Flint is het eerste model van Recursive, het AI-lab van Richard Socher: een gratis codeermodel dat volledig offline op een laptop draait en volgens het bedrijf grotendeels door zijn eigen onderzoeks-AI ontworpen is. Het scoort sterk voor zijn formaat en is opvallend snel, maar je hebt minstens 48 GB geheugen nodig, en in de eigen vergelijking van Recursive blijft een groter Qwen-model beter. Dit lees je hieronder: wat Flint is, hoe goed het echt is, of het op jouw computer draait, hoe je het probeert en wat “door AI gebouwd” hier betekent.
Wat is Flint van Recursive?
Recursive bracht Flint op 21 oktober 2026 uit als open-weight model onder de Apache 2.0-licentie. Je mag het dus gratis downloaden, aanpassen en commercieel gebruiken. Het is gemaakt voor coding agents: een codebase verkennen, bugs oplossen, functies bouwen en tests schrijven, met tool calls en redeneren in meerdere stappen.
Onder de motorkap is Flint een mixture-of-experts-model. Volgens de model card telt het 39,8 miljard parameters, maar per token werken er maar ongeveer 2,5 miljard. Elke laag heeft 256 experts, waarvan een router er per token 6 kiest, plus één gedeelde expert die altijd meedoet. Daardoor heeft het model de kennis van een groot model en de snelheid van een klein model.
Nog een paar feiten uit de model card: een contextvenster van 262.144 tokens (Recursive raadt aan onder 256K te blijven), kennis tot juni 2026, en alleen tekst, geen beelden. De volledige versie in BF16 is zo’n 80 GB groot en draait op één Nvidia B300 of H200. Voor laptops zijn er versies in 4 bit van ongeveer 23 GB.
Hoe goed is Flint?
Recursive zegt dat Flint de beste mixture-of-experts onder 50 miljard parameters is op drie agentische codeertests. De model card geeft 54,9 % op Terminal-Bench 2.1, 89,7 % op SWE-bench Pro v2 en 74,2 % op SWE-bench Verified. Alle cijfers komen van Recursive zelf; een onafhankelijke ranglijst had Flint bij het schrijven nog niet getest.
Interessanter is de vergelijkingsgrafiek bij de lancering, die MarkTechPost uitschreef. Daarin wint Flint duidelijk van de andere kleine MoE-modellen, zoals Qwen 3.6 en Laguna XS 2.1 van Poolside. Tegen dense modellen, waar alle parameters bij elk token meewerken, ligt het anders:
| Model | Type | Terminal-Bench 2.1 | SWE-bench Pro v2 | SWE-bench Verified |
|---|---|---|---|---|
| Flint | MoE, 2,5B actief | 54,9 | 89,7 | 74,2 |
| Qwen 3.6 | MoE, 3B actief | 44,9 | 73,8 | 73,4 |
| Laguna XS 2.1 | MoE, 3B actief | 24,7 | 38,6 | 70,9 |
| Qwen 3.8 | dense | 73,0 | 94,9 | 75,6 |
| Muse Glimmer | dense | 51,7 | 86,0 | 76,0 |
| Gemma 4 | dense | 43,4 | 61,7 | 66,6 |
Drie kanttekeningen. Ten eerste is “SWE-bench Pro v2” een versie die Recursive zelf mat, en die cijfers zijn niet te vergelijken met de publieke SWE-bench Pro, waar Qwen 3.6 en Laguna XS 2.1 volgens hun makers rond 50 % scoren. Ten tweede gebruikten de concurrenten soms andere testversies. Ten derde is Terminal-Bench, het werk in een echte terminal, de zwakste score van Flint.
Wat Flint wel onderscheidt, is de snelheid. Op een MacBook Pro met M4 Pro haalt het volgens cijfers van Recursive die TechCrunch publiceerde ongeveer 131 tokens per seconde, tegenover 58 tot 69 voor Gemma 4 en Nemotron 3.5 Lightning op dezelfde machine. Recursive zegt dat Flint even goed codeert als dense modellen van 25 tot 40 miljard parameters, maar meer dan vijf keer sneller is. Bij een coding agent die tientallen stappen zet, maakt dat het verschil tussen een minuut en vijf minuten wachten.
Draait Flint op jouw computer?
Waarschijnlijk niet als je een gewone laptop hebt. De versie in 4 bit is ongeveer 23 GB groot, en daar komen je context, je besturingssysteem en je andere programma’s nog bij. Recursive mikt daarom op 48 GB geheugen. Zijn eigen inference-engine rec ondersteunt alleen Macs met een M4 Pro, M5 Pro of M5 Max met minstens 48 GB unified memory en 30 GB vrije schijfruimte. De meeste MacBooks hebben 16 tot 36 GB.
- Mac: M4 Pro, M5 Pro of M5 Max met 48 GB of meer. Recursive meet daar meer dan 125 tokens per seconde bij een korte context. Met rec haal je volgens het bedrijf 1,4 tot 2,6 keer de snelheid van llama.cpp.
- Nvidia: een RTX Spark met 64 GB haalt meer dan 150 tokens per seconde bij een korte context, en volgens OpenHands nog meer dan 100 bij 120.000 tokens context. Voor de versie in NVFP4 raadt Recursive minstens 48 GB GPU-geheugen aan.
- Server: de volledige BF16-versie draait op één Nvidia B300 of H200, met de SGLang-kit uit de model card.
Ter vergelijking: het nieuwe open model van Meta vraagt een terabyte geheugen. Flint past op één krachtige laptop. Wie lokaal wil werken zonder dure Mac, kan ook kijken naar een kant-en-klaar toestel zoals de Ghost Core AI PC.
