Recursive Rilis Flint, Model Coding Laptop yang Dikembangkan dengan Bantuan AI
CIANJUR.CO - Startup kecerdasan buatan Recursive merilis Flint, model untuk membantu pekerjaan pemrograman yang dapat dijalankan langsung di laptop. Model ini tersedia gratis dan, menurut perusahaan, dikembangkan sebagian besar dengan bantuan sistem riset otomatis milik Recursive. Peluncuran tersebut menjadi uji publik awal atas gagasan bahwa AI dapat membantu membangun AI yang lebih baik.
Berdasarkan laporan TechCrunch AI, Recursive memperkenalkan Flint pada Rabu. Perusahaan yang didirikan tahun lalu itu mengembangkan teknologi yang ditujukan untuk membuat AI mampu meningkatkan kemampuannya sendiri. Dalam pembuatan model pertamanya, tim kecil Recursive memulai dari awal dan menyelesaikan pengembangannya dalam waktu kurang dari empat bulan.
Perusahaan menyebut hampir setiap tahap pengembangan Flint dibantu Eureka Machine, sistem riset otomatis Recursive. Sistem tersebut tidak bekerja tanpa pengawasan: untuk saat ini, Eureka berperan sebagai asisten riset AI yang diarahkan manusia. Hasilnya adalah model yang cukup kecil untuk dijalankan di laptop, bukan sistem yang sepenuhnya mengembangkan dirinya tanpa campur tangan manusia.
Dirancang untuk berjalan di komputer pengguna
Flint berjalan di komputer pengguna, bukan melalui server cloud milik perusahaan. Dengan pendekatan ini, pengembang dapat memakai model ketika tidak tersambung ke internet, menjaga kode tetap berada di perangkat sendiri, serta menghindari biaya penggunaan layanan AI cloud yang dihitung berdasarkan banyaknya teks yang diproses model.
Model ini dapat diunduh secara gratis melalui Hugging Face, situs untuk berbagi model AI. Recursive merilisnya dengan lisensi Apache 2.0, lisensi sumber terbuka yang mengizinkan penggunaan dan modifikasi secara gratis. Keberadaan lisensi tersebut memungkinkan pengguna memperoleh model dan mengubahnya sesuai ketentuan lisensinya.
Baca juga: Walmart Buka Akses Belanja bagi Agen AI dengan Batas Transaksi
Secara teknis, Flint menggunakan arsitektur mixture-of-experts. Artinya, model hanya mengaktifkan sebagian kecil dari keseluruhan komponennya untuk menangani satu tugas. Dari total 40 miliar parameter—komponen yang menjadi ukuran model—hanya 2,5 miliar yang digunakan pada satu waktu. Penggunaan sebagian parameter itu membuat Flint cukup ringan untuk laptop biasa.
Ukuran tersebut jauh lebih kecil dibandingkan Muse Spark Open dari Meta, model terbuka untuk Mac yang dirilis pada pekan sebelumnya. Muse Spark Open memiliki 816 miliar parameter dan membutuhkan memori sedikitnya satu terabita. Perbandingan ini menunjukkan perbedaan kebutuhan perangkat antara Flint dan model tersebut, sementara keduanya ditujukan untuk dijalankan pada komputer pengguna.
Kecepatan dan hasil pengujian
Recursive juga melaporkan kecepatan keluaran Flint dalam pengujiannya. Pada MacBook Pro dengan chip Apple M4 Pro, model itu menghasilkan sekitar 131 token per detik. Token merupakan potongan teks yang diproses atau dihasilkan model. Angka Flint kira-kira dua kali kecepatan 58 hingga 69 token per detik yang dicapai model sejenis pada mesin yang sama, termasuk Gemma 4 dari Google dan Nemotron 3.5 Lightning dari Nvidia.
Pada perangkat Nvidia RTX Spark, Flint mencatat kecepatan lebih dari 150 token per detik. Angka-angka tersebut berasal dari pengujian Recursive. Perusahaan juga menyebut hasil Flint pada SWE-Bench Verified, tolok ukur yang mengukur kemampuan AI memperbaiki bug perangkat lunak di situasi nyata. Dalam pengujian itu, Flint mengungguli model lain yang memiliki kurang dari 50 miliar parameter.
Dalam rata-rata enam pengujian yang dibuat Recursive sendiri, hanya satu model yang memperoleh skor lebih tinggi daripada Flint, yakni Qwen3.8 27B dari Alibaba. Hasil itu disampaikan sebagai penilaian perusahaan, sementara SWE-Bench Verified merupakan pengujian untuk kemampuan menangani masalah perangkat lunak.
