Flint: darmowy model do kodu na laptopa, który współtworzyła AI

Recursive, startup założony w zeszłym roku, wypuścił w środę 21 października 2026 swój pierwszy model: Flint. To darmowy model do kodowania, który działa na laptopie. Firma twierdzi, że zbudowano go w dużej mierze z pomocą jej własnego systemu AI. Prędkość i wyniki w testach to na razie pomiary samej firmy plus jedna pozytywna recenzja z Wired.

Ile kosztuje Flint i na jakich warunkach go dostaniesz?

Nie kosztuje nic. Pobierzesz go z Hugging Face, popularnego serwisu do wymiany modeli AI, na licencji Apache 2.0. To licencja open source, która pozwala swobodnie używać i modyfikować model. Płacisz jedynie zasobami własnego komputera, a nie chmury.

Co z tego masz, skoro model działa lokalnie:

• możesz pracować offline,
• Twój kod zostaje u Ciebie,
• nie płacisz opłat za użycie, które usługi chmurowe naliczają od ilości tekstu przetworzonego przez model.

Ten ostatni punkt ma znaczenie, bo rachunki za tokeny (czyli kawałki tekstu, którymi liczy się pracę modelu) to dziś jeden z większych bólów głowy firm korzystających z AI. Jeśli Twój laptop poradzi sobie z modelem, nie dopłacasz ani za użycie, ani za dodatkowy sprzęt.

Jak model z 40 mld parametrów mieści się w laptopie?

Bez technobełkotu: parametry to „ustawienia” modelu, czyli to, czego nauczył się w treningu. Flint ma ich 40 mld, ale jest zbudowany w układzie mixture-of-experts. Przy każdym zadaniu używa tylko małego wycinka siebie: 2,5 mld parametrów naraz. Reszta czeka.

Dlatego jest lekki. Dla kontrastu Muse Spark Open od Mety, model otwarty dla Maców wydany tydzień wcześniej, ma 816 mld parametrów i wymaga co najmniej terabajta pamięci. Meta przysłała ciężarówkę, Recursive przyjechało rowerem. Więcej o rachunku za taką ciężarówkę znajdziesz w tekście o Muse Spark Open i jego kosztach.

Czy Flint jest szybki i dobry w kodzie?

Zacznijmy od tego, co pochodzi od firmy. W testach Recursive Flint generował około 131 tokenów na sekundę na MacBooku Pro z układem Apple M4 Pro. Podobne modele na tej samej maszynie osiągały 58-69 tokenów na sekundę, w tym Gemma 4 od Google i Nemotron 3.5 Lightning od Nvidii. To mniej więcej dwa razy szybciej. Na Nvidia RTX Spark Flint przekroczył 150 tokenów na sekundę.

W jakości firma podaje dwa wyniki:

• na SWE-Bench Verified, czyli teście naprawiania prawdziwych błędów w oprogramowaniu, Flint wyprzedził inne modele poniżej 50 mld parametrów,
• w średniej z sześciu testów, którą policzyło samo Recursive, wyższy wynik miał tylko Qwen3.8 27B od Alibaby.

Firma przyznaje też wprost, że Flint potrzebuje więcej wskazówek niż duże płatne asystenci kodowania. Zaleca dzielenie dużych zadań na mniejsze kroki. Jak wygląda taka praca małymi krokami, widać w tekście o platformie zbudowanej w 8 promptach.

Co mówi niezależna recenzja

Will Knight z Wired uruchomił Flinta na Macu z 48 GB pamięci i zbudował kilka małych programów, w tym aplikację z listą zadań i narzędzie przeszukujące sieć pod kątem researchu. Według niego mniejsze modele do kodowania często łapały błędy albo działały wolno w porównaniu z Claude lub Codex. Flint za każdym razem poradził sobie z jego prośbami. To jedna osoba i kilka małych projektów, więc traktuj to jako dobry sygnał, a nie wyrok.

Co znaczy, że AI zbudowała AI?

System badawczy Recursive nazywa się Eureka Machine. Wymyśla pomysły, uruchamia eksperymenty i na podstawie wyników decyduje, co wypróbować dalej. Według firmy pomagał w niemal każdym etapie, od pre-treningu i post-treningu po inferencję. Mały zespół zbudował model od zera w niespełna cztery miesiące.

Recursive wymienia konkretne wkłady Eureki:

• rzadszy kształt modelu,
• trening niskobitowy, który zmniejszył Flinta o 71% niemal bez utraty jakości,
• własne kernele, czyli wyspecjalizowane programy przyspieszające obliczenia.

Recursive nie podało, ile czasu Eureka Machine zaoszczędziła badaczom. Nie jest też w tym osamotnione: OpenAI napisało w zeszłym miesiącu, że do połowy sierpnia jego agenci AI wypracowywali 3,1 dnia roboczego na każdy dzień pracy badacza.

Długoterminowy cel, o którym Richard Socher, szef Recursive i były główny naukowiec Salesforce, mówił Wired, to pełne rekurencyjne samodoskonalenie Eureki. Ludzie mają nadzorować proces i móc go zatrzymać. To jeden z najbardziej spornych pomysłów w branży, bo część badaczy obawia się, że samodoskonalące się AI wymknie się spod kontroli. Na razie to asystent badawczy pod nadzorem ludzi, który pomógł zrobić model mieszczący się w laptopie.

Firma ma za sobą poważne pieniądze: w maju wyszła z trybu stealth z finansowaniem 650 mln USD przy wycenie 4,65 mld USD, od inwestorów takich jak GV, Nvidia i AMD Ventures. Wątek systemu budowanego wokół modelu jest bliski temu, co opisuje tekst o harness engineering.

Komu Flint się przyda, a komu zostaje płatny asystent?

Sama firma mówi, że Flint wymaga więcej prowadzenia za rękę niż duże płatne asystenci kodowania, więc trudno traktować go jako ich zamiennik. Jest darmowym dodatkiem do drobnych zadań i do pracy nad kodem, który nie może wyjść poza Twój komputer. Dla porównania, plan Claude Pro kosztuje 20 USD miesięcznie (stan na 13.10.2026, cena bez podatku), a więcej o takim abonamencie przeczytasz w tekście o kursie Claude Code i koszcie planu Pro.

Nie musisz być programistką ani programistą, żeby to ocenić. Wystarczy odpowiedź na jedno pytanie: czy Twój komputer to udźwignie? Recenzent z Wired testował na Macu z 48 GB pamięci. Sprawdź dziś, ile pamięci ma Twój laptop (w ustawieniach systemu, zakładka „O tym komputerze” lub „System”), a potem wejdź na stronę modelu Flint na Hugging Face i porównaj to z wymaganiami sprzętowymi, które tam znajdziesz. To zajmie kilka minut i od razu będziesz wiedzieć, czy ten temat Cię dotyczy.