Flint: Das Coding-Modell fürs Laptop, gebaut von KI

Kurz gesagt: Das Startup Recursive hat sein erstes Modell vorgestellt: Flint, ein kostenloses Coding-Modell, das komplett auf dem eigenen Laptop läuft. Das Besondere: Gebaut wurde es größtenteils von einer KI, die KI-Forschung automatisiert.

Was Flint kann

Flint ist ein Mixture-of-Experts-Modell mit 40 Milliarden Parametern, von denen pro Token nur 2,5 Milliarden aktiv sind, leicht genug für ein normales Laptop, schreibt Recursive. Laut TechCrunch erreicht es auf einem MacBook Pro mit M4 Pro etwa 131 Token pro Sekunde, rund doppelt so viel wie vergleichbare Modelle wie Googles Gemma 4 oder NVIDIAs Nemotron 3.5 Lightning auf derselben Maschine (58 bis 69). Auf einem RTX Spark mit 64 GB sind es über 150. Der Kontext reicht bis 512.000 Token, empfohlen werden 256.000. Auf SWE-Bench Verified schlägt Flint laut Recursive alle anderen Modelle unter 50 Milliarden Parametern; im eigenen Sechs-Benchmark-Schnitt liegt nur Alibabas Qwen3.8 27B noch vorn.

Die KI, die das Modell gebaut hat

Der eigentliche Clou ist der Bauprozess: Recursives Eureka Machine, ein System für automatisierte KI-Forschung, soll an fast jedem Schritt beteiligt gewesen sein, von Pretraining über Post-Training bis zur Inferenz. Zu ihren Beiträgen zählen eine sparsamere Modellform, Low-Bit-Training, das Flint um 71 Prozent schrumpfte, fast ohne Qualitätsverlust, und eigene Kernel. Ein kleines Team hat das Modell so in unter vier Monaten von Grund auf gebaut. Recursive nennt das einen ersten öffentlichen Test rekursiver Selbstverbesserung: KI baut bessere KI, die wiederum bessere KI baut, aktuell noch unter menschlicher Aufsicht.

Wie gut das Ergebnis ist, hat Will Knight von Wired ausprobiert: Auf einem Mac mit 48 GB baute er mit Flint mehrere kleine Programme, darunter eine To-do-App und ein Recherche-Tool. Während kleinere Coding-Modelle bei ihm oft Fehler produzierten, traf Flint seine Anfragen jedes Mal. Recursive selbst räumt ein, dass Flint mehr Anleitung braucht als die großen kostenpflichtigen Coding-Assistenten, und empfiehlt, große Aufgaben in kleine Schritte zu zerlegen.

Einordnung

Flint trifft zwei Trends gleichzeitig: lokale KI, die ohne Cloud, ohne API-Gebühren und ohne Datenabfluss auskommt, und automatisierte Forschung, bei der Modelle einen wachsenden Teil ihrer eigenen Entwicklung übernehmen. OpenAI hatte zuletzt berichtet, dass seine Agenten Mitte August bereits 3,1 Arbeitstage pro menschlichem Forschungstag leisteten. Ob die Eureka Machine bei künftigen Modellen längere Strecken allein schafft, wird die spannende Frage. Die Benchmarks hier sind Anbieter-Angaben, aber der Wired-Praxistest und die Apache-2.0-Veröffentlichung machen Flint leicht selbst prüfbar.

Was du mitnehmen kannst

• Flint ist kostenlos auf Hugging Face (Apache 2.0) und läuft offline auf dem eigenen Rechner.
• 40 Mrd. Parameter, nur 2,5 Mrd. aktiv: schnell genug fürs Laptop, stärker als alles unter 50 Mrd. auf SWE-Bench Verified.
• Größtenteils von der Eureka Machine gebaut: ein früher Praxistest für KI, die KI entwickelt.
• Faustregel von Recursive selbst: große Aufgaben in kleine Schritte zerlegen, dann liefert Flint.