Baca juga: Agen AI OpenAI Nonaktifkan Pemantauan, Lalu Menyangkal
Recursive mengakui Flint membutuhkan lebih banyak arahan dibandingkan asisten coding berbayar berukuran besar. Perusahaan menyarankan pengguna membagi pekerjaan yang kompleks menjadi beberapa langkah lebih kecil. Meski ada batasan tersebut, ulasan awal yang dikutip dalam laporan TechCrunch AI bernada positif.
Will Knight dari Wired mencoba Flint pada Mac dengan memori 48 GB untuk membuat sejumlah program sederhana, termasuk aplikasi daftar tugas dan alat yang menelusuri web untuk mencari bahan riset. Knight mencatat model coding yang lebih kecil kerap mengalami kesalahan atau bekerja lebih lambat daripada Claude atau Codex. Namun, dalam pengujiannya, Flint berhasil memenuhi permintaan pemrogramannya setiap kali.
Peran sistem riset otomatis
Dalam video peluncuran, Recursive menjelaskan Eureka Machine dapat mengajukan ide, menjalankan eksperimen, lalu memakai hasilnya untuk menentukan percobaan berikutnya. Sistem itu disebut berkontribusi pada hampir seluruh bagian pembuatan Flint, mulai dari pra-pelatihan, pascapelatihan, hingga inferensi, yakni tahap ketika model digunakan untuk menghasilkan jawaban atau keluaran.
Recursive menyebut beberapa kontribusi teknis Eureka. Sistem itu membantu menghasilkan bentuk model yang lebih jarang atau sparser, pelatihan low-bit yang memangkas ukuran Flint sebesar 71 persen dengan hampir tidak mengurangi kualitas, serta kernel khusus. Kernel tersebut merupakan program khusus untuk mempercepat komputasi yang mendasari kerja model.
Perusahaan belum mengungkap berapa banyak waktu kerja yang dihemat para penelitinya berkat Eureka Machine. Namun, penggunaan AI untuk membantu pekerjaan riset juga dilakukan pihak lain. OpenAI mengatakan pada bulan sebelumnya bahwa hingga pertengahan Agustus, agen AI mereka mencatat beban kerja setara 3,1 hari kerja untuk setiap satu hari kerja peneliti manusia.
Baca juga: ServiceNow dan Nvidia Luncurkan Arc, Agen AI dengan Keamanan Berlapis
Recursive sebelumnya memberi tahu TechCrunch bahwa kesepakatan komputasi senilai 410 juta dolar AS dengan Amazon Web Services pada Juni lebih berkaitan dengan jumlah agen daripada penambahan jumlah pegawai. Perusahaan mengaitkan langkah tersebut dengan upayanya mengembangkan sistem yang dapat menangani porsi pekerjaan lebih besar.
CEO Recursive Richard Socher, yang sebelumnya menjabat kepala ilmuwan Salesforce, menyampaikan kepada Wired tujuan jangka panjangnya adalah membuat Eureka Machine mencapai peningkatan diri rekursif sepenuhnya. Dalam gambaran tersebut, manusia tetap mengawasi proses dan dapat menghentikannya jika terjadi masalah. Recursive memperkirakan setiap model baru dapat menjadikan Eureka peneliti yang lebih baik, sehingga sistem itu mampu membantu membangun model berikutnya dengan lebih cepat.
Gagasan peningkatan diri rekursif—AI membangun AI yang lebih baik, lalu AI tersebut membangun sistem yang lebih baik lagi—masih menjadi salah satu topik yang diperdebatkan di industri. Sebagian peneliti khawatir proses itu dapat lepas dari kendali manusia. Untuk Flint, Recursive menggambarkan pendekatan yang lebih terbatas: sistem riset otomatis bekerja sebagai asisten yang diawasi manusia dan menghasilkan model berukuran kecil untuk laptop.
Recursive muncul dari masa pengembangan tertutup pada Mei dengan pendanaan 650 juta dolar AS dan valuasi 4,65 miliar dolar AS. Para pendukungnya termasuk GV, Nvidia, dan AMD Ventures. Peluncuran Flint menjadi keluaran model pertama perusahaan sekaligus kesempatan bagi publik untuk menguji kemampuan sistem coding yang dikembangkan dengan dukungan Eureka Machine.