Автоматизированная исследовательская система Recursive, названная компанией Eureka Machine, помогла практически на каждом этапе разработки Flint. Это позволило небольшой команде создать модель с нуля менее чем за четыре месяца.
Flint — это ранний публичный тест рекурсивного самосовершенствования: идеи о том, что ИИ может создавать лучший ИИ, который, в свою очередь, создает еще лучший ИИ. Это также одна из самых обсуждаемых идей в отрасли. Некоторые исследователи опасаются, что самосовершенствующийся ИИ может выйти из-под контроля человека. На данный момент версия Recursive более ограничена: это ИИ-ассистент по исследованиям под наблюдением людей, который создал модель, достаточно компактную для ноутбука.
Компания вышла из режима «стелс» в мае, получив 650 миллионов долларов финансирования при оценке в 4,65 миллиарда долларов от таких инвесторов, как GV, Nvidia и AMD Ventures. Recursive возглавляет генеральный директор Ричард Сохер, бывший главный научный сотрудник Salesforce.
Поскольку Flint работает на собственном компьютере пользователя, а не на облачных серверах компании, разработчики могут использовать его в автономном режиме, сохранять конфиденциальность своего кода и избегать платы за использование, которую облачные сервисы ИИ взимают в зависимости от объема обрабатываемого моделью текста. Модель доступна для бесплатного скачивания на Hugging Face, популярном сайте для обмена моделями ИИ, под лицензией Apache 2.0 — лицензией с открытым исходным кодом, разрешающей бесплатное использование и модификацию.
Flint — это модель типа «смесь экспертов», что означает использование лишь небольшой части ее возможностей для любой конкретной задачи: всего 2,5 миллиарда из 40 миллиардов настроек, известных как параметры, одновременно. Это делает ее достаточно легкой для обычного ноутбука и намного меньше, чем Muse Spark Open от *Meta, открытая модель, созданная для Mac и выпущенная на прошлой неделе. Muse Spark Open использует 816 миллиардов параметров и требует не менее терабайта памяти.
Flint также быстр. По тестам Recursive, он генерировал около 131 токена (фрагмента текста) в секунду на MacBook Pro с чипом M4 Pro от Apple — примерно вдвое больше, чем 58–69 токенов в секунду, которые аналогичные модели показывали на той же машине, включая Gemma 4 от Google и Nemotron 3.5 Lightning от Nvidia. На Nvidia RTX Spark Flint превышал 150 токенов в секунду.
На бенчмарке SWE-Bench Verified, который измеряет, насколько хорошо ИИ может исправлять реальные программные ошибки, Flint превзошел другие модели с менее чем 50 миллиардами параметров. По средним показателям Recursive в шести тестах, только одна модель, Qwen3.8 27B от Alibaba, показала результат выше, чем Flint.
Компания признала, что Flint потребует большего руководства, чем крупные платные помощники по программированию, и предложила разбивать большие задачи на более мелкие шаги. Тем не менее, первые отзывы были положительными. Уилл Найт из Wired использовал Flint на Mac с 48 ГБ памяти для создания нескольких небольших программ, включая приложение списка дел и инструмент для поиска информации в интернете. Он обнаружил, что меньшие модели кодирования часто сталкивались с ошибками или работали медленно по сравнению с Claude или Codex, но Flint каждый раз точно выполнял его запросы на программирование.
Eureka Machine генерирует идеи, проводит эксперименты и использует результаты для принятия решений о дальнейших действиях. Согласно стартовому видео компании, она участвовала почти во всех аспектах создания Flint, от предварительного обучения до пост-обучения и инференса.
Recursive заявила, что вклад Eureka включает более разреженную структуру модели, низкобитную тренировку, которая уменьшила Flint на 71% почти без потери качества, и пользовательские ядра — специализированные программы, ускоряющие базовые вычисления.
Recursive не уточнила, сколько времени Eureka Machine сэкономила своим исследователям, но она не единственная, кто полагается на ИИ для проведения исследований. OpenAI заявила в прошлом месяце, что к середине августа ее ИИ-агенты регистрировали 3,1 рабочего дня на каждый рабочий день человека-исследователя.
Если ставка Recursive сыграет, каждая новая модель должна будет выполнять более длительные задачи без помощи человека. Ранее компания сообщала TechCrunch, что ее сделка на 410 миллионов долларов на вычислительные мощности с Amazon Web Services в июне была «больше связана с количеством агентов, чем с количеством сотрудников».
Долгосрочная цель, как рассказал Сохер Wired, заключается в том, чтобы Eureka Machine достигла полного рекурсивного самосовершенствования, при этом люди будут контролировать процесс и смогут остановить его, если что-то пойдет не так. Recursive утверждает, что каждая новая модель должна делать Eureka Machine лучшим исследователем, помогая ей быстрее создавать следующую.
*Facebook, *Instagram и *WhatsApp принадлежат компании *Meta Platforms Inc., деятельность которой признана экстремистской и запрещена на территории Российской Федерации.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Aditya Mehta
