A Recursive, startup de inteligência artificial fundada no ano passado, está começando a honrar seu próprio nome. A empresa, que busca construir IA capaz de se aprimorar autonomamente, lançou seu primeiro modelo na quarta-feira. O Flint é um modelo de programação gratuito capaz de funcionar em notebooks e foi construído em grande parte com auxílio de inteligência artificial. O sistema automatizado de pesquisa da companhia, denominado Máquina Eureka, contribuiu para praticamente todas as etapas do desenvolvimento do Flint, segundo informações da empresa. Essa abordagem permitiu que uma equipe reduzida construísse o modelo do zero em menos de quatro meses.
A empresa saiu do modo sigiloso em maio com 650 milhões de dólares em financiamento, avaliada em 4,65 bilhões de dólares, contando com investidores como GV (braço de investimentos do Google), Nvidia e AMD Ventures. A Recursive é liderada pelo executivo Richard Socher, ex-ciente-chefe da Salesforce. O modelo está disponível para download gratuito na plataforma Hugging Face, site popular para compartilhamento de modelos de IA, sob a licença Apache 2.0, que permite uso e modificação livre.
Por rodar no computador do próprio usuário em vez de servidores em nuvem das empresas, desenvolvedores podem utilizar o Flint offline, manter seu código privado e evitar as taxas cobradas por serviços de IA em nuvem, que variam conforme o volume de texto processado. O modelo é do tipo mistura de especialistas, ou seja, utiliza apenas uma pequena fração de si mesmo para cada tarefa específica: apenas 2,5 bilhões de seus 40 bilhões de configurações, conhecidas como parâmetros, por vez. Isso o torna leve o suficiente para um notebook comum e consideravelmente menor que o Muse Spark Open da Meta, modelo aberto construído para Macs lançado na semana passada, que utiliza 816 bilhões de parâmetros e requer pelo menos um terabyte de memória.
O Flint também se destaca pela velocidade. Nos testes da Recursive, o modelo gerou cerca de 131 tokens (fragmentos de texto) por segundo em um MacBook Pro com chip M4 Pro da Apple, aproximadamente o dobro dos 58 a 69 tokens por segundo que modelos similares alcançaram na mesma máquina, incluindo o Gemma 4 do Google e o Nemotron 3.5 Lightning da Nvidia. Na placa de vídeo RTX Spark da Nvidia, o Flint superou 150 tokens por segundo.
No SWE-Bench Verified, referência que mede a capacidade de sistemas de IA corrigir erros de software do mundo real, o Flint superou outros modelos com menos de 50 bilhões de parâmetros. Na média própria da empresa baseada em seis testes, apenas um modelo, o Qwen3.8 27B da Alibaba, obteve pontuação superior à do Flint. A empresa reconheceu que o Flint necessitará de mais orientações que os grandes assistentes de programação pagos, e sugere dividir tarefas extensas em etapas menores. Ainda assim, as avaliações iniciais foram positivas.
Will Knight, colaborador da publicação Wired, utilizou o Flint em um Mac com 48 gigabytes de memória para construir diversos programas pequenos, incluindo um aplicativo de lista de tarefas e uma ferramenta que busca informações na web para pesquisa. Ele constatou que modelos menores de programação frequentemente enfrentavam erros ou eram lentos quando comparados ao Claude ou ao Codex, porém o Flint atendeu a todos os seus pedidos de programação com precisão.
A Máquina Eureka gera ideias, executa experimentos e utiliza os resultados para determinar os próximos passos. De acordo com o vídeo de lançamento da empresa, ela contribuiu para praticamente todas as etapas de construção do Flint, desde o pré-treinamento até o pós-treinamento e a inferência. As contribuições do sistema incluem um formato de modelo mais esparso, treinamento com baixa precisão de bits que reduziu o Flint em 71% quase sem perda de qualidade, e núcleos personalizados, que são programas especializados que aceleram os cálculos subjacentes.
A Recursive não revelou quanto tempo a Máquina Eureka economizou para seus pesquisadores, mas não está sozinha na estratégia de utilizar IA para conduzir pesquisas. A OpenAI informou no mês passado que, até meados de agosto, seus agentes de IA registravam o equivalente a 3,1 dias de trabalho para cada dia trabalhado por um pesquisador humano. Se a aposta da Recursive funcionar, cada novo modelo deverá ser capaz de assumir períodos mais longos de trabalho sem auxílio humano. A empresa informou anteriormente à publicação que seu acordo de 410 milhões de dólares em computação com a Amazon Web Services em junho foi "menos sobre quantidade de funcionários e mais sobre quantidade de agentes".
O objetivo a longo prazo, segundo Socher declarou à Wired, é que a Máquina Eureka alcance o autoaperfeiçoamento recursivo completo, com humanos supervisionando o processo e capacidade de interrompê-lo se algo sair do controle. A Recursive afirma que cada novo modelo deve tornar a Máquina Eureka uma pesquisadora melhor, ajudando-a a construir o próximo modelo de forma mais rápida.
Fonte: TechCrunch
