Recursive lança o Flint, modelo de 40B para coding com agentes em hardware local

O Flint, da Recursive, é um modelo mixture-of-experts com 40 bilhões de parâmetros totais e 2,5 bilhões ativos por token. A empresa afirma que ele lidera os MoE com menos de 50 bilhões de parâmetros em benchmarks de coding com agentes, como SWE-Bench Pro v2, Terminal-Bench 2.1 e SWE-Bench Verified. Também diz que rivaliza com modelos densos de 25 a 40 bilhões de parâmetros rodando mais de cinco vezes mais rápido. Os números vêm da própria Recursive.

A velocidade medida é de mais de 125 tokens por segundo num MacBook Pro com M4 Pro e mais de 150 tokens por segundo numa NVIDIA RTX Spark de 64GB, em contextos curtos. A versão final em NVFP4 fica a 0,7 ponto do modelo em 16 bits nos benchmarks da empresa. O lm_head foi quantizado em 4 bits, o que a Recursive justifica porque, com poucos parâmetros ativos, a camada de saída pesa muito nas leituras de memória por token. A janela vai até 512 mil tokens, com recomendação de ficar em 256 mil. A própria empresa avisa que o Flint pode exigir mais orientação que modelos fechados maiores, e sugere quebrar tarefas complexas em subtarefas.

Os pesos estão no Hugging Face sob Apache 2.0. Há suporte a llama.cpp, Ollama, Unsloth, LM Studio, vLLM e SGLang, além do rec, motor de inferência próprio para M4 Pro e M5 Pro/Max. A Recursive diz que o sistema Eureka Machine, de pesquisa automatizada, ajudou em dados, treino, quantização e kernels, incluindo um megakernel em Metal para M4 e M5.

O Flint entra numa sequência de modelos de coding para uso local. Em 10 de junho de 2026, o CEVIU noticiou que a Cohere lançou um modelo de codificação baseado em agentes, o North Mini Code, com 30B de parâmetros, MoE e 3B ativos, sob Apache 2.0. Em 11 de agosto de 2026, o CEVIU noticiou a Meta com o Muse Glimmer, de 30 bilhões de parâmetros, também Apache 2.0 e voltado a agentes locais. O Flint chega com 40B totais e 2,5B ativos, menos parâmetros ativos que o modelo da Cohere. São empresas diferentes, então não é evolução de um mesmo produto, e a comparação de desempenho entre eles não está no material.

Para quem opera agentes de coding em máquina própria, o ponto é a razão entre parâmetros ativos e qualidade. Se os números da Recursive se confirmarem em testes independentes, dá para ter velocidade de uso diário num notebook sem API e sem enviar código a terceiros. Vale validar em tarefas reais, porque os benchmarks são da fabricante e a própria empresa admite que o modelo pede mais instrução.