- Katılım
- 26 May 2026
- Mesajlar
- 195
- Tepkime puanı
- 0
- Puanları
- 0
Recursive, yerel donanımlarda çalışmak üzere tasarladığı kodlama modeli Flint’i kullanıma sundu. Şirketin açıklamasına göre model, insan ve yapay zeka ajanlarından oluşan küçük bir ekip tarafından dört aydan kısa sürede sıfırdan geliştirildi. Şirket, modelin geliştirilmesinde otomatik araştırma sistemi Eureka Machine’in kullanıldığını belirtiyor.
Toplam 40 milyar parametreye sahip Flint, uzmanlar karışımı (MoE) mimarisi sayesinde her token için yalnızca 2,5 milyar parametreyi etkinleştiriyor. Bu yapı, modelin hesaplama yükünü azaltıyor. Recursive’in testlerine göre Flint, kısa bağlamlarda M4 Pro işlemcili MacBook Pro’da saniyede 125’in üzerinde token üretebiliyor.
Şirket, modelin belirli kodlama testlerinde 50 milyardan az parametreye sahip MoE modellerini geride bıraktığını belirtiyor. Bu sonuçların şirketin kendi değerlendirmelerine dayandığını belirtelim.
Flint’in geliştirilmesinde kullanılan Eureka Machine, fikir üretme, deney yürütme ve sonuçlara göre yeni denemeler planlama süreçlerini otomatikleştiriyor. Sistem, model mimarisinden eğitim yöntemlerine ve çalışma hızının iyileştirilmesine kadar farklı aşamalarda görev aldı.
Modelin ağırlıkları Apache 2.0 lisansıyla Hugging Face üzerinden sunuluyor. Yerel kullanım, çevrimdışı çalışmayı ve verileri cihazda tutmayı sağlarken API ücretlerini ortadan kaldırıyor. Bununla birlikte Recursive, karmaşık görevlerde işlerin küçük adımlara bölünmesini öneriyor; Flint’in daha büyük kapalı modellerden fazla yönlendirmeye ihtiyaç duyabileceğini kabul ediyor.
Richard Socher liderliğindeki Recursive'in, mayıs ayında GV, Nvidia ve AMD Ventures’ın da aralarında bulunduğu yatırımcılardan 4,65 milyar dolar değerlemeyle 650 milyon dolar yatırım aldığını hatırlatalım. Recursive, Flint’i her yeni modelin bir sonraki modelin geliştirilmesine katkı sağladığı bir araştırma döngüsünün ilk adımı olarak konumlandırıyor. Şirketin hedefi, daha yetenekli modellerle Eureka Machine’in araştırma kapasitesini artırarak sonraki modelleri daha hızlı ve aynı maliyetle daha yüksek kapasite sunacak şekilde geliştirmek.
Toplam 40 milyar parametreye sahip Flint, uzmanlar karışımı (MoE) mimarisi sayesinde her token için yalnızca 2,5 milyar parametreyi etkinleştiriyor. Bu yapı, modelin hesaplama yükünü azaltıyor. Recursive’in testlerine göre Flint, kısa bağlamlarda M4 Pro işlemcili MacBook Pro’da saniyede 125’in üzerinde token üretebiliyor.
Şirket, modelin belirli kodlama testlerinde 50 milyardan az parametreye sahip MoE modellerini geride bıraktığını belirtiyor. Bu sonuçların şirketin kendi değerlendirmelerine dayandığını belirtelim.
Flint’in geliştirilmesinde kullanılan Eureka Machine, fikir üretme, deney yürütme ve sonuçlara göre yeni denemeler planlama süreçlerini otomatikleştiriyor. Sistem, model mimarisinden eğitim yöntemlerine ve çalışma hızının iyileştirilmesine kadar farklı aşamalarda görev aldı.
Modelin ağırlıkları Apache 2.0 lisansıyla Hugging Face üzerinden sunuluyor. Yerel kullanım, çevrimdışı çalışmayı ve verileri cihazda tutmayı sağlarken API ücretlerini ortadan kaldırıyor. Bununla birlikte Recursive, karmaşık görevlerde işlerin küçük adımlara bölünmesini öneriyor; Flint’in daha büyük kapalı modellerden fazla yönlendirmeye ihtiyaç duyabileceğini kabul ediyor.
Richard Socher liderliğindeki Recursive'in, mayıs ayında GV, Nvidia ve AMD Ventures’ın da aralarında bulunduğu yatırımcılardan 4,65 milyar dolar değerlemeyle 650 milyon dolar yatırım aldığını hatırlatalım. Recursive, Flint’i her yeni modelin bir sonraki modelin geliştirilmesine katkı sağladığı bir araştırma döngüsünün ilk adımı olarak konumlandırıyor. Şirketin hedefi, daha yetenekli modellerle Eureka Machine’in araştırma kapasitesini artırarak sonraki modelleri daha hızlı ve aynı maliyetle daha yüksek kapasite sunacak şekilde geliştirmek.