Yapay Zekâyla Geliştirilen Dizüstü Kodlama Modeli: Recursive, Flint’i Yayımladı
Yapay zekâ girişimi Recursive, ilk modeli Flint’i yayımladı. Dizüstü bilgisayarda çalışacak kadar küçük olan kodlama modelinin geliştirilmesinde şirketin otomatik araştırma sistemi Eureka Machine büyük rol oynadı.
Flint, toplam 40 milyar parametreli bir mixture-of-experts (uzmanlar karışımı) modeli; her token için bunun yalnızca 2,5 milyarını çalıştırıyor. Şirket, küçük bir insan ve ajan ekibinin modeli sıfırdan dört aydan kısa sürede geliştirdiğini söylüyor. Ağırlıkları Hugging Face üzerinde Apache 2.0 lisansıyla indirilebiliyor.
Recursive’in Eureka Machine sistemi modelin her aşamasında devrede
Eureka Machine, Recursive’in büyük ölçekli otomatik yapay zekâ araştırma ve geliştirme sistemi. Şirkete göre sistem; veriden eğitim tariflerine, altyapıdan çıkarım optimizasyonuna kadar Flint’in neredeyse tüm model geliştirme hattında görev aldı. Recursive, Flint’i bu sistemin pratik bir testi olarak tanımlıyor.
Yerelde çalışan model: hız ve veri gizliliği
Model kullanıcının kendi cihazında çalıştığı için kodlar uzak bir sunucuya gönderilmiyor. Şirketin paylaştığı ölçümlere göre Flint, M4 Pro işlemcili MacBook Pro’da saniyede 125’ten fazla, 64 GB’lık NVIDIA RTX Spark’ta 150’den fazla token üretiyor. Recursive bunun benzer modellere kıyasla iki katına varan hız anlamına geldiğini belirtiyor. Bağlam penceresi 512 bin token’a çıkıyor; en iyi sonuç için 256 bin token altı öneriliyor.
Şirket, Flint’in 50 milyar altı toplam parametreli MoE modeller arasında SWE-Bench Pro v2, Terminal-Bench 2.1 ve SWE-Bench Verified gibi ajan tabanlı kodlama testlerinde en iyi sonucu aldığını savunuyor. Bu sonuçlar şirketin kendi değerlendirmelerine dayanıyor. Recursive ayrıca Flint’in büyük ve kapalı kodlama asistanlarına göre daha fazla yönlendirme isteyebileceğini, karmaşık işlerin küçük alt görevlere bölünmesi gerektiğini de açıkça söylüyor.
Hedef: insan denetiminde kendini geliştiren yapay zekâ
Şirketin CEO’su Richard Socher’e göre uzun vadeli amaç, Eureka Machine’in insanların izlediği ve gerektiğinde durdurabildiği bir süreçte tam anlamıyla kendini geliştiren bir sisteme dönüşmesi. Recursive, Mayıs 2026’da 650 milyon dolarlık finansmanla gizlilikten çıkmıştı.
Flint’in dikkat çeken yanı yalnızca hızı değil, nasıl üretildiği. Küçük bir ekibin dört aydan kısa sürede rekabetçi bir model çıkarabilmesi, yapay zekâ araştırmasının kendisinin de otomasyona açıldığını gösteriyor. Türkiye’deki yazılımcılar ve girişimler için açık lisanslı, yerelde çalışan bir kodlama modeli, bulut maliyetini ve veri gizliliği kaygısını azaltan bir seçenek anlamına geliyor. Meta’nın Muse serisi gibi büyük modellerin yanında küçük ve verimli modellerin yükselişi, rekabetin parametre sayısından verimliliğe kaydığına işaret ediyor.
