Recursive Rilis Flint, Model AI Coding Terbuka yang Bisa Dijalankan Secara Lokal
Perusahaan kecerdasan buatan Recursive memperkenalkan Flint pada 21 Oktober 2026 sebagai model AI coding terbuka yang dirancang untuk membantu pengembang menulis, memperbaiki, dan menguji kode secara lokal. Model ini menggunakan arsitektur Mixture-of-Experts dengan 39,8 miliar parameter, tetapi hanya mengaktifkan sekitar 2,5 miliar parameter untuk setiap token yang diproses. Pendekatan tersebut memungkinkan penggunaan komputasi yang lebih efisien dibandingkan model padat berukuran serupa. Dengan dukungan perangkat Apple Silicon dan GPU NVIDIA, Flint menawarkan alternatif bagi developer yang mengutamakan kecepatan, privasi, serta kontrol terhadap lingkungan pengembangan. Kehadirannya turut memperluas pilihan TEKNOLOGI AI coding yang dapat dijalankan tanpa selalu bergantung pada layanan cloud.
Inovasi Model AI Lokal dari Recursive untuk Pemrograman Modern
Flint dikembangkan oleh Recursive sebagai model bahasa khusus untuk pekerjaan pemrograman. Dibandingkan model yang berfokus pada berbagai topik tanpa spesialisasi, Flint dirancang membantu proses pemrograman yang kompleks. Kemampuan tersebut meliputi analisis basis kode, identifikasi serta perbaikan masalah kode, implementasi fitur, dan penulisan pengujian otomatis. Berkat rancangan khusus tersebut, pengembang dapat memanfaatkan AI sebagai pendamping kerja. Namun demikian, kode yang dihasilkan perlu diuji sebelum digunakan. Prinsip pengawasan ini membantu mengurangi kemungkinan kesalahan.
Salah satu daya tarik Flint adalah penggunaan lisensi terbuka untuk model. Recursive merilis Flint dengan lisensi Apache 2.0 yang memungkinkan integrasi dalam proyek yang sesuai ketentuan lisensi. Dengan ketersediaan tersebut, pemrosesan AI tidak harus selalu dilakukan pada server pihak ketiga. Kemampuan tersebut bermanfaat bagi tim yang ingin mengatur lingkungan komputasi sendiri. Meskipun model dapat dijalankan secara lokal, tidak semua laptop mampu menjalankan model dengan performa optimal. Untuk perlindungan data yang lebih baik, konfigurasi alat bantu eksternal juga harus diperiksa. Melalui pengaturan yang tepat, pengembang dapat menyesuaikan penerapan sesuai kebutuhan.
Teknologi Model AI 40 Miliar Parameter yang Efisien
Pada bagian arsitektur, Flint memanfaatkan Mixture-of-Experts atau MoE yang dirancang mengurangi kebutuhan komputasi setiap token. Dalam konfigurasi lengkapnya, Flint memiliki sekitar 39,8 miliar parameter. Akan tetapi, jumlah parameter yang digunakan per token sekitar 2,5 miliar. Mekanisme aktivasi terbatas tersebut memungkinkan pemrosesan lebih ringan dibandingkan model padat tertentu. Pada arsitektur model padat, seluruh lapisan utama digunakan secara lebih menyeluruh. Sebaliknya, pemrosesan diarahkan menuju bagian jaringan yang diperlukan. Dengan pendekatan ini, kebutuhan operasi dapat ditekan.
Untuk menangani proyek pemrograman kompleks, Flint memiliki konfigurasi konteks sebesar 262K token. Kapasitas tersebut memberikan kesempatan menganalisis bagian proyek yang luas. Untuk menggambarkan manfaatnya, agen coding mampu mempertahankan instruksi dari langkah sebelumnya. Walaupun kapasitas konteks besar, hasil dapat menurun ketika instruksi terlalu panjang atau kompleks. Oleh karena itu, pengembang dianjurkan memberikan instruksi terstruktur. Untuk mengurangi kesalahan, referensi kode harus dipilih berdasarkan kebutuhan. Cara penggunaan ini membuat proses analisis lebih terarah.
Performa Inferensi Lokal Recursive Flint di Berbagai Perangkat
Tim pengembang Flint menyiapkan dukungan pemrosesan untuk perangkat lokal agar Flint dapat digunakan pada perangkat Apple Silicon. Menurut hasil benchmark Recursive, Flint mencapai kecepatan di atas 125 token per detik pada perangkat M4 Pro. Dalam pengujian menggunakan sistem grafis NVIDIA, performa pemrosesan mencapai lebih dari 150 token setiap detik pada lingkungan pengujian tertentu. Angka performa ini menunjukkan potensi respons yang cepat. Meski hasilnya menarik, performa dipengaruhi quantization dan runtime. Oleh sebab itu, pengguna perlu menguji konfigurasi sendiri.
