Das KI-Start-up Recursive hat mit Flint sein erstes Sprachmodell vorgestellt. An fast jedem Entwicklungsschritt war ein KI-System namens "Eureka Machine" beteiligt, das eigenständig Ideen vorschlägt, umsetzt, testet und anhand der Ergebnisse weitere Experimente plant.
Flint ist ein Mixture-of-Experts-Modell (MoE) für agentisches Programmieren auf lokaler Hardware und wurde innerhalb von vier Monaten entwickelt. Von insgesamt 40 Milliarden Parametern sind pro Token nur 2,5 Milliarden aktiv. Laut Recursive führt Flint bei Coding-Benchmarks wie SWE-Bench Pro v2, Terminal-Bench 2.1 und SWE-Bench Verified unter den MoE-Modellen (wie Qwen3.6-35B-A3B oder Laguna S 2.1) mit weniger als 50 Milliarden Parametern. Unabhängig bestätigt sind die Ergebnisse bislang nicht.
Auf einem M4 Pro mit 48 GB Speicher erreicht Flint ähnliche Benchmark-Werte wie deutlich langsamere dichte Modelle der 27- bis 31-Milliarden-Klasse. | Bild: RecursiveDas Modell soll mit dichten Modellen mit 25 bis 40 Milliarden Parametern mithalten und dabei mehr als fünfmal schneller laufen. Auf einem MacBook Pro mit M4 Pro erzeugt Flint laut Recursive bei kurzen Kontexten mehr als 125 Token pro Sekunde, auf einem Nvidia RTX Spark mit 64 GB Speicher mehr als 150. Gegenüber vergleichbaren Modellen sei die Inferenz bis zu doppelt so schnell.
Auf M4 Pro und RTX Spark erzeugt Flint bei kurzem Kontext etwa doppelt so viele Token pro Sekunde wie vergleichbare MoE-Modelle. | Bild: Recursive
Unter den Sparse-MoE-Modellen ähnlicher Größe liegt Flint in allen sechs Coding- und Instruction-Following-Benchmarks vorn, dichte Modelle wie Qwen 3.8 schneiden teils besser ab. | Bild: RecursiveKI-System optimiert Architektur, Quantisierung und Rechenkerne
Die Eureka Machine automatisiert laut Recursive den gesamten Forschungszyklus und verfolgt dabei mehrere Ansätze parallel. Sie half bei Flint unter anderem mit Trainingsdaten, Optimierern, Architektur und Inferenzoptimierung. Drei Beispiele zeigen, wie das System die Leistung beeinflusst haben soll.
Ausgehend von einer Architektur mit 35 Milliarden Gesamtparametern und drei Milliarden aktiven Parametern testete die Eureka Machine verschiedene Expertenkonfigurationen. Als beste Kombination aus Geschwindigkeit und Coding-Leistung unter den untersuchten Varianten ergab sich die fertige Architektur mit 40 Milliarden Gesamtparametern und 2,5 Milliarden aktiven Parametern.
Bei der Quantisierung reduzierte das System entgegen gängiger Praxis auch die Ausgabeschicht auf vier Bit. Ein zusätzliches Destillationsverfahren sollte die verlorene Genauigkeit wiederherstellen und benötigte laut Recursive knapp halb so viele Trainingsschritte wie das bisherige Verfahren. Das fertige NVFP4-Modell liege über die Benchmarks hinweg nur 0,7 Punkte hinter der 16-Bit-Version.
Außerdem entwickelte die Eureka Machine spezialisierte Rechenkerne für Apple Silicon und Nvidia RTX Spark. Auf Apples M4- und M5-Chips fasst ein sogenannter Metal-Megakernel den gesamten Vorwärtsdurchlauf bei der Token-Generierung zusammen. Die Optimierungen über mehrere Entwicklungsschritte hinweg sollen gemeinsam die hohe Inferenzgeschwindigkeit ermöglichen.
Flint läuft lokal und ist offen verfügbar
Flint unterstützt Kontextfenster von bis zu 512.000 Token, wobei Recursive maximal 256.000 empfiehlt. Die Modellgewichte sind auf Hugging Face unter Apache 2.0 verfügbar. Unterstützt werden unter anderem llama.cpp, Ollama, LM Studio, vLLM und SGLang. Mit rec veröffentlicht Recursive zudem eine eigene Inferenz-Engine für Apple Silicon.
Das Modell lässt sich damit lokal und ohne Übertragung des Codes an externe Server nutzen. Allerdings räumt Recursive ein, dass Flint bei komplexen Aufgaben mehr Anleitung benötigt als große proprietäre Coding-Modelle. Das Unternehmen empfiehlt, umfangreiche Aufgaben in kleinere Schritte aufzuteilen.
Recursive will KI entwickeln, die immer bessere KI entwickelt
Das von Richard Socher und unter anderen dem ehemaligen Deepmind-Forscher Tim Rocktäschel gegründete Start-up verließ im Mai 2026 den Stealth-Modus und sammelte 650 Millionen Dollar bei einer Bewertung von 4,65 Milliarden Dollar ein. Damals hatte Recursive noch kein konkretes technisches Ergebnis vorgelegt. Mit Flint zeigt das Unternehmen nun erstmals ein öffentlich verfügbares Modell aus seinem automatisierten Forschungsprozess.
Langfristig will Recursive eine Superintelligenz entwickeln, die sich selbst immer weiter verbessert. Jedes neue Modell soll die Eureka Machine zu einem besseren Forscher machen, sodass die nächste Modellgeneration schneller und effizienter entsteht. Perspektivisch soll der Ansatz auch die Forschung in anderen wissenschaftlichen Disziplinen automatisieren.
Ob daraus tatsächlich eine sich beschleunigende Selbstverbesserung entsteht, ist offen. Der ehemalige Google-Deepmind-Forschungschef Oriol Vinyals hält KI-gestützte Selbstverbesserung zwar für realistisch, eine Intelligenzexplosion aber für unwahrscheinlich. Besonders schwierig seien für KI-Systeme weiterhin das Finden guter Forschungsideen und die zuverlässige Bewertung ihrer Ergebnisse.
Auch andere KI-Labore setzen längst KI bei der Entwicklung neuer Modelle ein. Bei Anthropic übernimmt Claude nach Unternehmensangaben bereits einen erheblichen Teil der Entwicklungsarbeit, während OpenAI KI-Agenten im gesamten Forschungsprozess einsetzt. Wie weit die Automatisierung tatsächlich reicht, ist allerdings umstritten. Eine Untersuchung von mehr als 700 Aufgabenprotokollen zeigte, dass KI-Agenten zwar große Teile der Arbeit erledigen, die entscheidenden Forschungsurteile aber weiterhin häufig von Menschen stammen.
Genau diese Schritte will Recursive mit seiner Eureka Machine automatisieren. Flint ist ein erstes konkretes Ergebnis, beweist aber noch keine vollendete rekursive Selbstverbesserung: Dazu müsste das Unternehmen zeigen, dass ein mithilfe der Eureka Machine entwickeltes Modell wiederum deren Forschungsfähigkeiten verbessert.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
