Qué es Flint y cuáles son sus especificaciones técnicas
El ecosistema tecnológico ha recibido con atención el lanzamiento de Recursive Flint modelo abierto IA, un modelo de programación con pesos abiertos publicado bajo la licencia Apache 2.0. Detrás de este desarrollo se encuentra Recursive Superintelligence, una compañía fundada en 2025 que salió del anonimato en mayo de 2026 y que ha logrado recaudar más de 650 millones de dólares de financiación.
Desde el punto de vista arquitectónico, Flint se presenta como un sistema de mezcla de expertos (Mixture-of-Experts o MoE) que cuenta con 39.800 millones de parámetros totales y unos 2.500 millones de parámetros activos por token. Su corte de conocimiento declarado se sitúa en junio de 2026. Respecto a la longitud de contexto, la ficha oficial del documento registra 262.144 tokens de soporte, mientras que el blog corporativo menciona una capacidad de hasta 512.000 tokens, recomendando limitar su uso a 256.000 para garantizar la estabilidad. Los dos repositorios GGUF iniciales se han lanzado configurados con 262.144 tokens, alineándose con la documentación principal.
Uno de los aspectos más comentados es su capacidad de ejecución local. La variante optimizada para hardware NVIDIA requiere una descarga de 22,9 gigas y aconseja disponer de un mínimo de 48 GB de memoria de GPU o de memoria unificada en arquitecturas como Spark. Por su parte, el punto de control principal (BF16) del repositorio central asciende a unos 80 gigas de descarga y demanda una GPU de gama alta por réplica. La empresa ha medido un rendimiento superior a los 125 tokens por segundo en un ordenador portátil de gama alta con procesador M4 Pro y más de 150 tokens por segundo en configuraciones específicas, aunque estas cifras provienen de pruebas internas.
El reclamo del desarrollo autónomo por IA
Más allá de sus características puramente técnicas, el gran atractivo comercial y mediático de este lanzamiento reside en el argumento aportado por sus creadores: según la compañía, su propio sistema de inteligencia artificial, bautizado como Eureka Machine, se encargó de casi todo el trabajo necesario para construir el modelo.
Sin embargo, la formulación exacta difundida en el blog oficial modera las expectativas iniciales al matizar que la herramienta ayudó a desarrollar casi todas las partes de la pila de construcción del modelo, sin ofrecer un porcentaje exacto de automatización ni cuantificar el tiempo ahorrado a los investigadores humanos. Las contribuciones técnicas concretas descritas por la empresa se centran en tres áreas: la búsqueda de arquitectura, explorando configuraciones a partir de una base inicial de 35.000 millones de parámetros totales; una receta de cuantización que ajusta la capa de salida a 4 bits utilizando casi la mitad de pasos de entrenamiento habituales; y la creación de un megakernel especializado para chips de Apple que optimiza el proceso de decodificación.
Rendimiento y contexto frente a la competencia
En cuanto a su posicionamiento en las pruebas de rendimiento, la empresa señala que Flint lidera los modelos de mezcla de expertos con menos de 50.000 millones de parámetros en benchmarks de programación agéntica. No obstante, las comparativas muestran matices importantes: modelos densos alternativos, como el Qwen de 27.000 millones de parámetros, superan a Flint en varios tests estandarizados de programación, incluidos Terminal-Bench 2.1 y SWE-bench Verified.
A 24 horas de su llegada al mercado, no existen auditorías ni evaluaciones independientes que certifiquen de forma externa ni el rendimiento real del software ni la veracidad exacta del grado de intervención de su propia tecnología en el proceso de creación. Pese a estas incógnitas y a la prudencia exigida ante la falta de análisis neutrales, el hecho de que los pesos estén disponibles públicamente permite a la comunidad de desarrolladores verificar el comportamiento de la herramienta en entornos locales.
