En pocas palabras
Flint hace posible un agente de programación útil sin enviar ni una sola línea de código a una nube de terceros. Lanzado por Recursive el 21 de octubre de 2026, este modelo de pesos abiertos tiene 40 mil millones de parámetros, pero solo activa unos 2.5 mil millones por token, por lo que funciona en un portátil de 48GB. Para las empresas que planifican la integración de IA generativa en su flujo de ingeniería, amplía la elección entre pagar por token y mantener el código dentro de casa.
¿Qué ha lanzado Recursive?
Recursive, el laboratorio de IA dirigido por Richard Socher, ex científico jefe de Salesforce, salió del modo sigiloso en mayo con $650 millones de financiación y una valoración de $4.65 mil millones, según se informó. Flint es su primer producto: un modelo creado específicamente para agentes de programación que leen una base de código, corrigen errores, implementan funcionalidades y escriben pruebas, con soporte para razonamiento y uso de herramientas en varios turnos.
Los pesos están publicados en Hugging Face junto con decenas de variantes cuantizadas para hardware de Nvidia y Apple. Flint funciona con los entornos de ejecución que ya usan la mayoría de los equipos — Ollama, LM Studio, llama.cpp y Jan en escritorio, vLLM y SGLang en servidores. Según TechCrunch, la media de seis benchmarks de Recursive lo situó solo por detrás de Qwen3.8 27B de Alibaba entre los modelos locales comparables, y en SWE-bench Verified encabezó todos los modelos de menos de 50 mil millones de parámetros.
¿Cómo cabe un modelo de 40B en un portátil?
La clave está en la dispersión (sparsity). En un diseño mixture-of-experts solo una pequeña parte de la red trabaja en cada token, de modo que Flint calcula como un modelo de 2.5 mil millones de parámetros mientras almacena el conocimiento de uno mucho mayor. Recursive también lo entrenó en baja precisión y comprimió la capa de salida a 4 bits, lo que, según afirma, redujo el tamaño del modelo un 71% casi sin pérdida de calidad, y escribió kernels a medida para chips de Apple y Nvidia.
El resultado, según TechCrunch, es de unos 131 tokens por segundo en un MacBook Pro con M4 Pro — aproximadamente el doble de los 58–69 tokens por segundo que midió para Gemma 4 de Google y Nemotron 3.5 Lightning de Nvidia. Esa velocidad importa para los agentes, que hacen muchas llamadas al modelo por tarea: un modelo local lento convierte una corrección de dos minutos en una pausa para el café.
¿Qué significa aquí «creado por la IA»?
Recursive afirma que su sistema de investigación automatizada, la Eureka Machine, propuso, construyó y probó ideas en casi todas las fases — arquitectura, preentrenamiento, posentrenamiento, inferencia y optimización de kernels —, lo que permitió a un equipo pequeño crear Flint desde cero en menos de cuatro meses. Socher dijo a WIRED, según informó TechCrunch, que el objetivo a largo plazo es la «automejora recursiva completa» (full recursive self-improvement), con personas supervisando y capaces de detener el proceso. Para los compradores, la conclusión práctica es más acotada: los ciclos de desarrollo de modelos se están comprimiendo, así que la distancia entre un modelo abierto de nicho y uno utilizable se cierra más rápido de lo que suponen los ciclos de compra.
¿En qué se queda corto Flint?
Recursive reconoce con franqueza que Flint necesita más indicaciones que los grandes asistentes de pago y recomienda dividir las tareas grandes en pasos más pequeños. Su ficha del modelo advierte de que las cadenas de razonamiento largas pueden agotar el presupuesto de salida antes de terminar, de que los resultados varían según la cuantización y el entorno de ejecución, y de que el código generado debe probarse antes del despliegue. Las cifras de los benchmarks las declara el fabricante. Además, un equipo de 48GB no es un portátil de desarrollador estándar, así que la promesa de «funciona en local» tiene un precio en hardware.
