AI 스타트업 리커시브(Recursive)가 코딩 특화 언어모델 플린트(Flint)를 22일(현지시간) 공개했다. 플린트는 연구 아이디어 제안, 구현, 실험, 후속 실험 설계까지 맡는 내부 AI 시스템 '유레카 머신(Eureka Machine)'이 개발 전 과정에 폭넓게 관여한 첫 모델이다. 개발에는 약 4개월이 걸렸다.
플린트 모델 사양과 성능
플린트는 전문가혼합(MoE) 구조로, 전체 400억 개 파라미터 가운데 토큰당 25억 개만 활성화된다. 로컬 환경에서 에이전트형 코딩을 수행하도록 설계됐다. 리커시브는 파라미터 500억 개 미만 MoE 모델 중 SWE-Bench Pro v2, Terminal-Bench 2.1, SWE-Bench Verified 등 코딩 벤치마크에서 앞선다고 주장했다. 비교 대상에는 큐웬(Qwen)3.6-35B-A3B 등이 포함된다. 다만 이 결과는 아직 독립적으로 검증되지 않았다.
속도도 강조했다. 회사에 따르면 맥북 프로 M4 프로에서 짧은 문맥 기준 초당 125토큰 이상, 엔비디아(NVIDIA) RTX 스파크(64GB)에서는 150토큰 이상을 낸다. 비슷한 모델보다 추론이 최대 2배 빠르고, 250억~400억 파라미터급 밀집(dense) 모델과 경쟁하면서 5배 넘게 빠르다는 설명이다.
유레카 머신이 직접 고른 설계와 양자화
유레카 머신은 전체 350억·활성 30억 구조에서 출발해 여러 전문가 구성을 시험했고, 속도와 코딩 성능의 균형이 가장 좋은 400억·25억 설계를 택했다. 양자화에서는 관행과 달리 출력층까지 4비트로 낮추고 증류 단계를 추가해 정확도를 회복했다. 리커시브는 기존 방식의 절반 수준 학습 단계로 가능했다고 밝혔다. 완성된 NVFP4 모델은 16비트 모델과 벤치마크 평균 격차가 0.7점에 그쳤다.
애플 실리콘과 엔비디아 RTX 스파크용 연산 커널도 시스템이 만들었다. M4·M5 칩에서는 토큰 생성 시 순전파 전체를 하나의 연산으로 묶는 메탈(Metal) 메가커널을 적용했다.
로컬 실행과 오픈 웨이트, 자기개선 AI의 과제
플린트는 최대 51만 2천 토큰 문맥을 지원하지만 권장 상한은 25만 6천 토큰이다. llama.cpp, 올라마(Ollama), LM 스튜디오, vLLM, SGLang에서 실행할 수 있고, 애플 실리콘용 자체 추론 엔진 'rec'도 함께 내놨다. 코드를 외부 서버로 보내지 않고 로컬에서 쓸 수 있다는 의미다. 다만 대형 상용 코딩 모델보다 복잡한 작업에서 더 많은 안내가 필요해, 큰 작업은 잘게 나눠 맡기라고 회사는 권고했다.
리커시브는 리처드 소처(Richard Socher)와 전 딥마인드(DeepMind) 연구원 팀 로크타셸(Tim Rocktäschel) 등이 세웠다. 올해 5월 스텔스 모드를 벗어나며 6억 5천만 달러를 투자받았고 기업가치는 46억 5천만 달러로 평가됐다. 최종 목표는 스스로 개선을 이어가는 초지능이다.
다만 플린트가 완전한 재귀적 자기개선을 입증하는 것은 아니다. 이를 보이려면 유레카 머신으로 만든 모델이 유레카 머신 자체를 더 나은 연구자로 만든다는 점을 증명해야 한다. 오리올 비니알스(Oriol Vinyals)는 AI 보조 자기개선은 현실적이나 지능 폭발 가능성은 낮다고 본다. 앤트로픽과 오픈AI도 모델 개발에 AI를 활용하고 있으며, 700건 넘는 작업 기록을 분석한 연구에서는 핵심 연구 판단을 여전히 사람이 내리는 것으로 나타났다.
