Recursive Rilis Flint, Model Coding Terbuka yang Klaim Skor 89,7% di SWE-bench Pro v2

Perusahaan yang dibangun untuk membuat AI memperbaiki dirinya sendiri akhirnya melempar produk pertamanya ke publik—dan memilih lisensi yang bisa dipakai siapa saja, termasuk pesaingnya.

Recursive Superintelligence merilis Flint, model coding berarsitektur mixture-of-experts (MoE, yakni model yang hanya mengaktifkan sebagian "pakar" internal untuk tiap token), pada Rabu (21/10/2026). Bobot modelnya tersedia di halaman Flint di Hugging Face dengan lisensi Apache 2.0, sehingga boleh diunduh, dimodifikasi, dan dipakai secara komersial. Lembar model mencatat 39,8 miliar parameter total, dengan sekitar 2,5 miliar parameter aktif per token.

Spesifikasi: 256 pakar, enam aktif per token

Menurut lembar model, setiap lapisan MoE Flint berisi 256 pakar, enam di antaranya dipilih untuk tiap token, ditambah satu pakar bersama yang selalu aktif. Dari 49 lapisan, dua bersifat padat dan 47 sisanya MoE. Panjang konteks 262.144 token, dibagi antara perintah dan keluaran.

Untuk menjalankannya, lembar model menyebut kebutuhan satu GPU Nvidia B300 atau H200 per replika, dengan unduhan sekitar 80 GB. AI Weekly, yang pertama melaporkan rilis ini ke pembaca umum, menyebut tersedia juga versi terkuantisasi hingga 11,4 GB dan kecepatan sekitar 125 token per detik di MacBook M4 Pro. Angka kuantisasi dan kecepatan itu tidak tercantum di lembar model, jadi perlakukan sebagai klaim yang belum bisa diverifikasi dari sumber primer.

Skor 89,7% di SWE-bench Pro v2, dengan catatan metodologi

Recursive melaporkan skor 89,7 persen di SWE-bench Pro v2, 74,2 persen di SWE-bench Verified, dan 54,9 persen di Terminal-Bench 2.1. Semuanya hasil pengukuran internal. Skor agen dihitung sebagai rata-rata pass@1 dari minimal lima percobaan, artinya persentase tugas yang selesai pada upaya pertama.

Lembar model menambahkan satu catatan penting: pada Terminal-Bench, solusi yang ditemukan lewat pencarian web dihitung gagal. Pengembang lain bisa saja tidak menerapkan aturan seperti itu, sehingga angka 54,9 persen belum tentu sebanding dengan skor model lain di papan peringkat yang sama. Hal serupa berlaku untuk perbandingan antarbenchmark: 89,7 persen di Pro v2 dan 74,2 persen di Verified berasal dari dua set soal berbeda, jadi selisihnya bukan ukuran kemajuan. Sampai artikel ini ditulis, tidak ada replikasi independen yang kami temukan.

Dikembangkan dengan bantuan sistem otomatis

AI Weekly mengutip Recursive bahwa sebagian besar proses pengembangan Flint dijalankan oleh sistem peningkatan diri bernama Eureka Machine. Lembar model di Hugging Face tidak menyinggung sistem tersebut, hanya menyebut Flint dilatih dari nol melalui pralatih, pelatihan menengah, supervised fine-tuning, dan reinforcement learning untuk teks, kode, instruksi, dan tugas agentik.

Klaim itu selaras dengan arah perusahaan. Dipimpin Richard Socher, mantan Chief Scientist Salesforce yang juga mendirikan You.com, Recursive Superintelligence mengumpulkan $650 juta pada Mei 2026 dengan valuasi yang dilaporkan $4,65 miliar. Putaran itu dipimpin GV dan Greycroft, dengan Nvidia serta AMD ikut serta. Tujuannya membangun AI yang dapat memperbaiki kode, perangkat bantu, dan infrastruktur pelatihannya sendiri.

Batasan yang diakui sendiri oleh Recursive

Lembar model memperingatkan bahwa Flint dapat menghasilkan kode keliru atau panggilan alat yang tidak tepat, dan menyarankan pengguna menguji kode hasil model serta meninjau perubahan penting sebelum diterapkan. Penalaran panjang menambah latensi dan bisa menghabiskan anggaran keluaran, sehingga untuk soal sulit disarankan minimal 32.768 token. Kode pemodelan untuk pustaka Transformers juga belum disertakan.

Flint hadir saat model terbuka kelas coding makin ramai. Mesin inferensi seperti DeepInfer dari DeepSeek yang kodenya baru dibuka, turut memperluas pilihan perangkat untuk menjalankannya. Pertanyaan yang tersisa adalah apakah skor yang dilaporkan sendiri itu bertahan ketika pengembang independen menguji Flint pada basis kode nyata mereka.