Flint의 개요
Flint는 Recursive가 2026년 10월 21일 공개한 mixture-of-experts 코딩 모델입니다. Recursive는 런던에 법인을 둔 연구소로, 전 Salesforce 수석 과학자 Richard Socher가 이끕니다. 파라미터는 398억(39.8 billion)개지만 토큰당 약 25억(2.5 billion)개만 쓰며, 코딩 에이전트용으로 처음부터 학습했습니다. 코드베이스 조사, 버그 수정, 기능과 테스트 작성을 다루고, 추론과 OpenAI 호환 도구 호출을 지원합니다. 문서상 컨텍스트는 262,144 토큰이며, 프롬프트와 출력이 함께 나눠 씁니다.
Recursive는 Terminal-Bench 2.1 54.9%, SWE-bench Verified 74.2%, SWE-bench Pro v2 89.7%를 보고하며, 모두 자체 측정입니다. 자체 rec 엔진으로 M4 Pro MacBook Pro에서 초당 125 토큰 이상, 64 GB RTX Spark에서 150 토큰 이상이 나온다고도 밝힙니다. 4-bit 빌드는 22.6~26.0 GB이고 48 GB의 통합 메모리 또는 GPU 메모리가 필요합니다. BF16 체크포인트는 약 80 GB이며 Recursive의 SGLang 키트로 H200 또는 B300 한 장에서 서빙합니다. Recursive는 자동화 연구 시스템인 Eureka Machine이 모델의 상당 부분을 설계했다고 말합니다.
가중치는 Apache 2.0입니다. OpenRouter에 무료지만 속도 제한이 있는 엔드포인트가 있고, Recursive 자체 API는 일부 파트너에게만 열려 있습니다.
Flint, 쓸 만한 가치가 있습니까?
Flint는 책상 위 컴퓨터에 맞춘 크기의 코딩 모델이며, 가장 진지하게 볼 주장은 속도입니다. 398억(39.8 billion) 파라미터 중 토큰당 약 25억(2.5 billion)개만 활성화되며, Recursive는 M4 Pro MacBook Pro에서 초당 125 토큰 이상, 64 GB RTX Spark에서 150 토큰 이상을 보고합니다. 둘 다 짧은 컨텍스트에서 자체 rec 엔진으로 잰 값입니다. 도구 호출을 수백 번 하는 에이전트에게는 벤치마크 몇 점보다 이 처리량이 더 중요합니다.
벤치마크는 조심해서 봐야 합니다. 모두 Recursive의 수치입니다. 89.7%는 Scale이 정리한 SWE-bench Pro v2 기준인데, 여기서는 선두 에이전트들이 이제 90%를 넘습니다. 그래서 다른 연구소가 보고하는 원래 Pro 점수와 비교할 수 없고, SWE-bench Verified 74.2%보다 강하다고 읽을 수도 없습니다. 카드는 또 Terminal-Bench 실행에서 웹으로 찾아온 답을 실패로 처리했다고 덧붙이는데, 경쟁사는 이런 조정을 하지 않을 수 있습니다. Recursive의 출시 글도 Flint가 대형 폐쇄형 모델보다 더 많은 안내가 필요할 수 있다고 인정하며, 작업을 하위 작업으로 나누라고 권합니다.
메모리 수치는 정직하지만 빠듯합니다. 4-bit 빌드는 22.6 GB(MLX), 22.9 GB(NVFP4 GGUF), 26.0 GB(Q4_1 GGUF)이며, Recursive는 전체 컨텍스트를 쓰려면 48 GB 메모리가 필요하다고 합니다. 32 GB 노트북은 대상이 아닙니다. 49개 레이어 중 35개는 513 토큰 sliding window만 보기 때문에 캐시는 작게 유지되지만, 장거리 기억은 모두 full-attention 레이어 14개가 맡습니다. 카드는 컨텍스트를 정확도의 약속이 아니라 용량의 한계로 설명합니다.
만든 연구소는 취미 프로젝트가 아닙니다. i-scoop에 따르면 Recursive는 5월에 6억 5,000만 달러($650 million)의 투자를 받고 공개 활동을 시작했으며, Eureka Machine이 4개월이 안 되는 기간 동안 아키텍처, 데이터, 학습 레시피, 커널 작업을 도왔다고 말합니다. OpenRouter의 무료 BF16 엔드포인트로 80 GB를 내려받기 전에 Flint를 시험해 볼 수 있습니다. 하지만 유료 API는 파트너 전용이고 가격이 없습니다. i-scoop이 Recursive의 차트를 읽은 바로는 더 큰 dense Qwen 모델이 여전히 점수가 높습니다. 따라서 Flint는 더 강한 선택지가 아니라 더 빠른 로컬 선택지입니다.
제 역할을 하는 곳
48 GB M4 Pro MacBook Pro를 쓰는 백엔드 개발자
코드를 API로 보내지 않고 비공개 코드베이스에서 코딩 에이전트 실행
23 GB Ollama 빌드를 받고 OpenCode, Cline, Claude Code가 이를 가리키게 합니다(`ollama launch claude --model flint`). 토큰당 요금이 없고 노트북 밖으로 나가는 것도 없습니다. Recursive 스스로 권하듯 큰 작업은 단계로 나눌 각오를 하십시오.
H200 또는 B300 한 장을 가진 플랫폼 엔지니어
OpenAI 호환 엔드포인트 뒤에서 사내 팀에 공유 코딩 모델 제공
Recursive의 Docker SGLang 키트는 복제본당 GPU 한 장으로 80 GB BF16 체크포인트를 실행합니다. 사용자가 늘면 복제본을 추가합니다. Transformers 모델링 코드는 아직 포함되지 않았으므로 SGLang이나 vLLM이 지원 경로입니다.
