Recursive: Flint (free)

Rekurencyjny: Flint (darmowy) to model tekstowy od Recursive, opublikowany pod identyfikatorem modelu recursive/flint-v1.0:free. To model typu mixture-of-experts z otwartymi wagami, mający około 2,5 mld aktywnych parametrów z 40 mld wszystkich, i został zbudowany przez system autoresearch Recursive, Eureka Machine, specjalnie dla agentów kodujących. Data wydania przez dostawcę to 21 października 2026.

Flint przyjmuje tekst jako dane wejściowe i zwraca tekst jako dane wyjściowe, więc pasuje do standardowych zadań w stylu czatu i uzupełniania, a nie do zadań związanych z obrazem lub dźwiękiem. Jego okno kontekstowe wynosi 262 144 tokeny, co pozwala na obsługę bardzo dużych promptów, takich jak długie pliki źródłowe, repozytoria wieloplikowe lub rozszerzone historie rozmów, w pojedynczym żądaniu. Maksymalne wyjście to 235 929 tokenów, więc długie generacje są możliwe w tym oknie. Ponieważ jest to konstrukcja mixture-of-experts, tylko część wszystkich parametrów jest aktywna na token, co ma znaczenie, jeśli zależy Ci na przepustowości względem gęstego modelu o podobnej całkowitej wielkości.

Połączenie dużego okna kontekstowego i nacisku na agentów kodujących wskazuje na praktyczne zastosowania, takie jak generowanie kodu, refaktoryzacja i przegląd dużych plików, praca z kontekstem na poziomie repozytorium oraz pętle agentów, w których model wywołuje narzędzia i rozumuje na podstawie wyników. Długie maksymalne wyjście pasuje również do zadań, które tworzą obszerny tekst w jednym przebiegu, na przykład generowanie całego modułu lub szczegółowego wyjaśnienia bazy kodu. Poza kodowaniem ten sam układ tekst na wejściu, tekst na wyjściu działa w ogólnych zadaniach asystenta i analizy, pod warunkiem że dane wejściowe są tekstem.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu recursive/flint-v1.0:free. Obsługiwane parametry żądania to include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, stop, temperature, tools, top_logprobs i top_p. Obecność tools i response_format ułatwia ustrukturyzowane wyjście i wywoływanie narzędzi, podczas gdy seed, temperature, top_p, stop i max_tokens obejmują zwykłe kontrolki próbkowania i długości. Parametry reasoning i include_reasoning odnoszą się do zachowania rozumowania modelu, a logprobs z top_logprobs pozwalają sprawdzić prawdopodobieństwa na poziomie tokenów.

Model jest wyłącznie tekstowy, więc jeśli potrzebujesz wejścia lub wyjścia obrazowego albo dźwiękowego, wymagany jest inny model. Jest również oferowany jako wariant darmowy, co może oznaczać, że dostępność lub przepustowość różnią się od opcji płatnych, choć nie podano tu konkretnych limitów. Jeśli Twoje obciążenie jest małe i nie korzysta z dużego okna kontekstowego ani nacisku na agenta kodującego, prostszy model tekstowy może być lepszym wyborem.