Untuk mempermudah penggunaan, Flint tersedia dalam sejumlah konfigurasi inferensi. Salah satu pilihannya adalah BF16 yang digunakan sebagai checkpoint dasar. Sebagai alternatif yang lebih ringkas, model dapat digunakan melalui format bobot berpresisi rendah seperti NVFP4 dan GGUF. Varian bobot yang lebih kecil menawarkan opsi instalasi dengan kebutuhan penyimpanan lebih rendah. Walaupun quantization membantu efisiensi, penggunaan RAM dan VRAM dapat meningkat saat konteks panjang. Oleh karena itu, spesifikasi perangkat keras sebaiknya dibandingkan dengan kebutuhan runtime. Berkat penyesuaian perangkat dan model, proses inferensi dapat berjalan lebih efisien.
Cara Menjalankan Recursive Flint secara Lokal
Metode yang dapat dipertimbangkan untuk menggunakan Flint pada komputer sendiri adalah memanfaatkan Ollama. Perangkat lunak Ollama dikenal sebagai alat untuk menjalankan model bahasa pada perangkat. Sesudah lingkungan lokal dipersiapkan, pengguna dapat membuka terminal. Perintah ollama run flint mengaktifkan model setelah proses pengunduhan yang diperlukan. Ketika model selesai dimuat, pengguna dapat memberikan instruksi pemrograman. Meski proses penggunaan dipermudah, interaksi terminal biasa tidak selalu menyediakan akses langsung ke seluruh repository.
Di luar penggunaan runtime tersebut, Flint juga mendukung beberapa ekosistem inferensi. Pilihan tersebut mencakup vLLM, LM Studio, dan perangkat lunak inferensi lainnya. Untuk pengguna perangkat Apple, Recursive mengembangkan mesin inferensi lokal bernama rec. Sistem pemrosesan lokal tersebut memanfaatkan optimalisasi bagi prosesor Apple yang kompatibel. Untuk penggunaan yang melibatkan banyak tindakan, Flint dapat dipadukan dengan OpenHands. Melalui dukungan sistem agen, model dapat diberikan kemampuan membaca file dan menjalankan tools. Perlu diingat, pengembang perlu membatasi kewenangan agen sesuai kebutuhan. Pengawasan tersebut membantu mengurangi risiko eksekusi perintah berbahaya.
Benchmark Recursive Flint dalam Tugas Agentic Coding
Model tersebut dikembangkan untuk menangani pekerjaan pemrograman yang memerlukan beberapa langkah. Untuk menggambarkan penggunaannya, agen dapat diarahkan memeriksa penyebab masalah aplikasi. Dengan dukungan tools yang sesuai, Flint dapat meninjau bagian kode yang relevan sebelum solusi dievaluasi menggunakan proses validasi. Untuk pekerjaan pengembangan lainnya, Flint dapat membantu menambahkan fitur serta membuat unit test. Kemampuan tersebut berpotensi mengurangi pekerjaan berulang. Meskipun AI mampu menghasilkan kode, hasil tetap harus diperiksa secara kritis. Proses validasi ini diperlukan untuk sistem dengan data sensitif.
Dalam pengujian performa model, Recursive menampilkan skor evaluasi pemrograman. Dalam pengujian Terminal-Bench versi 2.1, Flint mencapai tingkat keberhasilan 54,9 persen. Dalam pengujian perbaikan perangkat lunak, Flint dilaporkan memperoleh 89,7 persen pada SWE-bench Pro v2, sedangkan SWE-bench Verified mencapai 74,2 persen. Pencapaian benchmark ini merupakan data evaluasi menurut pengembang model. Karena itu, konfigurasi runtime perlu diperhatikan. Sebagai pertimbangan tambahan, kinerja nyata bergantung pada tingkat kesulitan dan instruksi. Dengan demikian, benchmark sebaiknya dijadikan salah satu acuan.
Penutup: Peluang Model AI Terbuka dalam Pengembangan Perangkat Lunak
Peluncuran Recursive Flint menunjukkan kemajuan pemanfaatan AI untuk pemrograman. Melalui penggunaan sekitar 2,5 miliar parameter aktif, Flint dirancang memberikan inferensi cepat. Kapasitas hingga 262 ribu token serta integrasi dengan berbagai runtime lokal menjadi nilai tambah bagi pengembang. Untuk penerapan yang lebih terbuka, ketersediaan bobot model terbuka mendukung penggunaan sesuai ketentuan lisensi. Meski kemampuan model terus berkembang, kode yang dihasilkan harus melalui pengujian. Di tengah perkembangan TEKNOLOGI AI, penggunaan kecerdasan buatan pada perangkat sendiri semakin relevan. Dari pengalaman Anda, seberapa penting privasi repository dalam memilih model AI? Silakan bagikan pendapat Anda mengenai Flint.
