Una startup liberó un modelo de IA que habría sido construido casi en su totalidad por otra

La startup Recursive presentó Flint, un modelo de inteligencia artificial para programación que, según la empresa, fue diseñado en casi todas sus etapas por otro sistema de IA en lugar de por ingenieros humanos. El lanzamiento reabre el debate sobre la autosuperación recursiva de los sistemas de la herramienta.

Flint es un modelo de 40.000 millones de parámetros, de los cuales activa apenas 2.500 millones por cada palabra que procesa, lo que le permite correr en una computadora portátil en lugar de requerir servidores de centros de datos. Recursive publicó sus pesos en Hugging Face bajo licencia Apache 2.0, de uso libre.

Según el comunicado oficial de la empresa, un equipo reducido construyó el modelo desde cero en menos de cuatro meses con la ayuda de un sistema interno llamado Eureka Machine, que propone ideas de investigación, las implementa, las prueba y decide qué intentar a continuación sin supervisión constante de personas.

Richard Socher, director ejecutivo y cofundador de Recursive, le dijo a Wired que “casi todos los aspectos de la totalidad de la canalización del modelo fueron hechos y mejorados por IA”. El propio medio probó Flint durante varios días antes de la publicación de la nota.

Una laptop hace el trabajo de un centro de datos

En las pruebas que describió Wired, Flint corrió en una Mac con 48 gigabytes de memoria y respondió con fluidez a pedidos de programación, entre ellos crear una lista de tareas para la terminal, una herramienta de rastreo web y un sitio simple que explica la autosuperación recursiva.

Recursive informó que, con su motor de inferencia optimizado, la IA genera más de 125 tokens por segundo (las unidades de texto que procesa un modelo de lenguaje) en una MacBook Pro con chip M4 Pro, y más de 150 tokens por segundo en una placa NVIDIA RTX Spark.

La empresa reportó en la ficha técnica del modelo en Hugging Face puntajes de 89,7% en la prueba SWE-bench Pro v2, 74,2% en SWE-bench Verified y 54,9% en Terminal-Bench 2.1. Son tres exámenes estandarizados que miden la capacidad de un modelo para resolver tareas de programación reales. Son mediciones propias de la compañía, no de un laboratorio externo.

Qué hizo exactamente el sistema automatizado

Recursive detalló en su blog tres ejemplos del trabajo de Eureka Machine. El sistema partió de un diseño de 35.000 millones de parámetros y probó distintas configuraciones hasta llegar a la versión final de 40.000 millones con 2.500 millones activos, la combinación que proyectó como la de mejor equilibrio entre velocidad y capacidad de programación.

Luego, para reducir el tamaño del modelo, el sistema redujo a 4 bits la precisión de la capa de salida. Fue una decisión poco habitual en la industria, porque esa capa representa una parte grande del peso total en un modelo con tan pocos parámetros activos.

Para recuperar precisión, el sistema agregó una etapa en la que el modelo comprimido aprende de sus propias respuestas generadas con la versión de mayor precisión como maestra.

Según Recursive, el modelo final en baja precisión obtuvo resultados apenas 0,7 puntos por debajo de la versión sin comprimir en sus pruebas internas. La empresa también dijo que el sistema escribió código optimizado para los chips de Apple y de NVIDIA que usa el modelo.

El trasfondo: 650 millones de dólares y un debate en el Congreso

Recursive salió de su etapa de operación reservada en mayo de 2026 con una ronda de USD 650 millones y una valuación de USD 4.650 millones, con inversores como Google Ventures, Greycroft, Nvidia y AMD Ventures, según informó TechCrunch en ese momento. Socher fue antes científico jefe de Salesforce.

Entre sus cofundadores figura Jeff Clune, profesor de la Universidad de Columbia Británica especializado en sistemas que aprenden de forma continua. La autosuperación recursiva, la idea de que una IA diseñe una versión más capaz de sí misma y repita el proceso en bucle, es uno de los conceptos más debatidos de la inteligencia artificial actual.

Quienes la defienden sostienen que podría acelerar el progreso científico y abaratar el desarrollo de sistemas avanzados. Quienes la cuestionan advierten que un ciclo de ese tipo podría volverse difícil de supervisar o de detener para las personas.

Ese temor ganó visibilidad después de que un investigador renunciara a Anthropic en septiembre y advirtiera que los avances en inteligencia artificial, incluida la autosuperación recursiva, podrían derivar en riesgos graves para la humanidad en pocos años, una advertencia que luego repitieron otros especialistas. Varios proyectos de ley presentados en el Congreso de Estados Unidos proponen directamente prohibir la técnica.

Socher calificó esos temores como más propios de la ciencia ficción que de un riesgo real y afirmó que Flint fue construido con un sistema que no puede escapar del control humano. Dijo que el objetivo de Recursive es que Eureka Machine alcance una autosuperación recursiva completa, pero siempre bajo supervisión de personas capaces de interrumpir el proceso.

La empresa adelantó que su próximo paso incluye modelos locales más capaces y la infraestructura necesaria para ejecutarlos, mientras el debate legislativo sobre los límites de la autosuperación recursiva continúa abierto en el Congreso estadounidense.