오픈 웨이트 코딩 모델 Flint는 Recursive가 2026년 10월 21일 공개했다. 전체 매개변수 40B 가운데 한 번에 활성화되는 것은 약 2.5B뿐이라 노트북에서 직접 돌아가고, 가중치는 Apache 2.0 라이선스로 Hugging Face에서 무료로 받을 수 있다. 눈길을 끄는 것은 매개변수 수가 아니라 이 모델의 출신이다. Recursive에 따르면 사전 학습부터 추론 최적화까지 거의 모든 단계에 자사의 자동 연구 시스템 Eureka Machine이 참여했고, 작은 팀이 처음부터 완성까지 네 달도 채 걸리지 않았다.
작은 몸집으로 동급의 약 두 배 속도
Flint는 전문가 혼합 아키텍처를 쓰며, 모델 카드에 적힌 컨텍스트 길이는 262K다. Recursive 자체 측정에서 M4 Pro 칩을 단 MacBook Pro 기준 초당 약 131토큰을 생성해, 같은 기기에서 58~69토큰을 낸 동급 모델보다 약 두 배 빨랐고, NVIDIA RTX Spark에서는 초당 150토큰을 넘었다. 성적표 역시 회사 발표치로, SWE-bench Verified 74.2%로 전체 매개변수 50B 미만 전문가 혼합 모델 가운데 선두였고 Terminal-Bench 2.1은 54.9%였다. Wired의 실기 테스트가 이를 뒷받침한다. 48GB 메모리 Mac에서 할 일 목록 앱, 자료 수집 도구, 작은 웹사이트를 만들게 했더니 모든 요청을 한 번에 해냈다. 로컬 실행은 코드가 컴퓨터를 떠나지 않고 토큰 과금도 없다는 뜻이다. NVIDIA가 올해 로컬 Spark 하드웨어를 전면 개편한 것도 대형 모델을 책상 위로 되돌리는 이 흐름에 건 베팅이다.
Eureka Machine: AI가 AI 만들기에 참여하다
Eureka Machine의 방식은 스스로 아이디어를 내고, 검증 코드를 짜 실험한 뒤, 결과를 보고 다음 시도를 정하는 것이며, 여러 실험을 병렬로 돌린다. Flint에 대한 구체적 기여로는 더 성긴 모델 구조를 찾아낸 일, 저비트 학습으로 모델 크기를 71% 줄이면서도 성적을 거의 떨어뜨리지 않은 일, Apple 실리콘과 RTX Spark 전용 가속 커널을 작성한 일이 꼽힌다. Recursive는 Salesforce의 전 수석 과학자 Richard Socher가 세웠고, 올해 5월 스텔스에서 나올 때 이미 6억 5,000만 달러를 유치해 기업 가치 46억 5,000만 달러를 인정받았으며, 투자자에는 GV, NVIDIA, AMD Ventures가 포함된다.
AI가 AI를 만든다고 해서 통제 불능으로 듣지 말 것
찬물은 세 가지다. 첫째, 위의 벤치마크와 속도는 모두 Recursive의 자체 측정으로, 독립적 재현은 아직 따라오지 못했다. 회사의 여섯 개 테스트 평균에서도 Flint 위에 있는 것은 알리바바의 Qwen3.8 27B 하나뿐으로 전승은 아니다. 둘째, 복잡한 작업에서는 대형 유료 코딩 도우미보다 더 세밀한 지시가 필요하고, 큰 작업은 잘게 나눠 주는 편이 낫다고 회사 스스로 인정한다. 셋째, 재귀적 자기 개선이라 해도 현재 형태는 인간 감독 아래의 AI 연구 보조자이며, Socher는 시스템이 인간이 멈출 수 있는 통제 아래 있다고 분명히 밝혔다. Flint의 가치는 AI가 AI 만들기에 어디까지 참여할 수 있는가라는 논쟁을, 내려받아 그 자리에서 검증할 수 있는 실물로 바꿨다는 데 있다.
