要点まとめ

  • Recursive Flintは、Richard Socher氏が率いるRecursiveの初のオープンウェイトモデルで、40BパラメータのMoE構成ながら1トークンあたり約2.5Bのみを活性化するローカル特化型コーディングモデルです。
  • MacBook Proで毎秒125トークン超、RTX Sparkで150トークン超という高速推論が報告されており、クラウドに依存せず自分のマシンで動かせる点が特徴です。
  • 自動研究システム「Eureka Machine」を使い、4か月未満でゼロから構築されたと説明されています。
  • 2026年10月21日の発表時点では公開ビルドや公式ページは未公開で、短いプレビュー映像とアナウンスのみが示されています。

基本情報

ジャンル・位置づけオープンウェイトのローカル向けコーディングAIモデル
対応端末MacBook Pro、RTX Sparkなどローカル環境
料金未発表。opencodeでの無料試用が案内
対応言語公式情報なし。公式サイトで確認を
注目ポイント40Bの知識を2.5Bの計算コストで扱うMoE
難易度ローカル実行は中級者以上向け
カテゴリAI・新モデル
作者・提供元Richard Socher
注目度🔥 注目度 342万
最終更新

Recursive Flintとは何か：Richard Socher氏とEureka Machineが生んだ初のモデル

Recursive Flintは、AI研究者のRichard Socher氏が率いるスタートアップRecursiveが2026年10月21日に発表した、同社初のモデルです。最大の特徴は、コーディングに特化しながらオープンウェイトで提供される点にあります。つまりモデルの重みが公開され、ユーザーが自分のマシンにダウンロードして実行できる形を目指しています。クラウドAPIに依存せず、手元の環境で完結する「プライベートで無制限の知能」というコンセプトが掲げられています。

開発を支えたのは、Recursiveが「Eureka Machine」と呼ぶ自動研究システムです。同社の説明によれば、Flintはこのシステムを用いて4か月未満でゼロから構築されました。モデル開発の期間を大幅に短縮する試みとして、研究コミュニティから関心を集めています。ただし、Eureka Machineの具体的な仕組みや学習データの詳細は現時点で十分に公開されていません。

発表時点では、公開ビルドやダウンロード用ページ、公式サイトはまだ用意されていません。Richard Socher氏による短いプレビュー映像とアナウンスが示された段階であり、実際に誰でもすぐ試せる状態ではない点には注意が必要です。続報は公式サイトやRecursiveの案内で確認するのが確実です。

  • 40B MoEという設計

    総パラメータ約39.8BのMixture-of-Expertsモデルで、1トークンあたり約2.5Bのみを活性化します。大きな知識量と低い計算コストを両立させる狙いがあります。

  • ローカル実行を前提

    クラウド経由ではなく、自分のマシン上で動かすことを重視した設計です。データを外部に出したくない開発者にとって魅力的な選択肢になります。

  • 自動研究システム由来

    Eureka Machineによって短期間で構築されたと説明されています。AIを使ってAIを開発する流れを象徴する事例として注目されています。

高速性の秘密：毎秒125トークン超を支えるMoEアーキテクチャ

Flintの性能で最も強調されているのは速度です。MacBook Proで毎秒125トークン以上、RTX Sparkでは150トークン以上という数値が案内されています。コーディング支援では、補完や修正のたびに待たされる時間が作業効率を大きく左右します。この速度は、ローカル環境でも実用的なテンポでコード生成が進むことを意味します。

速度の鍵はMoE（Mixture-of-Experts）にあります。総パラメータは約39.8Bと大きい一方、入力の各トークンに対して実際に計算されるのは約2.5B分だけです。すべてのパラメータを使う密なモデルに比べ、計算量を抑えつつ知識量を保てるため、ノートPCクラスのハードウェアでも動かしやすくなります。

ただし、これらの数値は発表時のアナウンスに基づくもので、第三者が同一条件で検証した結果ではありません。実際の速度はメモリ容量、量子化の有無、推論エンジンの設定によって変わります。購入や導入を検討する際は、自分の環境でベンチマークを取ることをおすすめします。

  • 活性化2.5Bの意味

    推論時に使う計算資源が小さいほど、メモリ帯域やGPU負荷が下がります。ローカルで動かす際の現実的なハードルを下げる効果があります。

  • 速度は環境依存

    公表値は特定のマシンでの数字です。量子化やコンテキスト長の設定次第で体感速度は変わります。

  • コーディング特化

    汎用チャットではなく、コード補完や生成に焦点を当てたモデルとして位置づけられています。開発ワークフローへの組み込みが想定されています。

使い方の流れ：オープンウェイトの入手からopencodeでの試用まで

Flintを試す方法は大きく2つあります。ひとつはオープンウェイトを入手し、好みのローカル推論エンジンに読み込ませて自分のマシンで動かす方法です。もうひとつは、コーディング環境「opencode」上で無料で試す方法が案内されています。まずは手軽な後者から始め、動作や出力の傾向を確かめてからローカル導入に進むのが現実的です。