20명 규모 소프트웨어 에이전시의 엔지니어링 관리자
로컬 모델로 팀의 코딩 어시스턴트 API 지출을 줄일 수 있는지 확인
먼저 속도 제한이 있는 무료 OpenRouter 엔드포인트로 팀의 실제 티켓을 시험한 뒤, 48 GB 노트북 가격을 현재 API 청구액과 비교합니다. 가중치는 무료지만 유료 API가 파트너 전용이라 예산에 넣을 호스팅 대안 가격이 없습니다.
도입 전 확인할 점
- 설정
- `ollama run flint`는 23 GB를 내려받습니다. 지원되는 Mac에서는 Recursive의 rec 엔진이 모델을 내려받고 Pi나 OpenCode를 연결합니다. llama.cpp는 Flint를 지원하는 릴리스가 필요하고, GPU 서빙에는 함께 제공되는 SGLang Docker 키트를 씁니다.
- 연동
- OpenAI 호환 채팅과 도구 호출을 지원합니다. 문서화된 하네스는 OpenCode, Pi, Cline, OpenHands이며, Ollama로 Claude Code를 이 모델에 붙여 실행할 수 있습니다. 카드는 반환된 reasoning_content를 대화 기록에 유지하라고 합니다.
- 데이터와 개인정보
- 로컬에서 실행하면 아무것도 기기 밖으로 나가지 않습니다. OpenRouter 엔드포인트는 Recursive가 서빙합니다. 카드는 호스팅 약관과 데이터 처리 방식이 가중치 라이선스와 별개라고 하며, 공개된 보존 조건은 찾지 못했습니다.
- 대규모 사용 시 비용
- 가중치는 무료입니다. 로컬에서는 4-bit 빌드용으로 48 GB 메모리를 갖춘 Mac이나 GPU가 필요하고, 서버에서는 BF16 복제본(약 80 GB)당 H200 또는 B300 한 장이 필요합니다. 호스팅은 OpenRouter에서 무료이며 속도 제한이 있고, 유료 토큰당 가격은 공개되지 않았습니다.
- 제한
- 텍스트 전용이며, 프롬프트와 출력이 262,144 토큰 창을 함께 씁니다. 어려운 문제에는 최소 32,768 토큰의 출력 예산이 필요하고 긴 추론이 이를 소진할 수 있습니다. 지식 기준일은 2026년 6월입니다.
좋은 점
- Recursive 기준 M4 Pro에서 초당 125 토큰 이상
- 23~26 GB의 4-bit 빌드
- Apache 2.0, 무료 OpenRouter 엔드포인트
- 출시 시점에 Ollama, llama.cpp, LM Studio, SGLang, vLLM 지원
아쉬운 점
- 모든 벤치마크가 자체 발표
- SWE-bench Pro v2 점수는 다른 연구소의 Pro 점수와 비교 불가
- 전체 컨텍스트에 48 GB 메모리 필요
- 유료 API는 파트너 전용이며 공개 가격 없음
추천 대상
Mac이나 GPU 한 장에서 로컬로 돌아가는 빠른 코딩 에이전트 모델을 원하는 개발자.
Flint 대안
Flint: 자주 묻는 질문
- Flint, 쓸 만한 가치가 있습니까?
- 자금이 넉넉한 연구소가 만든, 실제로 48 GB 노트북에 맞춘 코딩 모델입니다. 다만 대표 점수는 모두 아직 Recursive 자체 수치입니다. 평점은 5점 만점에 3.9점입니다.
- Flint의 가격은 얼마입니까?
- Apache 2.0 무료 오픈 가중치이며, OpenRouter에 속도 제한이 있는 무료 엔드포인트가 있습니다. 유료 Flint API는 일부 파트너 전용이며 가격은 공개되지 않았습니다.
- Flint의 단점은 무엇입니까?
- 모든 벤치마크가 자체 발표; SWE-bench Pro v2 점수는 다른 연구소의 Pro 점수와 비교 불가; 전체 컨텍스트에 48 GB 메모리 필요; 유료 API는 파트너 전용이며 공개 가격 없음.
- Flint에 적합한 사람은 누구입니까?
- Mac이나 GPU 한 장에서 로컬로 돌아가는 빠른 코딩 에이전트 모델을 원하는 개발자.
- 팀이나 프로덕션 환경에서 Flint의 비용은 얼마입니까?
- 가중치는 무료입니다. 로컬에서는 4-bit 빌드용으로 48 GB 메모리를 갖춘 Mac이나 GPU가 필요하고, 서버에서는 BF16 복제본(약 80 GB)당 H200 또는 B300 한 장이 필요합니다. 호스팅은 OpenRouter에서 무료이며 속도 제한이 있고, 유료 토큰당 가격은 공개되지 않았습니다.
- Flint에 회사 데이터를 맡겨도 안전합니까?
- 로컬에서 실행하면 아무것도 기기 밖으로 나가지 않습니다. OpenRouter 엔드포인트는 Recursive가 서 빙합니다. 카드는 호스팅 약관과 데이터 처리 방식이 가중치 라이선스와 별개라고 하며, 공개된 보존 조건은 찾지 못했습니다.
- Flint의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3.8-27B, Devstral Small 2 및 gpt-oss-20b입니다.
답변 확인일: 2026년 10월 23일.