Recursive, yerel kodlama modeli Flint'i yayınladı
Recursive, açık ağırlıklı kodlama modeli Flint'i yayınladı. Model yerel çalışıyor; şirket, geliştirmede kendi araştırma ajanlarını kullandığını söylüyor.

Recursive, 22 Ekim 2026'da gündeme gelen Flint modelini yerel donanımda kodlama için yayınladı. Apache 2.0 lisanslı modelin geliştirilmesinde Eureka Machine adlı araştırma sistemi kullanıldı. Hız sonuçları Recursive'in kendi ölçümlerine dayanıyor.
Recursive, kodlama görevlerini kendi bilgisayarında çalıştırmak isteyenler için Flint adlı dil modelini yayınladı. 22 Ekim tarihli The Decoder haberinde tanıtılan modelin ağırlıkları Apache 2.0 lisansıyla indirilebiliyor. Recursive, Flint'in geliştirilmesinde Eureka Machine adlı otomatik araştırma sisteminden yararlandığını ve insanlarla ajanlardan oluşan küçük ekibin modeli dört aydan kısa sürede hazırladığını söylüyor.
Flint hangi işi yapıyor?
Flint, Recursive'in resmi duyurusuna göre, yerel donanımda araç kullanarak kodlama görevlerini yürüten ajanlara yönelik bir model. Kaynak kodunu uzak sunucuya göndermeden çalışmak isteyen geliştiriciler hedefleniyor. Şirket, modelin çevrimdışı kullanılabildiğini de belirtiyor.
Model, MoE adı verilen uzman karışımı mimarisini kullanıyor. Toplam 40 milyar parametresi var; her token, yani modelin işlediği metin parçası için bunların 2,5 milyarı etkinleşiyor. Recursive, daha az parametrenin aynı anda çalışmasının yerel donanımdaki işlem hızına katkı sağladığını anlatıyor. Bu sayı, modelin tamamının bellekte kapladığı alan olarak okunmamalı; duyuruda toplam parametre ile etkin parametre ayrı ayrı veriliyor.
Kodlama başarısı için SWE-Bench Pro v2 ve SWE-Bench Verified gibi değerlendirmeler sunuluyor. Recursive, Flint'in toplam parametresi 50 milyarın altındaki MoE modeller arasında bu görevlerde önde olduğunu söylüyor. Bu karşılaştırma belirli bir model sınıfını kapsıyor. Sonuçlar şirketin kendi testlerinden geliyor; bütün kodlama modellerine karşı genel bir üstünlük olarak yorumlanamaz.
Hız ve bağlam sınırları ne?
Recursive, kendi optimize edilmiş çalıştırma motoruyla kısa bağlamda M4 Pro MacBook Pro üzerinde saniyede 125'in, 64 GB NVIDIA RTX Spark üzerinde 150'nin üzerinde token üretildiğini bildiriyor. Buradaki kısa bağlam koşulu önemli: bu rakamları uzun bir proje oturumunun her aşamasında beklemek için duyuru yeterli veri sunmuyor.
Flint, teknik olarak 512 bin token'a kadar bağlam penceresi destekliyor. Şirket, kodlama ve diğer görevlerde en iyi sonuçlar için 256 bin token sınırında kalmayı öneriyor. Bağlam penceresi rehberimiz, bu kapasitenin aynı konuşmada hangi bilgilerin işlenebileceğiyle ilişkisini açıklıyor.
Recursive, karmaşık görevlerde Flint'in büyük kapalı kodlama modellerinden daha fazla yönlendirmeye ihtiyaç duyabileceğini açıkça yazıyor. Büyük işleri küçük alt görevlere ayırmak ve açık talimat vermek öneriliyor. Bir uygulamanın bütününü tek seferde değiştirtmek yerine, önce hatayı belirlemek ve ardından ilgili fonksiyonu düzeltmek bu öneriye uygun bir başlangıç olur.
Nasıl indiriliyor ve çalıştırılıyor?
Flint'in ağırlıkları Hugging Face üzerinden Apache 2.0 lisansıyla sunuluyor; Recursive, Ollama ve LM Studio dahil çeşitli çalıştırma araçlarını desteklenen seçenekler arasında sayıyor. Listede llama.cpp, vLLM ve SGLang da var. Duyuruda bütün cihazlar için tek bir asgari bellek gereksinimi verilmediğinden, indirmeden önce seçtiğin sürümün kurulum belgelerine bakmalısın.
