ریکرسو، استارتاپ هوش مصنوعی تأسیس سال گذشته، در حال عملی کردن نام خود است. این شرکت که تلاش می‌کند هوش مصنوعی‌ای بسازد که بتواند خود را بهبود بخشد، اولین مدل خود یعنی فلینت را روز چهارشنبه منتشر کرد. فلینت یک مدل کدنویسی رایگان است که می‌تواند روی لپ‌تاپ اجرا شود و بخش عمده‌ای از ساخت آن با کمک هوش مصنوعی انجام شده است.
به گفته این شرکت، سیستم تحقیقات خودکار ریکرسو که آن را «ماشین یورکا» می‌نامد، در تقریباً تمام مراحل توسعه فلینت کمک کرده است. این امر به تیم کوچکی اجازه داد تا مدل را از صفر و در کمتر از چهار ماه بسازد.
فلینت نخستین آزمون عمومی برای مفهوم «خودبهبودی بازگشتی» است؛ ایده‌ای مبنی بر اینکه هوش مصنوعی می‌تواند هوش مصنوعی بهتری بسازد که به نوبه خود هوش مصنوعی حتی بهتری ایجاد کند. این یکی از بحث‌برانگیزترین ایده‌ها در صنعت است. برخی پژوهشگران نگرانند که خودبهبودی هوش مصنوعی ممکن است از کنترل انسان خارج شود. در حال حاضر، نسخه ریکرسو محدودتر است: یک دستیار تحقیقاتی هوش مصنوعی تحت نظارت انسان که مدلی کوچک و مناسب برای لپ‌تاپ تولید کرده است.
این شرکت در ماه مه از حالت پنهان خارج شد و با جذب ۶۵۰ میلیون دلار سرمایه و ارزش‌گذاری ۴.۶۵ میلیارد دلاری، از سوی حامیان مالی شامل GV، انویدیا و AMD Ventures پا به عرصه گذاشت. ریکرسو توسط ریچارد سوکر، مدیرعامل و دانشمند ارشد سابق سیلزفورس، اداره می‌شود.
از آنجا که فلینت روی کامپیوتر کاربر اجرا می‌شود نه سرورهای ابری شرکت، توسعه‌دهندگان می‌توانند به صورت آفلاین از آن استفاده کنند، کدهای خود را خصوصی نگه دارند و از هزینه‌های مصرف که خدمات ابری هوش مصنوعی بر اساس حجم متنی که مدل پردازش می‌کند دریافت می‌کنند، اجتناب نمایند. این مدل تحت مجوز آپاچی ۲.۰، یک مجوز متن‌باز که امکان استفاده و تغییر رایگان را فراهم می‌کند، به صورت رایگان در سایت محبوب اشتراک‌گذاری مدل‌های هوش مصنوعی، هاگینگ فیس، قابل دانلود است.
فلینت یک مدل «ترکیب خبرگان» (Mixture-of-Experts) است، به این معنی که برای هر وظیفه مشخص، تنها بخش کوچکی از خودش را استفاده می‌کند: فقط ۲.۵ میلیارد از ۴۰ میلیارد تنظیمات آن که پارامتر نامیده می‌شوند، در هر لحظه فعال هستند. این ویژگی آن را برای یک لپ‌تاپ معمولی سبک نگه می‌دارد و بسیار کوچکتر از Muse Spark Open متاست، یک مدل متن‌باز ساخته شده برای مک‌ها که هفته گذشته منتشر شد. Muse Spark Open از ۸۱۶ میلیارد پارامتر استفاده می‌کند و حداقل به یک ترابایت حافظه نیاز دارد.
فلینت همچنین سریع است. در آزمایش‌های ریکرسو، این مدل روی مک‌بوک پرو مجهز به تراشه M4 Pro اپل، حدود ۱۳۱ توکن (قطعات متن) در ثانیه تولید کرد — تقریباً دو برابر سرعت ۵۸ تا ۶۹ توکن در ثانیه که مدل‌های مشابه روی همان دستگاه مدیریت کردند، از جمله Gemma 4 گوگل و Nemotron 3.5 Lightning انویدیا. روی RTX Spark انویدیا، فلینت بیش از ۱۵۰ توکن در ثانیه تولید کرد.
