-Bench 2.1, 그리고 SWE-bench Verified와 같은 에이전트형 코딩 벤치마크(agentic coding benchmarks)에서 그 클래스 내 최고의 성능을 보여주는 모델입니다 (50B 미만의 MoE 모델 기준).
또한 실행 속도가 훨씬 느린 유사 크기의 밀집형 모델(dense models)과도 경쟁할 수 있습니다.
Flint은 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 모델보다 최대 2배 빠르며, 유사한 코딩 점수를 가진 밀집형 모델보다 5배 이상 빠릅니다. 사용자 데이터는 항상 사용자의 기기에 남아 있습니다.
Flint은 또한 자동화된 AI 리서치 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 Flint을 구축하는 거의 모든 과정에 이 시스템을 사용했습니다.
오늘 바로 Flint을 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.cpp로 로컬에서 Flint을 실행하거나 @opencode와 @pidotdev에서 무료로 체험해 보세요.