Das Wichtigste in Kürze

  • Recursive Flint ist das erste Modell des Startups Recursive unter Richard Socher und ein offenes Coding-Modell mit rund 40 Milliarden Parametern im MoE-Design.
  • Pro Token werden nur etwa 2,5 Milliarden Parameter aktiviert, wodurch es laut Ankündigung lokal über 125 Tokens/s auf einem MacBook Pro und 150+ auf einer RTX Spark erreicht.
  • Offene Gewichte sind angekündigt, aber es gibt noch keinen öffentlichen Build und keine offizielle Seite; bislang wurde nur eine kurze Vorschau gezeigt.
  • Als kostenloser Test ist die Nutzung in der Coding-Umgebung opencode vorgesehen, sobald das Modell dort verfügbar ist.

Kurzüberblick

TypOffenes Coding-Modell, Mixture-of-Experts
GeräteLokaler Betrieb auf MacBook Pro und RTX Spark
KostenOffene Gewichte angekündigt; Preise noch offen
SprachenNoch nicht bestätigt; offizielle Seite prüfen
Highlight40B Wissen bei nur 2,5B aktivierten Parametern
EinstiegNoch kein öffentlicher Build; nur Vorschau
KategorieKI & Modelle
UrheberRichard Socher
Trend-Index🔥 3,4 Mio. Trend-Index
Zuletzt aktualisiert

Was Recursive Flint ist und warum es gerade Aufmerksamkeit bekommt

Recursive Flint ist das erste Modell des Startups Recursive, das von Richard Socher geführt wird und am 21. Oktober 2026 vorgestellt wurde. Es handelt sich um ein Coding-Modell mit rund 40 Milliarden Parametern im Mixture-of-Experts-Design, das laut Ankündigung vollständig offene Gewichte erhalten soll. Damit richtet es sich an Entwicklerinnen und Entwickler, die ihre Coding-Assistenz lokal und ohne Cloud-Abhängigkeit betreiben wollen.

Der Reiz liegt im Verhältnis von Wissen zu Rechenaufwand: Obwohl das Modell insgesamt rund 40 Milliarden Parameter umfasst, aktiviert es pro Token nur etwa 2,5 Milliarden. Diese Kombination soll laut Ankündigung lokal über 125 Tokens pro Sekunde auf einem MacBook Pro und mehr als 150 Tokens pro Sekunde auf einer RTX Spark erreichen. Das wäre für ein Modell dieser Größenklasse ungewöhnlich schnell.

Bemerkenswert ist auch die Entstehungsgeschichte: Flint wurde nach Angaben des Unternehmens in weniger als vier Monaten von Grund auf neu gebaut, mithilfe eines automatisierten Research-Systems namens Eureka Machine. Das Modell ist damit nicht nur ein Produkt, sondern auch eine Demonstration des eigenen Entwicklungsansatzes. Offiziell verfügbar ist es allerdings noch nicht.

  • Offene Gewichte angekündigt

    Die Gewichte sollen veröffentlicht werden, sodass du das Modell in einer eigenen lokalen Inferenz-Umgebung betreiben kannst. Ein konkreter Download ist bislang aber nicht bestätigt.

  • MoE-Architektur mit sparsamer Aktivierung

    Nur ein Bruchteil der Parameter ist pro Token aktiv, was den Rechenaufwand senkt und lokale Geschwindigkeit ermöglicht. Die genaue Expertenanzahl ist nicht öffentlich bestätigt.

  • Eureka Machine als Entwicklungsbasis

    Recursive hat Flint nach eigenen Angaben mit einem automatisierten Research-System erstellt. Das erklärt den sehr kurzen Entwicklungszeitraum von unter vier Monaten.

  • Fokus auf lokales Coding

    Das Modell ist ausdrücklich für Coding-Aufgaben auf dem eigenen Rechner positioniert, nicht als allgemeiner Chatbot. Konkrete Benchmark-Werte wurden noch nicht veröffentlicht.

So funktioniert das Modell technisch: MoE, aktive Parameter und lokale Inferenz

Mixture-of-Experts bedeutet, dass ein Modell aus vielen spezialisierten Teilnetzen besteht, von denen pro Token nur einige wenige aktiviert werden. Bei Flint sind das rund 2,5 Milliarden der insgesamt etwa 40 Milliarden Parameter. Dadurch sinken Speicherbandbreite und Rechenlast pro Token deutlich, während das Modell rechnerisch auf das Wissen aller Experten zugreifen kann.

Für lokale Inferenz ist das entscheidend, weil die Geschwindigkeit weniger von der Gesamtzahl der Parameter als von den pro Token aktiven Gewichten abhängt. Deshalb sind die angegebenen 125 Tokens pro Sekunde auf einem MacBook Pro und 150+ auf einer RTX Spark plausibel, auch wenn sie ohne unabhängige Messungen noch als Herstellerangabe gelten müssen.