در SWE-Bench Verified، یک معیار سنجش که میزان توانایی هوش مصنوعی در رفع باگ‌های نرم‌افزاری دنیای واقعی را اندازه‌گیری می‌کند، فلینت عملکرد بهتری نسبت به سایر مدل‌های زیر ۵۰ میلیارد پارامتر داشت. در میانگین نتایج شش تست ریکرسو، تنها یک مدل، یعنی Qwen3.8 27B علی‌بابا، امتیاز بالاتری نسبت به فلینت کسب کرد.
این شرکت اذعان داشت که فلینت به راهنمایی بیشتری نسبت به دستیاران کدنویسی بزرگ و پولی نیاز خواهد داشت و پیشنهاد کرد که کارهای بزرگ به مراحل کوچکتر تقسیم شوند. با این حال، نظرات اولیه مثبت بود. ویل نایت از نشریه Wired با استفاده از فلینت روی یک مک با ۴۸ گیگابایت حافظه، چندین برنامه کوچک از جمله یک اپلیکیشن لیست کارها و ابزاری برای جستجوی وب برای تحقیق ساخت. او دریافت که مدل‌های کدنویسی کوچکتر اغلب با خطا مواجه می‌شدند یا در مقایسه با Claude یا Codex کند بودند، اما فلینت درخواست‌های کدنویسی او را هر بار با موفقیت انجام داد.
ماشین یورکا ایده‌هایی ارائه می‌دهد، آزمایش‌ها را اجرا می‌کند و از نتایج برای تصمیم‌گیری درباره مرحله بعدی استفاده می‌کند. طبق ویدیوی معرفی شرکت، این سیستم در تقریباً تمام بخش‌های ساخت فلینت، از پیش‌آموزش گرفته تا پس‌آموزش و استنتاج، مشارکت داشته است.
سوکر برای شفاف‌سازی جزئیات فنی در تغییراتی نوشت که مشارکت‌های یورکا شامل شکل‌دهی مدل پراکنده‌تر، آموزش با بیت پایین که فلینت را ۷۱٪ کوچکتر کرد بدون افت کیفیت محسوس، و کرنل‌های سفارشی است؛ برنامه‌های تخصصی که محاسبات پایه را سرعت می‌بخشند.
ریکرسو اعلام نکرد که ماشین یورکا چقدر زمان را برای پژوهشگرانش صرفه‌جویی کرده است، اما او تنها شرکتی نیست که برای انجام تحقیقات به هوش مصنوعی تکیه می‌کند. اوپن‌ای‌آی ماه گذشته اعلام کرد که تا اواسط آگوست، عوامل هوش مصنوعی آن به ازای هر روز کاری یک پژوهشگر انسانی، ۳.۱ روز کاری ثبت کرده بودند.
اگر شرط‌بندی ریکرسو نتیجه دهد، هر مدل جدید باید بتواند دوره‌های طولانی‌تری از کار را بدون کمک انسانی انجام دهد. این شرکت قبلاً به TechCrunch گفته بود که قرارداد محاسباتی ۴۱۰ میلیون دلاری آن با سرویس‌های وب آمازون در ژوئن «کمتر مربوط به تعداد پرسنل و بیشتر مربوط به تعداد عوامل (Agent) بود.»
هدف بلندمدت، به گفته سوکر به نشریه Wired، دستیابی ماشین یورکا به خودبهبودی بازگشتی کامل است، به طوری که انسان‌ها بر فرآیند نظارت داشته باشند و در صورت بروز مشکل بتوانند آن را متوقف کنند. ریکرسو می‌گوید هر مدل جدید باید ماشین یورکا را به پژوهشگر بهتری تبدیل کند و به آن کمک کند تا مدل بعدی را سریعتر بسازد.