Qué significa para los equipos de software de EE. UU. y la UE
Para los equipos regulados de FinTech, HealthTech y el sector público, la privacidad del código ha sido el principal freno para los agentes de programación con IA. Un modelo que funciona por completo en el hardware de la empresa elimina la cuestión de la transferencia de datos para el código fuente y los secretos incluidos en los prompts, lo que simplifica las revisiones del RGPD y de los contratos con clientes y encaja en entornos on-premise o aislados (air-gapped). La licencia Apache 2.0 también permite el ajuste fino con código interno sin condiciones del proveedor.
La arquitectura sensata es una con enrutamiento: un modelo local como Flint para ediciones rutinarias, generación de pruebas y trabajo en repositorios sensibles, y un modelo de frontera en la nube reservado para el razonamiento difícil sobre varios archivos. Así se reduce el gasto por token y la dependencia de un único proveedor de asistentes. Antes de desplegarlo, evalúe Flint con sus propios repositorios, presupueste equipos de la clase de 48GB o un servidor GPU compartido, y mantenga las pruebas de CI y la revisión humana como filtro para todo lo que escriba un agente.
Preguntas frecuentes
¿Qué es Recursive Flint?
Flint es el primer modelo de la startup de IA Recursive, lanzado el 21 de octubre de 2026. Es un modelo de código de pesos abiertos con arquitectura mixture-of-experts y 39.8 mil millones de parámetros en total, de los que unos 2.5 mil millones están activos por token. Está diseñado para agentes de programación que investigan bases de código, corrigen errores, implementan funcionalidades y escriben pruebas, y se puede descargar gratis desde Hugging Face con licencia Apache 2.0.
¿De verdad puede Flint funcionar en un portátil?
Sí, en uno bien equipado. Según Recursive, Flint funciona a más de 125 tokens por segundo en un MacBook Pro y a más de 150 tokens por segundo en una Nvidia RTX Spark, y TechCrunch informó de unos 131 tokens por segundo en un equipo con M4 Pro. Los usuarios de Apple Silicon necesitan un chip M4 Pro, M5 Pro o M5 Max con al menos 48GB de memoria. Los despliegues en servidor están documentados para vLLM y SGLang.
¿Qué tal programa Flint en comparación con los asistentes de pago?
Recursive declara un 74.2% en SWE-bench Verified y un 54.9% en Terminal-Bench 2.1, y afirma que Flint supera a los demás modelos de menos de 50 mil millones de parámetros en SWE-bench Verified. Un analista de WIRED afirmó que resolvió todas sus pequeñas peticiones de código. La propia Recursive señala que Flint necesita más indicaciones que los grandes asistentes de pago y recomienda dividir las tareas grandes en pasos más pequeños.
¿Qué significa que Flint lo haya creado la IA?
Recursive afirma que su sistema de investigación automatizada, la Eureka Machine, contribuyó en casi todas las fases del desarrollo: arquitectura, preentrenamiento, posentrenamiento, entrenamiento de baja precisión que redujo el tamaño del modelo un 71% con poca pérdida de calidad, y kernels a medida para chips de Apple y Nvidia. Un equipo pequeño creó el modelo desde cero en menos de cuatro meses. Las personas siguieron supervisando el proceso.
¿Deberían las empresas usar Flint con código propietario?
Flint es un candidato sólido para cargas de trabajo en las que el código fuente no debe salir de los equipos de la empresa, porque funciona totalmente sin conexión y la licencia Apache 2.0 permite el uso comercial y la modificación. Aun así, los equipos deberían evaluarlo con sus propios repositorios, mantener las pruebas y la revisión de código en el proceso y tratarlo como un modelo más dentro de una configuración con enrutamiento, no como un sustituto directo de los asistentes de frontera.
Fuentes
Hugging Face — RecursiveSI/flint model card (en inglés), 21 de octubre de 2026
TechCrunch — Recursive launches Flint, a laptop coding model it says was largely built by AI (en inglés), 21 de octubre de 2026
The Next Web — Recursive releases Flint, a laptop coding model largely built by its own AI (en inglés), 21 de octubre de 2026