Recursive показва първия резултат от своя процес на изследване, управляван от ИИ, с Flint

Стартъпът за изкуствен интелект Recursive създаде първия си езиков модел със система с изкуствен интелект, която сама предлага, изпълнява и оценява експериментите си.

Стартъпът за изкуствен интелект Recursive пусна Flint, първия си езиков модел. Система с изкуствен интелект, наречена „Eureka Machine“, участва почти във всяка стъпка от разработката — сама предлагаше идеи, разработваше ги, тестваше ги и планираше последващи експерименти въз основа на резултатите.

Flint е модел mixture-of-experts (MoE), предназначен за агентно програмиране на локален хардуер, и е създаден за четири месеца. От общо 40 милиарда параметъра само 2,5 милиарда са активни за всеки токен. Recursive твърди, че Flint води в бенчмаркове за програмиране като SWE-Bench Pro v2, Terminal-Bench 2.1 и SWE-Bench Verified сред MoE модели (като Qwen3.6-35B-A3B и Laguna S 2.1) с по-малко от 50 милиарда параметъра. Резултатите все още не са независимо проверени.

Моделът е предназначен да се конкурира с плътни модели в диапазона от 25 до 40 милиарда параметъра, като работи над пет пъти по-бързо. Според Recursive на MacBook Pro с M4 Pro Flint генерира над 125 токена в секунда при кратък контекст. На Nvidia RTX Spark с 64 GB памет достига над 150. В сравнение със сходни модели инференцията е до два пъти по-бърза.

Eureka Machine сама избра архитектурата, квантизацията и изчислителните ядра

Recursive твърди, че Eureka Machine автоматизира целия изследователски цикъл, като изпълнява множество подходи паралелно. При Flint тя е помогнала с данните за обучение, оптимизаторите, проектирането на архитектурата и настройката на инференцията. Три примера показват как системата е повлияла на производителността на модела.

Започвайки от архитектура с общо 35 милиарда и 3 милиарда активни параметъра, Eureka Machine е тествала различни конфигурации на експертите. Окончателният дизайн с общо 40 милиарда и 2,5 милиарда активни параметъра се е оказал най-добрият компромис между скорост и производителност при програмиране сред всички тествани варианти.

При квантизацията системата се е отклонила от обичайната практика и е намалила изходния слой също до четири бита. Допълнителна стъпка на дистилация е трябвало да възстанови загубената точност и според Recursive е изисквала приблизително наполовина по-малко стъпки на обучение от предишния метод. Завършеният модел NVFP4 изостава само с 0,7 точки от 16-битовата версия във всички бенчмаркове.

Eureka Machine е създала и специализирани изчислителни ядра за Apple Silicon и Nvidia RTX Spark. При чиповете M4 и M5 на Apple мегаядрото Metal обединява целия проход напред по време на генерирането на токени в една-единствена операция. Recursive твърди, че именно тези оптимизации на множество етапи от разработката правят възможна високата скорост на инференция.

Flint работи локално и се предлага с отворени тегла

Flint поддържа контекстови прозорци с до 512 000 токена, макар че Recursive препоръчва ограничаването им до 256 000. Теглата на модела са достъпни в Hugging Face съгласно лиценза Apache 2.0. Поддържаните среди за изпълнение включват llama.cpp, Ollama, LM Studio, vLLM и SGLang. Recursive пусна и rec — собствен двигател за инференция за Apple Silicon.

Всичко това означава, че моделът може да работи локално, без да изпраща код към външни сървъри. Recursive признава, че Flint се нуждае от повече насоки при сложни задачи в сравнение с големите собствени модели за програмиране. Компанията препоръчва по-големите задачи да се разделят на по-малки стъпки.

Recursive залага на възможността да създаде изкуствен интелект, който продължава да създава все по-добър изкуствен интелект

Стартъпът, основан от Ричард Сочър и други, сред които бившият изследовател на DeepMind Тим Роктешел, излезе от режим на секретност през май 2026 г. и набра 650 милиона долара при оценка от 4,65 милиарда долара. По това време Recursive не разполагаше с конкретни технически резултати, които да покаже. Flint е първият публично достъпен модел на компанията, създаден чрез автоматизирания ѝ изследователски процес.

Дългосрочната цел е създаването на суперинтелигентност, която непрекъснато се усъвършенства. Предполага се, че всеки нов модел ще превръща Eureka Machine в по-добър изследовател, така че следващото поколение модели да може да бъде създадено по-бързо и ефективно. В крайна сметка Recursive иска да приложи същия подход за автоматизиране на изследванията и в други научни области.

Дали това действително ще доведе до ускоряващо се самоусъвършенстване все още е далеч от решено. Бившият ръководител на изследванията в Google DeepMind Ориол Винялс смята подпомаганото от изкуствен интелект самоусъвършенстване за реалистично, но не вярва, че ще настъпи експлозия на интелигентността. Намирането на добри изследователски идеи и надеждното оценяване на резултатите остават особено трудни проблеми за системите с изкуствен интелект.

Други лаборатории за изкуствен интелект също вече използват изкуствен интелект за създаване на нови модели. Anthropic заявява, че Claude вече извършва значителна част от собствената си развойна работа, докато OpenAI внедрява агенти с изкуствен интелект в целия си изследователски процес. До каква степен действително стига тази автоматизация все още се обсъжда. Проучване на над 700 регистъра на задачи установи, че агентите с изкуствен интелект извършват голяма част от работата, но хората все още вземат повечето критични изследователски решения.

Това са стъпките, които Recursive иска да автоматизира с Eureka Machine. Flint е първият конкретен резултат, но все още не доказва пълно рекурсивно самоусъвършенстване. За тази цел компанията ще трябва да покаже, че модел, създаден с Eureka Machine, действително превръща самата Eureka Machine в по-добър изследовател.

Новини за изкуствения интелект без сензации – подбрани от хора

Абонирайте се за THE DECODER за четене без реклами, седмичен бюлетин за изкуствения интелект, нашия ексклузивен шест пъти годишно доклад „AI Radar“ за водещите разработки, достъп до целия архив и достъп до секцията за коментари.