O que é Flint?
Flint é um modelo de programação mixture-of-experts da Recursive, o laboratório registrado em Londres e liderado pelo ex-cientista-chefe da Salesforce Richard Socher, lançado em 21 de outubro de 2026. Ele tem 39,8 bilhões de parâmetros, mas usa cerca de 2,5 bilhões por token, e foi treinado do zero para agentes de programação: investigar bases de código, corrigir bugs, escrever funcionalidades e testes, com raciocínio e chamadas de ferramentas compatíveis com OpenAI. O contexto documentado é de 262.144 tokens, compartilhado entre prompt e saída.
A Recursive informa 54,9% no Terminal-Bench 2.1, 74,2% no SWE-bench Verified e 89,7% no SWE-bench Pro v2, medidos por ela mesma. Ela também informa mais de 125 tokens por segundo em um MacBook Pro M4 Pro e mais de 150 em uma RTX Spark de 64 GB com o próprio motor rec. As versões em 4 bits ocupam de 22,6 a 26,0 GB e exigem 48 GB de memória unificada ou de GPU; o checkpoint BF16 tem cerca de 80 GB e é servido em uma H200 ou B300 com o kit SGLang da Recursive. A Recursive diz que seu sistema de pesquisa automatizada, a Eureka Machine, projetou boa parte do modelo.
Os pesos estão sob Apache 2.0. Um endpoint gratuito e com limite de taxa roda no OpenRouter; a API própria da Recursive está aberta só para parceiros selecionados.
Flint vale a pena?
O Flint é um modelo de programação dimensionado para a máquina na sua mesa, e a velocidade é a afirmação a levar mais a sério. Com cerca de 2,5 bilhões de 39,8 bilhões de parâmetros ativos por token, a Recursive informa mais de 125 tokens por segundo em um MacBook Pro M4 Pro e mais de 150 em uma RTX Spark de 64 GB, ambos com contextos curtos no próprio motor rec. Para um agente que faz centenas de chamadas de ferramentas, esse throughput importa mais que alguns pontos de benchmark.
Os benchmarks exigem cuidado. Todos são da Recursive, e os 89,7% são no SWE-bench Pro v2 revisado da Scale, onde os agentes líderes agora passam de 90%, então não podem ser comparados com as pontuações do Pro original que outros laboratórios informam, nem lidos como mais fortes que os 74,2% no SWE-bench Verified. O card acrescenta que sua execução do Terminal-Bench conta como falhas as respostas obtidas na web, um ajuste que os rivais podem não fazer. O próprio post de lançamento da Recursive admite que o Flint pode precisar de mais orientação que os grandes modelos fechados e sugere dividir o trabalho em subtarefas.
Os números de memória são honestos, mas apertados. As versões em 4 bits têm 22,6 GB (MLX), 22,9 GB (GGUF NVFP4) e 26,0 GB (GGUF Q4_1), e a Recursive pede 48 GB de memória para rodar a janela completa, então um notebook de 32 GB não é o alvo. Trinta e cinco de suas 49 camadas veem só uma janela deslizante de 513 tokens, o que mantém o cache pequeno, mas deixa 14 camadas de atenção completa responsáveis por toda a memória de longo alcance; o card chama o contexto de limite de capacidade, não de promessa de precisão.
O laboratório por trás dele não é um projeto amador. A Recursive saiu do modo stealth em maio com US$ 650 milhões em financiamento, segundo a i-scoop, e diz que a Eureka Machine ajudou com arquitetura, dados, receitas de treinamento e kernels em menos de quatro meses. Um endpoint BF16 gratuito no OpenRouter permite que uma equipe experimente o Flint antes de baixar 80 GB, mas a API paga é só para parceiros e não tem preço. Na leitura da i-scoop sobre o gráfico da Recursive, um modelo Qwen denso maior ainda pontua mais, o que faz do Flint a opção local mais rápida, não a mais forte.
Onde ele se destaca
Um desenvolvedor backend com um MacBook Pro M4 Pro de 48 GB
Rodar um agente de programação em uma base de código privada sem enviar código a uma API
Baixe a versão de 23 GB do Ollama e aponte o OpenCode, o Cline ou o Claude Code para ela (`ollama launch claude --model flint`). Não há conta por token e nada sai do notebook; conte com dividir tarefas maiores em etapas, como a própria Recursive recomenda.
Um engenheiro de plataforma com uma H200 ou B300
Servir um modelo de programação compartilhado a uma equipe interna atrás de um endpoint compatível com OpenAI
O kit SGLang em Docker da Recursive roda o checkpoint BF16 de 80 GB em uma GPU por réplica; adicione réplicas conforme os usuários crescem. O código de modelagem para Transformers ainda não está incluído, então SGLang ou vLLM é o caminho suportado.