Offene Gewichte erlauben es, das Modell in gängigen lokalen Inferenz-Engines zu laden und ohne Netzwerkverbindung zu betreiben. Das verspricht Privatsphäre und keine laufenden Kosten pro Anfrage. Ob und in welchen Formaten die Gewichte erscheinen, welche Quantisierungen unterstützt werden und wie viel Arbeitsspeicher nötig ist, ist jedoch noch nicht bestätigt und sollte auf der offiziellen Seite geprüft werden.

  • Sparsame Aktivierung senkt die Latenz

    Weil nur etwa 2,5 Milliarden Parameter pro Token gerechnet werden, bleibt die Antwortzeit auch auf Laptops niedrig. Die Gesamtgröße von rund 40 Milliarden Parametern bestimmt dagegen vor allem den Speicherbedarf.

  • Lokaler Betrieb statt Cloud

    Offene Gewichte lassen sich in einer eigenen Umgebung ausführen, was private Codebasen schützt. Voraussetzung ist ausreichend RAM und eine passende Inferenz-Engine.

  • Automatisierte Forschung als Baukasten

    Die Eureka Machine soll Architektur- und Trainingsentscheidungen automatisiert haben. Ob sich dieser Ansatz auf andere Domänen übertragen lässt, ist offen.

Zugang, Testmöglichkeiten und was du bis zum Release tun kannst

Derzeit gibt es keinen öffentlichen Build, keinen Download und keine offizielle Seite für Flint. Das Unternehmen hat das Modell bislang nur in einer kurzen Vorschau vorgestellt. Du kannst es also noch nicht lokal ausführen, egal wie leistungsfähig dein Rechner ist. Alles andere wäre Spekulation.

Geplant ist laut Ankündigung, dass die offenen Gewichte über eine lokale Inferenz-Engine deiner Wahl laufen und das Modell zusätzlich kostenlos in der Coding-Umgebung opencode getestet werden kann. Beides ist zum jetzigen Zeitpunkt noch nicht verfügbar. Wenn du Flint ausprobieren willst, solltest du die offizielle Seite von Recursive im Blick behalten und auf die Freigabe der Gewichte warten.

Sinnvoll ist es, in der Zwischenzeit die eigene lokale Toolchain vorzubereiten: eine Inferenz-Engine installieren, Speicherbedarf prüfen und ein Benchmark-Set aus eigenen Coding-Aufgaben anlegen. So kannst du Flint am ersten Tag mit deinem aktuellen Assistenten vergleichen, statt erst dann mit dem Testen zu beginnen.

  • Noch keine öffentliche Version

    Es existiert weder ein Download noch eine offizielle Produktseite. Die einzige Quelle ist die kurze Vorschau des Unternehmens.

  • Kostenloser Test in opencode geplant

    Laut Ankündigung soll Flint in der Coding-Umgebung opencode kostenlos nutzbar sein. Ein Termin dafür wurde nicht genannt.

  • Eigene Benchmarks vorbereiten

    Lege jetzt typische Aufgaben aus deinem Alltag als Testset an, damit du Geschwindigkeit und Codequalität später direkt vergleichen kannst.

  • Hardware realistisch einschätzen

    Die genannten Werte beziehen sich auf ein MacBook Pro und eine RTX Spark. Ob deine Hardware ausreicht, hängt vom Speicherbedarf der veröffentlichten Gewichte ab.

Vergleich mit anderen Coding-Modellen und offene Fragen

Flint tritt gegen eine wachsende Gruppe lokaler Coding-Modelle an, darunter offene Modelle ähnlicher Größenordnung sowie kleinere, stärker quantisierte Varianten. Sein Alleinstellungsmerkmal ist die Kombination aus rund 40 Milliarden Parametern Gesamtwissen und nur etwa 2,5 Milliarden aktiven Parametern pro Token. Das verspricht mehr Wissen als kleine Modelle bei ähnlicher Geschwindigkeit wie deutlich kleinere Varianten.

Ob dieser Vorteil in der Praxis trägt, lässt sich ohne veröffentlichte Benchmarks nicht sagen. Die angegebenen Token-pro-Sekunde-Werte stammen aus der Ankündigung und wurden nicht unabhängig überprüft. Auch zur Codequalität, zur Kontextlänge, zu unterstützten Programmiersprachen und zur Lizenz der Gewichte gibt es noch keine bestätigten Angaben.

Für wen Flint interessant ist, lässt sich dennoch eingrenzen: Entwicklerinnen und Entwickler, die Wert auf Privatsphäre legen, keine laufenden Kosten pro Anfrage wollen und über ausreichend lokale Hardware verfügen. Wer eine sofort verfügbare Lösung braucht oder auf einem schwächeren Gerät arbeitet, sollte zunächst bei seinem aktuellen Assistenten bleiben und die Veröffentlichung abwarten.

  • Stärke gegenüber kleinen Modellen

    Mit rund 40 Milliarden Parametern bringt Flint deutlich mehr Gesamtwissen mit als typische kleine Lokalmodelle. Die sparsame Aktivierung soll den Geschwindigkeitsnachteil ausgleichen.

