記事のサマリー(TL;DR)
- 昨年設立のAIスタートアップRecursiveが、水曜日にノートPCで動作する無料のコーディングモデル「Flint」を公開しました。同社の自動化研究システム「Eureka Machine」がほぼすべての開発工程を支援し、小規模チームが4カ月未満でゼロから構築したとしています。
- Flintは400億パラメータのうち一度に25億パラメータのみを使うミックス・オブ・エキスパート型モデルで、Hugging Face上でApache 2.0ライセンスの下、無料でダウンロードできます。
- Recursiveのテストでは、Apple M4 Pro搭載MacBook Proで毎秒約131トークンを生成し、同条件のGoogle Gemma 4やNvidia Nemotron 3.5 Lightning(毎秒58〜69トークン)のおよそ2倍の速度だったと報告されています。
利用条件・位置付け
Flintはユーザー自身のコンピューター上で動作するため、クラウドサーバーを介さずにオフラインで利用でき、コードを外部に出さずに済み、処理するテキスト量に応じたAIクラウドサービスの利用料も発生しません。モデルはHugging Faceで無料公開されており、ライセンスはオープンソースの一種であるApache 2.0で、自由な利用・改変が認められています。なお同社はFlintについて、大規模な有料コーディングアシスタントよりも多くの指示が必要になるとしており、大きなタスクは小さなステップに分割することを勧めています。
詳細
Recursiveとその狙い
Recursiveは「AIが自らを改善できるAI」の構築を目指すスタートアップで、今回のFlintはその社名が示す理念を体現する最初の公開モデルとなります。同社の自動化研究システム「Eureka Machine」が、Flint開発のほぼすべての段階を支援したと説明しており、これにより小規模なチームが4カ月足らずでモデルをゼロから構築できたとしています。
Flintは「再帰的自己改善」、すなわちAIがより優れたAIを作り、それがさらに優れたAIを作るという発想の、初期段階の公開実験と位置付けられています。この発想は業界で最も議論を呼んでいるテーマの一つであり、AIが自身を改善し続けることで人間の制御を離れてしまうことを懸念する研究者もいます。もっとも、Recursiveの現状の取り組みはより限定的なもので、人間が監督するAIリサーチアシスタントが、ノートPCに収まる大きさのモデルを生み出した、という段階にとどまっています。
Recursiveは今年5月にステルスモードから姿を現し、GV、Nvidia、AMD Venturesなどの出資者から65億ドル(4.65 billion dollar)相当の評価額で6億5000万ドルの資金を調達したとされています。CEOはSalesforceの元チーフサイエンティストであるRichard Socher氏が務めています。
モデルの仕様とベンチマーク結果
Flintはミックス・オブ・エキスパート型のモデルで、400億のパラメータのうち、タスクごとに使用するのはわずか25億パラメータです。この構造により、一般的なノートPCでも動作するほど軽量になっており、先週公開されたMac向けのオープンモデルであるMetaの「Muse Spark Open」(8160億パラメータ、少なくとも1テラバイトのメモリーが必要)と比べてもはるかに小規模だとされています。
速度面について、Recursiveのテストでは、Apple M4 Pro搭載のMacBook Proで毎秒約131トークンを生成したとしています。これは、同じマシン上でGoogleの「Gemma 4」やNvidiaの「Nemotron 3.5 Lightning」といった同種のモデルが記録した毎秒58〜69トークンのおよそ2倍にあたります。またNvidiaの「RTX Spark」上では毎秒150トークンを超えたとされています。
ソフトウェアの実際のバグ修正能力を測るベンチマーク「SWE-Bench Verified」では、Flintは500億パラメータ未満のモデルの中で他モデルを上回ったとしています。Recursive独自の6種類のテストの平均スコアでは、FlintよりもAlibabaの「Qwen3.8 27B」のみが上回ったとしています。
Recursiveは、Flintが大手の有料コーディングアシスタントに比べてより多くの指示を必要とすると認めており、大きなタスクを小さなステップに分割することを提案しています。それでも初期のレビューは好意的だったとしています。Wired誌のWill Knight氏は、48GBメモリーを搭載したMac上でFlintを使い、ToDoリストアプリやウェブ上の情報を調べるツールなど複数の小規模なプログラムを構築しました。同氏によれば、小規模なコーディングモデルはエラーが発生したりClaudeやCodexに比べて動作が遅かったりすることが多い中、Flintは依頼したコーディング要求を毎回的確にこなしたとしています。
Eureka Machineの役割
Eureka Machineはアイデアを考案し、実験を実行し、その結果をもとに次に試すべきことを判断するシステムです。Recursiveの公開動画によれば、Eureka Machineは事前学習(pretraining)から事後学習(post-training)、推論(inference)に至るまで、Flint構築のほぼすべての工程に貢献したとされています。Recursiveは、Eurekaの貢献としてよりスパースなモデル構造、品質の低下をほとんど伴わずにFlintを71%縮小した低ビット学習、そして基礎的な計算処理を高速化する専用プログラムであるカスタムカーネルなどを挙げています。
Recursiveは、Eureka Machineが研究者の時間をどれだけ節約したかについては明らかにしていません。AIを研究に活用しているのはRecursiveだけではなく、OpenAIは先月、8月中旬までに自社のAIエージェントが、人間の研究者1人分の稼働に対して3.1労働日分の作業をこなしていたと述べています。Recursiveの取り組みがうまくいけば、新しいモデルが登場するたびに、人間の手を借りずにより長時間の作業をこなせるようになるはずだとされています。
同社は以前、TechCrunchに対し、6月に結んだAmazon Web Servicesとの4億1000万ドル規模のコンピュート契約について「人員数よりもエージェント数に関するものだ」と語っていました。Socher氏がWired誌に語ったところによると、より長期的な目標は、人間が監督し、問題が生じた場合には停止できる体制のもとで、Eureka Machineが完全な再帰的自己改善を達成することだとしています。Recursiveは、新しいモデルが登場するたびにEureka Machineがより優れた研究者となり、それが次のモデルをより早く構築する助けになるはずだとしています。