ローカルで動かす場合は、モデルの重みをダウンロードし、対応する推論フレームワークに設定します。必要なメモリ量や量子化の選択肢はモデルの規模に依存するため、自分のマシンのスペックと相談しながら決めます。設定後は簡単なコード補完タスクで速度と品質を確認し、問題なければ日常の開発に組み込んでいきます。

注意点として、発表時点では公式のダウンロードページや詳細な導入手順はまだ整っていません。オープンウェイトが「入手可能」と案内されていても、実際の配布場所やライセンス条件は公式の続報で確認する必要があります。導入前に、対応フレームワークや必要スペックの最新情報を必ずチェックしましょう。

  • まずは無料環境で試す

    opencodeでの試用が案内されているため、ローカル環境を整える前に出力の質や速度感を確認できます。

  • 推論エンジンを選ぶ

    オープンウェイトは複数のローカル推論エンジンで動かせる想定です。使い慣れたツールを選ぶと導入がスムーズです。

  • ライセンスと配布元を確認

    公開状況や利用条件は発表時点で流動的です。公式サイトの案内を確認してから本格導入してください。

比較と向き不向き：どんな開発者にFlintが刺さるか

Flintの最大の売りは、クラウドに送れないコードや機密性の高いリポジトリを扱う開発者にとっての安心感です。ローカルで完結するため、通信の遅延や利用量の上限を気にせず使える可能性があります。一方で、超大規模なクラウドモデルと比べると、複雑な推論や長い文脈の扱いでは見劣りする場面も想定されます。

同種の選択肢としては、他のオープンウェイト系コーディングモデルや、クラウド型のコーディングアシスタントが挙げられます。Flintは「40Bの知識を2.5Bの計算コストで」という効率性を武器にしており、ノートPCでも動かせる点が差別化要素です。ただし、ベンチマークや実利用の比較データはまだ限られており、優劣を断定できる段階ではありません。

向いているのは、ローカル環境でのプライバシーを重視する開発者、通信制限のある場所で作業する人、推論コストを抑えたいチームです。逆に、最新の巨大モデルの最高精度を求める場合や、セットアップの手間を避けたい初心者には、クラウド型サービスのほうが向いている可能性があります。

  • プライバシー重視なら有力

    コードを外部サーバーに送らずに済むため、機密性の高いプロジェクトで利点があります。

  • 効率と精度のトレードオフ

    高速・低コストな反面、複雑なタスクでは大規模クラウドモデルに及ばない可能性があります。

  • 公開情報は限定的

    詳細な仕様やベンチマークはまだ少なく、公式の続報を待つ必要があります。

ステップ別ガイド

  1. 公式の発表内容を確認する

    まずはRecursiveの公式サイトや案内で、Flintの公開状況、ライセンス、配布方法を確認します。発表時点では公開ビルドが未提供のため、最新情報のチェックが欠かせません。

  2. opencodeで無料試用する

    案内されているコーディング環境opencodeにアクセスし、Flintを無料で試します。簡単なコード生成や補完を依頼し、出力の質と応答速度を体感してください。

  3. ローカル推論エンジンを準備する

    自分のマシンで動かす場合は、対応するローカル推論フレームワークをインストールします。必要メモリや量子化の設定は、モデルの規模とマシンスペックに合わせて調整します。

  4. オープンウェイトを読み込む

    入手した重みを推論エンジンに読み込み、簡単なプロンプトで動作確認します。エラーが出る場合は、モデル形式や設定ファイルの互換性を確認しましょう。

  5. 自分の環境でベンチマークする

    実際の速度と品質を測り、普段使っているコーディングアシスタントと比較します。結果をもとに、日常ワークフローに組み込むか判断します。

よくある質問

Recursive Flintは無料で使えますか？

発表ではopencode上で無料で試せると案内されています。ただし、ローカル実行用のオープンウェイトの配布条件やライセンス、商用利用の可否は明らかにされていません。料金や利用条件は公式サイトの最新情報で確認してください。

どんな端末で動きますか？

MacBook Proで毎秒125トークン超、RTX Sparkで150トークン超という数値が示されています。ただし、これらは発表時の公表値であり、実際の動作に必要なメモリ量や対応OSは明らかではありません。自分の環境で動くかは公式の要件を確認しましょう。

Flintのアーキテクチャの特徴は？

総パラメータ約39.8BのMoEモデルで、1トークンあたり約2.5Bのみを活性化します。これにより、大きな知識量を保ちながら計算コストを抑え、ローカル環境でも高速に動かせる設計です。

公開ビルドはありますか？

2026年10月21日の発表時点では、公開ビルドやダウンロードページ、公式サイトはまだ公開されていません。短いプレビュー映像とアナウンスのみが示された段階です。続報を公式の案内で確認することをおすすめします。

他のコーディングAIと比べてどうですか？

Flintはローカル実行と高速性、プライバシー保護を重視した設計が特徴です。一方、大規模クラウドモデルと比べた精度や長文脈の扱いについては、公開された比較データが限られています。実際に自分のタスクで試して判断するのが確実です。