Recursive, una startup de IA fundada el año pasado, está empezando a hacer honor a su nombre. La compañía, que está tratando de desarrollar una IA que pueda mejorarse a sí misma, lanzó su primer modelo, Flint, el miércoles. Flint es un modelo de codificación gratuito que se puede ejecutar en una computadora portátil y se creó en gran medida con la ayuda de IA.
El sistema de investigación automatizado de Recursive, al que llama Eureka Machine, ayudó en casi cada paso del desarrollo de Flint, dice la compañía. Eso permitió a un pequeño equipo construir el modelo desde cero en menos de cuatro meses.
Flint es una de las primeras pruebas públicas de superación personal recursiva: la idea de que la IA puede construir una IA mejor, que a su vez construye una IA aún mejor. También es una de las ideas más debatidas en la industria. Algunos investigadores temen que la mejora de la IA pueda escapar del control humano. Por ahora, la versión de Recursive es más limitada: un asistente de investigación de IA supervisado por personas que produjeron un modelo lo suficientemente pequeño como para una computadora portátil.
La compañía surgió del sigilo en mayo con 650 millones de dólares en financiación con una valoración de 4.650 millones de dólares, de patrocinadores como GV, Nvidia y AMD Ventures. Recursive está dirigido por el director ejecutivo Richard Socher, ex científico jefe de Salesforce.
Debido a que Flint se ejecuta en la computadora del usuario en lugar de en los servidores en la nube de una empresa, los desarrolladores pueden usarlo sin conexión, mantener su código privado y evitar las tarifas de uso que cobran los servicios en la nube de IA en función de la cantidad de texto que procesa el modelo. El modelo se puede descargar gratis en Hugging Face, el popular sitio para compartir modelos de IA, bajo la licencia Apache 2.0, una licencia de código abierto que permite su uso y modificación gratuitos.
Flint es un modelo de combinación de expertos, lo que significa que utiliza sólo una pequeña porción de sí mismo para cualquier tarea determinada: sólo 2.500 millones de sus 40.000 millones de configuraciones, conocidas como parámetros, a la vez. Eso lo hace lo suficientemente liviano para una computadora portátil normal y mucho más pequeño que el Muse Spark Open de Meta, un modelo abierto creado para Mac que se lanzó la semana pasada. Muse Spark Open utiliza 816 mil millones de parámetros y necesita al menos un terabyte de memoria.
Flint también es rápido. En las pruebas de Recursive, generó alrededor de 131 tokens (fragmentos de texto) por segundo en una MacBook Pro con el chip M4 Pro de Apple, aproximadamente el doble de los 58 a 69 tokens por segundo que manejaban modelos similares en la misma máquina, incluidos Gemma 4 de Google y Nemotron 3.5 Lightning de Nvidia. En RTX Spark de Nvidia, Flint superó los 150 tokens por segundo.
En SWE-Bench Verified, un punto de referencia que mide qué tan bien la IA puede corregir errores de software del mundo real, Flint superó a otros modelos bajo 50 mil millones de parámetros. En el promedio de Recursive en seis pruebas, sólo un modelo, el Qwen3.8 27B de Alibaba, obtuvo una puntuación más alta que Flint.
La empresa reconoció que Flint necesitaría más orientación que los grandes asistentes de codificación pagados y sugirió dividir las tareas grandes en pasos más pequeños. Aun así, las primeras críticas fueron positivas. Will Knight de Wired usó Flint en una Mac con 48 GB de memoria para crear varios programas pequeños, incluida una aplicación de lista de tareas pendientes y una herramienta que recorre la web en busca de investigaciones. Descubrió que los modelos de codificación más pequeños a menudo presentaban errores o eran lentos en comparación con Claude o Codex, pero Flint cumplió con sus solicitudes de codificación en todo momento.
A la Máquina Eureka se le ocurren ideas, realiza experimentos y utiliza los resultados para decidir qué probar a continuación. Según el vídeo de lanzamiento de la empresa, contribuyó a casi todas las partes de la construcción de Flint, desde el preentrenamiento hasta el postentrenamiento y la inferencia.
Recursive dijo que las contribuciones de Eureka incluyen una forma de modelo más dispersa, entrenamiento de bits bajos que redujo a Flint en un 71% sin casi ninguna pérdida de calidad y núcleos personalizados, que son programas especializados que aceleran los cálculos subyacentes.
Recursive no dijo cuánto tiempo ahorró Eureka Machine a sus investigadores, pero no es el único que se apoya en la IA para realizar investigaciones. OpenAI dijo el mes pasado que a mediados de agosto, sus agentes de IA registraban 3,1 días laborables por cada uno trabajado por un investigador humano.
Si la apuesta de Recursive da sus frutos, cada nuevo modelo debería poder asumir períodos de trabajo más largos sin ayuda humana. La compañía le dijo anteriormente a TechCrunch que su acuerdo informático de 410 millones de dólares con Amazon Web Services en junio se trataba «menos de personal y más de agentes».
El objetivo a largo plazo, dijo Socher a Wired, es que Eureka Machine logre una superación personal recursiva total, con humanos supervisando el proceso y capaces de detenerlo si algo sale mal. Recursive dice que cada nuevo modelo debería convertir a Eureka Machine en un mejor investigador, ayudándole a construir el siguiente más rápido.
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.