Zo probeer je Flint
- Met Ollama:
ollama run flinthaalt de versie van 23 GB binnen, met 256K context (Ollama-bibliotheek). LM Studio, llama.cpp, Unsloth, vLLM en SGLang werken ook. - Met rec op een Mac: de engine van Recursive zelf, met een OpenAI-compatibele API. Je hebt ook Node.js 22 nodig.
- Zonder sterke computer: via OpenRouter is Flint gratis te gebruiken, met 262K context. Tools zoals Kilo Code, Cline, OpenHands en OpenClaw gebruiken het daar al.
Let op het verschil tussen de eerste twee en de derde. Lokaal blijft je code op je eigen toestel. Via OpenRouter gaat elke vraag naar de servers van Recursive, de enige aanbieder, en de pagina zegt niet of prompts bewaard of gebruikt worden. Voor bedrijfscode met klantgegevens is dat een wezenlijk verschil. Kijk de voorwaarden na voor je er echte code door stuurt.
Recursive geeft zelf twee tips. Gebruik de aanbevolen instellingen (temperatuur 1,0, top-p 0,95, top-k 20) en geef het model bij moeilijke taken minstens 32.768 tokens om te redeneren en te antwoorden. En deel grote opdrachten op in kleine stappen met duidelijke instructies, want Flint “kan meer begeleiding nodig hebben dan de grotere gesloten codeermodellen”.
Wat betekent het dat AI Flint bouwde?
Recursive is opgericht om AI te bouwen die zichzelf verbetert. Het bedrijf haalde in mei 2026 650 miljoen dollar op bij een waardering van 4,65 miljard, met onder meer GV, Nvidia en AMD. Het werkt vanuit Londen en San Francisco met minder dan dertig mensen, onder leiding van Richard Socher, ex-hoofdwetenschapper van Salesforce, en Tim Rocktäschel, AI-professor aan UCL en ex-onderzoeker bij Google DeepMind. In juli tekende het een rekenkrachtdeal van 410 miljoen dollar met AWS.
Flint is de eerste test van dat idee. Het automatische onderzoekssysteem van Recursive, de Eureka Machine, bedenkt ideeën, zet experimenten op en kiest op basis van de resultaten wat het daarna probeert. Volgens Recursive hielp het bij bijna elke stap, en een kleine ploeg van mensen en agents bouwde het model in minder dan vier maanden van nul. Concreet noemt het bedrijf vier vondsten:
- De vorm van het model. Het systeem vertrok van een ontwerp met 35 miljard parameters waarvan 3 miljard actief, en kwam uit op 40 miljard met 2,5 miljard actief: groter, maar per token zuiniger.
- De outputlaag in 4 bit. De meeste makers houden die laag op hogere precisie. De Eureka Machine deed het toch, en de 4-bitversie scoort binnen 0,7 punt van de 16-bitversie.
- Herstel door distillatie. Het gecomprimeerde model leert van het volledige model op zijn eigen voorbeeldantwoorden. Dat vroeg bijna de helft minder trainingsstappen dan de gebruikelijke aanpak.
- Eigen kernels. Gespecialiseerde rekenroutines, met op M4- en M5-chips één megakernel die een volledige rekenstap in één keer doet. Dat verklaart een groot deel van de snelheid.
Hoe zelfstandig was dat? Minder dan “AI bouwt AI” doet vermoeden. Mensen hielden toezicht en konden het proces op elk moment stoppen, zei Socher aan Wired. Wired-journalist Will Knight bouwde er zelf een to-do-app en een webresearchtool mee op een Mac met 48 GB, en vond dat het zijn opdrachten betrouwbaar afwerkte. Recursive zegt niet hoeveel onderzoekstijd het systeem uitspaarde, en ook niet wat Flint kostte. Wie wil weten waarom open modellen als Flint je minder afhankelijk maken van één leverancier, leest ons stuk over modellen huren en context bezitten.
Veelgestelde vragen
Is Flint gratis?
Ja. De gewichten staan gratis op Hugging Face onder Apache 2.0, en via OpenRouter kan je het gratis online gebruiken. Lokaal betaal je alleen je eigen hardware en stroom.
Werkt Flint op een MacBook met 16 of 32 GB?
Niet officieel. De 4-bitversie neemt al zo’n 23 GB in, en Recursive ondersteunt met rec alleen Macs met minstens 48 GB. Met minder geheugen blijft de gratis online versie over.
Is Flint even goed als Claude of Codex?
Nee. Recursive zegt zelf dat Flint meer begeleiding nodig heeft dan de grote gesloten modellen. Het is een sterk lokaal model voor dagelijkse taken, geen vervanger voor de beste cloudmodellen bij grote, complexe opdrachten.
Kan ik Flint in mijn editor gebruiken?
Ja. Ollama, LM Studio en rec bieden een OpenAI-compatibele API, die je kan koppelen aan tools zoals Cline, Kilo Code of OpenHands.
Begrijpt Flint Nederlands?
Recursive zegt niets over talen. Code en technische instructies in het Engels zijn de veiligste keuze; test zelf hoe goed het met Nederlandse opdrachten omgaat.
Snel genoeg om lokaal te blijven
Het belangrijkste aan Flint is niet de score, maar de combinatie. Een codeermodel dat je code nooit van je toestel laat gaan, was tot nu toe meestal traag of zwak. Flint is geen van beide, voor wie 48 GB geheugen heeft. Voor de rest van ons is het vooral een voorproefje: als een kleine ploeg met een onderzoeks-AI in vier maanden zo’n model maakt, zal de volgende versie sneller komen en waarschijnlijk in minder geheugen passen.
