Recursive és una empresa d'IA fundada el 2025 amb l'objectiu de construir sistemes que es millorin a si mateixos. Va sortir de l'ombra el maig de 2026 amb 650 milions de dòlars de finançament i una valoració de 4.650 milions, amb inversors com GV, Nvidia i AMD Ventures. La dirigeix Richard Socher, que havia estat cap científic de Salesforce. El juny va tancar un acord de càlcul de 410 milions de dòlars amb Amazon Web Services.
Dimecres 21 d'octubre ha presentat Flint, el seu primer model: un assistent per programar que funciona en un ordinador portàtil. És un model de «barreja d'experts» de 40.000 milions de paràmetres que en activa només uns 2.500 milions cada vegada, i es pot descarregar gratis a Hugging Face amb llicència Apache 2.0, que permet usar-lo i modificar-lo lliurement. Recursive afirma que un sistema d'investigació automàtic propi, l'Eureka Machine, va intervenir en gairebé totes les fases del desenvolupament, i que un equip petit el va fer de zero en menys de quatre mesos.
Segons les proves de l'empresa, en un MacBook Pro amb el xip M4 Pro Flint genera uns 131 fragments de text (tokens) per segon, aproximadament el doble que models similars com Gemma 4, de Google, o Nemotron 3.5 Lightning, de Nvidia, que en fan entre 58 i 69. A SWE-Bench Verified, que mesura si un model resol errors reals de programari, supera els altres models de menys de 50.000 milions de paràmetres. Com que funciona en local, un programador pot treballar sense connexió, mantenir el codi en privat i estalviar-se el cost del núvol. Recursive atribueix a l'Eureka Machine una arquitectura més esparsa, un entrenament amb números de poca precisió que va reduir el model un 71% gairebé sense pèrdua de qualitat, i programes de càlcul fets a mida.
Convé llegir-ho amb cautela: les xifres de velocitat i de precisió són de la mateixa empresa, i en la mitjana de sis proves pròpies només Qwen3.8 27B, d'Alibaba, el supera. Recursive admet que Flint necessita més guia que els grans assistents de pagament i recomana dividir les tasques grans en passos petits. Will Knight, de Wired, el va provar en un Mac de 48 GB i va veure que sempre li va resoldre les peticions, tot i que els models petits solen ser més lents o errar més que Claude o Codex. L'empresa tampoc no ha dit quant temps de recerca va estalviar l'Eureka Machine, i el que descriu és un assistent supervisat per persones, no un sistema que s'autoperfeccioni sense control.