Flint tient dans un ordinateur portable. Le modèle de code publié le 21 octobre par Recursive compte 39,8 milliards de paramètres, mais n'en active que 2,5 milliards à chaque token. Cette architecture « mixture of experts » lui permet de tourner sur un MacBook récent, sans connexion, et de rester rapide. Il est distribué gratuitement sous licence Apache 2.0.
Sa taille n'est pas la seule curiosité. Recursive affirme que son système de recherche automatisée, l'Eureka Machine, a participé à presque toutes les étapes de sa fabrication : le choix de l'architecture, l'entraînement, la quantification, les noyaux de calcul. Une petite équipe a ainsi sorti le modèle en moins de quatre mois.
Un modèle qui tient dans un portable
Flint utilise 49 couches, dont 47 de type « mixture of experts », 256 experts et 6 experts activés par token, plus un expert partagé. Il gère 262 144 tokens de contexte, et jusqu'à 512 000 en théorie. Ses poids représentent environ 80 Go en précision BF16 ; les versions quantifiées, elles, tiennent sur un portable. Recursive revendique 131 tokens par seconde sur un MacBook Pro M4 Pro — une mesure confirmée par TechCrunch — et plus de 150 sur une RTX Spark 64 Go. À titre de comparaison, Gemma 4 et Nemotron 3.5 Lightning tourneraient autour de 58 à 69 tokens par seconde sur la même machine.
L'intérêt est évident pour les développeurs : pas de facture au token, pas d'envoi de code à un serveur distant, et la possibilité de travailler hors ligne. Flint reste loin des modèles géants : Muse Spark Open, le modèle ouvert de Meta, aligne 816 milliards de paramètres et réclame au moins un téraoctet de mémoire.
Eureka, l'usine à modèles
L'Eureka Machine n'est pas un simple assistant de programmation. Selon Recursive, il propose des idées, lance des expériences, examine les résultats et décide de la suite. Il a notamment contribué à une architecture plus éparse — le modèle est passé d'une base de 35 milliards de paramètres dont 3 actifs à 40 milliards dont 2,5 actifs —, à une quantification qui réduit l'empreinte mémoire de 71 % selon TechCrunch, et à des noyaux Metal sur mesure qui fusionnent tout le calcul de génération sur les puces Apple.
« Presque tous les aspects du pipeline du modèle ont été réalisés et améliorés par l'IA. » — Richard Socher, PDG de Recursive
La startup n'est pas la seule à faire travailler des agents sur ses propres modèles. OpenAI indiquait le mois dernier que, mi-août, ses agents accomplissaient 3,1 journées de travail pour chaque journée d'un chercheur humain. Recursive, qui a levé 650 millions de dollars à une valorisation de 4,65 milliards (GV, Nvidia, AMD Ventures, Greycroft), a signé en juin un accord de calcul de 410 millions avec AWS. Son argument : « moins une question d'effectifs qu'une question de nombre d'agents ».
Les benchmarks, et ce qu'ils ne disent pas
Flint revendique 89,7 % sur SWE-bench Pro v2, 54,9 % sur Terminal-Bench 2.1 et 74,2 % sur SWE-bench Verified. Des scores élevés pour sa catégorie, mais publiés par l'entreprise elle-même, sur des tests qu'elle a choisis, et sans évaluation indépendante publiée à ce jour. Sur la moyenne maison de six tests, seul Qwen3.8 27B d'Alibaba fait mieux.
Le journaliste de Wired Will Knight l'a testé sur un Mac de 48 Go. Il a construit une liste de tâches en ligne de commande, un outil de veille qui parcourt le web et un petit site expliquant la recherche récursive. « Flint a réussi chacune de mes demandes de code », écrit-il, alors que les modèles de cette taille se trompent ou traînent souvent. Recursive reconnaît néanmoins que Flint demande plus de guidage que les grands assistants payants, et conseille de découper les tâches complexes.
La vraie expérience : l'auto-amélioration
Derrière Flint, il y a une thèse radicale : la « recursive self-improvement », l'idée qu'une IA peut améliorer l'IA qui l'a construite, et ainsi de suite. Recursive assume vouloir y arriver, avec des humains capables d'arrêter le processus. « Nous espérons que cela montre aux gens que nous avons effectivement toutes les étapes en place », dit Socher.
Le sujet est devenu explosif. En septembre, une chercheuse d'Anthropic a démissionné en avertissant que les progrès de l'IA, dont l'auto-amélioration, pourraient conduire à l'extinction de l'humanité d'ici quelques années. Plusieurs propositions de loi au Congrès veulent interdire la RSI. Une équipe de Microsoft, Carnegie Mellon et de l'université de Virginie a publié des travaux montrant qu'un agent de code peut déjà modifier son propre harnais logiciel et ses poids. Recursive juge ces craintes « plus proches de la science-fiction que de la réalité ».
Flint n'est pas une intelligence qui s'auto-améliore sans fin. C'est un bon modèle de code, ouvert, qui tient sur un portable, et la démonstration qu'une petite équipe peut aller vite en laissant l'IA faire une partie du travail. La question n'est pas de savoir si elle peut s'améliorer elle-même, mais qui garde la main sur le processus — et à quelle vitesse les modèles suivants arrivent.