Şirket ayrıca M4 Pro ve M5 Pro/Max için optimize ettiği rec adlı hafif bir çalıştırma motoru yayınladı. Hız iddialarını değerlendirirken kullanılan motoru da hesaba kat: duyurudaki ölçümleri farklı bir uygulamada aynı şekilde alacağına dair bir garanti yok. Yerel model kurulumuna yabancıysan Ollama rehberimiz temel çalışma mantığını anlatıyor.
Eureka Machine geliştirmeye nasıl katıldı?
Eureka Machine, Recursive'in açıklamasına göre araştırma fikirleri önerip deneyleri uyguladı, sonuçları değerlendirdi ve sonraki denemeleri seçti. Sistem, farklı model mimarilerini ve eğitim yöntemlerini araştırmanın yanında Flint'in donanım üzerinde daha hızlı çalışması için de kullanıldı.
Örneğin başlangıçta 35 milyar toplam, 3 milyar etkin parametreli bir tasarım vardı. Sistem farklı uzman yapılandırmalarını denedi; sonunda 40 milyar toplam ve 2,5 milyar etkin parametreli yapı seçildi. Recursive ayrıca model ağırlıklarının daha az yer kaplamasını sağlayan sayısal hassasiyet azaltma çalışmalarını ve Apple donanımı için üretilen özel hesaplama kodlarını anlatıyor.
Bu, şirketin otomatik araştırma sürecinden çıkan somut bir ürün. Ancak duyuru, Flint'in sonraki modeli geliştiren sistemi ne ölçüde iyileştirdiğini gösteren bir sonuç sunmuyor. Recursive, kendi kendini geliştiren araştırma sürecini ileride ulaşmak istediği hedef olarak tarif ediyor.
Bizim yorumumuz: önce küçük bir kod görevinde ölç
Bizce Flint'i değerlendirirken ilk soru, günlük işlerinden hangisini kabul edilebilir doğrulukla tamamladığı olmalı. Saniyedeki token sayısı bekleme süresini anlatır; kodu incelemek ve hataları düzeltmek için harcadığın zamanı tek başına göstermez. Kendi projen üzerinde küçük bir deneme, satın alma veya çalışma düzenini değiştirme kararından önce daha yararlı olur.
Türkiye'deki bağımsız geliştirici için yerel çalışmanın cazibesi, kodun cihazda kalabilmesi. Yine de kullandığın editörün ve bağladığın araçların ayarlarını ayrıca kontrol etmeni öneririz. Modelin yerel çalışması, çevresindeki bütün yazılımlar için aynı sonucu otomatik olarak sağlamaz. Duyuruda Türkiye'ye özel erişim koşulları ve Türkçe desteği açıklanmadı. Bu nedenle Türkçe bir görev tarifinin nasıl karşılandığını kendi örneğinle sınamak gerekiyor.
Şirketin karmaşık işleri bölme önerisini başlangıç denemene uygulayabilirsin. Örneğin aşağıdaki görevi, hassas bilgi içermeyen küçük bir kod parçasıyla ver:
Bu fonksiyondaki hatayı açıkla. Yalnızca gerekli satırları değiştir.
Mevcut davranışlardan hangilerinin korunması gerektiğini belirt.
Düzeltmeyi doğrulayacak bir test öner; çalıştırmadığın testi geçti sayma.
Bizce araştırma ajanlarının katkısı da izlemeye değer. Bununla birlikte, geliştirici açısından tercih sebebi modelin kendi işinde verdiği sonuç olacak. Aynı görevi mevcut aracına da verip çıkan değişiklikleri incele; değerlendirmeye düzeltme süresini ekle. İlk denemeyi ayrı bir proje kopyasında yap ve ana projeye taşıyacağın değişiklikleri testlerden geçirdikten sonra seç.
Sık sorulanlar
Recursive Flint nedir?
Flint, yerel donanımda kodlama görevleri için geliştirilen açık ağırlıklı bir dil modeli. Toplam 40 milyar parametrenin her token için 2,5 milyarı etkinleşiyor.
Flint hangi uygulamalarda çalışıyor?
Recursive, Ollama, LM Studio ve llama.cpp dahil çeşitli araçları listeliyor. Apple donanımı için rec adlı bir çalıştırma motoru da yayınlandı.
Flint Türkçe destekliyor mu?
Duyuruda Türkçe desteği veya Türkçe kodlama yönergelerine ilişkin ayrı bir başarı ölçümü açıklanmadı. Türkiye'ye özel erişim koşulları da belirtilmedi.
Haftada bir e-posta. Sadece işe yarayanlar.
Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.
Kendi bilgisayarında yapay zekâ çalıştırmak: Ollama rehberi