  • Vergleichbarkeit noch eingeschränkt

    Ohne veröffentlichte Benchmarks und unabhängige Messungen bleibt der Vergleich mit anderen Coding-Modellen vorläufig. Prüfe die offizielle Seite auf aktuelle Zahlen.

  • Offene Fragen zur Lizenz

    Ob die Gewichte kommerziell nutzbar sind und welchen Einschränkungen sie unterliegen, ist nicht bestätigt. Das ist vor einem produktiven Einsatz entscheidend.

  • Hardware als Hürde

    Ein Modell dieser Größe braucht viel Arbeitsspeicher, selbst bei sparsamer Aktivierung. Auf schwächeren Geräten kann der lokale Betrieb unpraktisch werden.

Schritt-für-Schritt-Anleitung

  1. Ankündigung und offizielle Seite verfolgen

    Da es noch keinen öffentlichen Build gibt, ist die offizielle Seite von Recursive die einzige verlässliche Quelle. Dort solltest du prüfen, ob Gewichte, Lizenz und Systemanforderungen veröffentlicht wurden. Verlasse dich nicht auf Weiterleitungen oder inoffizielle Downloads.

  2. Lokale Inferenz-Engine vorbereiten

    Installiere eine gängige lokale Inferenz-Engine und teste sie mit einem kleineren Modell, damit die Umgebung läuft. So erkennst du Treiber- oder Speicherprobleme früh. Welche Engines Flint unterstützen wird, ist noch nicht bestätigt.

  3. Speicherbedarf und Hardware prüfen

    Vergleiche den Arbeitsspeicher deines Rechners mit den später veröffentlichten Anforderungen. Die genannten Geschwindigkeiten beziehen sich auf ein MacBook Pro und eine RTX Spark. Auf Geräten mit weniger Speicher kann der Betrieb deutlich langsamer ausfallen.

  4. Eigenes Benchmark-Set anlegen

    Sammle zehn bis zwanzig typische Coding-Aufgaben aus deinem Alltag mit klaren Erwartungen. Damit kannst du Flint später objektiv mit deinem aktuellen Assistenten vergleichen. Achte auf Codequalität, Geschwindigkeit und Nachbearbeitungsaufwand.

  5. Kostenlosen Test in opencode einplanen

    Sobald Flint in der Coding-Umgebung opencode verfügbar ist, teste es dort ohne lokale Installation. So bekommst du einen ersten Eindruck, bevor du Speicherplatz und Rechenzeit investierst. Ein Termin für die Freischaltung wurde nicht genannt.

Häufige Fragen

Was ist Recursive Flint genau?

Recursive Flint ist das erste Modell des von Richard Socher geführten Startups Recursive und wurde am 21. Oktober 2026 vorgestellt. Es handelt sich um ein Coding-Modell mit rund 40 Milliarden Parametern im Mixture-of-Experts-Design, das pro Token nur etwa 2,5 Milliarden Parameter aktiviert. Die Gewichte sollen offen sein, damit du es lokal betreiben kannst.

Kann ich Flint schon kostenlos testen oder herunterladen?

Nein, derzeit gibt es weder einen öffentlichen Build noch einen Download oder eine offizielle Produktseite. Das Unternehmen hat das Modell bislang nur in einer kurzen Vorschau gezeigt. Laut Ankündigung soll ein kostenloser Test in der Coding-Umgebung opencode möglich sein, ein Termin dafür wurde aber nicht genannt.

Auf welcher Hardware läuft Flint und wie schnell ist es?

Nach Angaben des Unternehmens erreicht Flint über 125 Tokens pro Sekunde auf einem MacBook Pro und mehr als 150 Tokens pro Sekunde auf einer RTX Spark. Diese Werte stammen aus der Ankündigung und wurden nicht unabhängig überprüft. Ob dein eigener Rechner ausreicht, hängt vor allem vom Arbeitsspeicher ab, den die veröffentlichten Gewichte benötigen.

Was bedeutet offene Gewichte bei einem Coding-Modell?

Offene Gewichte bedeuten, dass die trainierten Parameter veröffentlicht werden und du das Modell in einer eigenen lokalen Inferenz-Engine ausführen kannst. Das ermöglicht privaten Betrieb ohne Cloud und ohne Kosten pro Anfrage. Ob die Lizenz kommerzielle Nutzung erlaubt und welche Formate erscheinen, ist noch nicht bestätigt und sollte auf der offiziellen Seite geprüft werden.

Wie schlägt sich Flint im Vergleich zu anderen lokalen Coding-Modellen?

Flint kombiniert rund 40 Milliarden Parameter Gesamtwissen mit nur etwa 2,5 Milliarden aktiven Parametern pro Token, was auf mehr Wissen bei ähnlicher Geschwindigkeit wie kleinere Modelle hindeutet. Ohne veröffentlichte Benchmarks bleibt der Vergleich jedoch vorläufig. Prüfe die offizielle Seite auf unabhängige Messungen, bevor du deine Toolchain umstellst.