Um gerente de engenharia em uma agência de software de 20 pessoas
Descobrir se modelos locais podem reduzir o gasto da equipe com API de assistentes de programação
Teste primeiro o endpoint gratuito e com limite de taxa do OpenRouter nos tickets reais da equipe, depois compare o preço de notebooks de 48 GB com as contas atuais de API. Os pesos são gratuitos, mas com a API paga só para parceiros não há preço hospedado de reserva para orçar.
Antes de decidir
- Configuração
- `ollama run flint` baixa 23 GB; em um Mac compatível, o motor rec da Recursive baixa o modelo e configura o Pi ou o OpenCode. O llama.cpp exige uma versão com suporte ao Flint, e o serviço em GPU usa o kit SGLang em Docker incluído.
- Integrações
- Chat e chamadas de ferramentas compatíveis com OpenAI; os harnesses documentados são OpenCode, Pi, Cline e OpenHands, e o Ollama pode iniciar o Claude Code com ele. O card recomenda manter o reasoning_content devolvido no histórico da conversa.
- Dados e privacidade
- Rodando localmente, nada sai da máquina. O endpoint do OpenRouter é servido pela Recursive; o card diz que os termos hospedados e as práticas de dados são separados da licença dos pesos, e não encontramos termos de retenção publicados.
- Custo em escala
- Pesos gratuitos. Localmente, um Mac ou GPU com 48 GB de memória para as versões em 4 bits; em servidores, uma H200 ou B300 por réplica BF16 (cerca de 80 GB). Hospedado: gratuito e com limite de taxa no OpenRouter; nenhum preço pago por token publicado.
- Limites
- Só texto; prompt e saída compartilham a janela de 262.144 tokens. Problemas difíceis pedem um orçamento de saída de pelo menos 32.768 tokens e raciocínios longos podem esgotá-lo; o corte de conhecimento é junho de 2026.
O que é bom
- Mais de 125 tokens por segundo em um M4 Pro, segundo a Recursive
- Versões em 4 bits de 23 a 26 GB
- Apache 2.0, mais um endpoint gratuito no OpenRouter
- Ollama, llama.cpp, LM Studio, SGLang e vLLM no lançamento
O que não é
- Todos os benchmarks são autodeclarados
- A pontuação no SWE-bench Pro v2 não é comparável com o Pro de outros laboratórios
- Exige 48 GB de memória para o contexto completo
- API paga só para parceiros, sem preço publicado
Ideal para
Desenvolvedores que querem um modelo rápido para agentes de programação que rode localmente em um Mac ou em uma única GPU.
Alternativas ao Flint
Flint: perguntas frequentes
- Flint vale a pena?
- Um modelo de programação de fato dimensionado para um notebook de 48 GB, de um laboratório bem financiado, com todas as pontuações principais ainda sendo da própria Recursive. Damos nota 3.9 de 5.
- Quanto custa Flint?
- Pesos abertos gratuitos sob Apache 2.0; endpoint gratuito com limite de taxa no OpenRouter. API paga do Flint para parceiros selecionados, preço não publicado.
- Quais são as desvantagens de Flint?
- Todos os benchmarks são autodeclarados; a pontuação no SWE-bench Pro v2 não é comparável com o Pro de outros laboratórios; exige 48 GB de memória para o contexto completo; aPI paga só para parceiros, sem preço publicado.
- Para quem Flint é indicado?
- Desenvolvedores que querem um modelo rápido para agentes de programação que rode localmente em um Mac ou em uma única GPU.
- Quanto custa Flint para uma equipe ou em produção?
- Pesos gratuitos. Localmente, um Mac ou GPU com 48 GB de memória para as versões em 4 bits; em servidores, uma H200 ou B300 por réplica BF16 (cerca de 80 GB). Hospedado: gratuito e com limite de taxa no OpenRouter; nenhum preço pago por token publicado.
- Flint é seguro para dados da empresa?
- Rodando localmente, nada sai da máquina. O endpoint do OpenRouter é servido pela Recursive; o card diz que os termos hospedados e as práticas de dados são separados da licença dos pesos, e não encontramos termos de retenção publicados.
- Quais são as melhores alternativas ao Flint?
- As alternativas mais próximas que analisamos são Qwen3.8-27B, Devstral Small 2 e gpt-oss-20b.
Respostas verificadas em 23 de out. de 2026.