Kendini geliştirebilen yapay zekâ üzerine çalışan girişim Recursive, ilk modeli Flint’i yayımladı. Flint, dizüstü bilgisayarda çalışabilen ücretsiz bir kodlama modeli ve şirkete göre büyük ölçüde yapay zekâ yardımıyla geliştirildi. Recursive’in “Eureka Machine” adını verdiği otomatik araştırma sistemi, modelin geliştirilmesinin neredeyse her adımında rol aldı; bu da küçük bir ekibin modeli dört aydan kısa sürede sıfırdan inşa etmesini sağladı.
Kendini geliştiren yapay zekânın erken bir testi
Flint, “özyinelemeli kendini geliştirme” (recursive self-improvement) fikrinin kamuya açık erken bir sınavı olarak görülüyor. Bu fikre göre yapay zekâ daha iyi bir yapay zekâ inşa ediyor, o da daha iyisini… Sektörün en tartışmalı fikirlerinden biri olan bu yaklaşım, bazı araştırmacıların yapay zekânın insan kontrolünden çıkabileceği endişesini de beraberinde getiriyor. Recursive’in bugünkü uygulaması ise daha sınırlı: İnsanların denetlediği bir yapay zekâ araştırma asistanı, dizüstü bilgisayara sığacak kadar küçük bir model üretmiş durumda.
Mayıs ayında 650 milyon dolarlık yatırım ve 4,65 milyar dolar değerlemeyle gizlilikten çıkan şirketin yatırımcıları arasında GV, Nvidia ve AMD Ventures bulunuyor. Recursive’in CEO’su, Salesforce’un eski baş bilim insanı Richard Socher.
Çevrim dışı, gizli ve ücretsiz
Flint, şirket sunucuları yerine kullanıcının kendi bilgisayarında çalıştığı için geliştiriciler onu internet bağlantısı olmadan kullanabiliyor, kodlarını kendi cihazlarında tutabiliyor ve bulut yapay zekâ servislerinin işlenen metin miktarına göre aldığı kullanım ücretlerinden kurtuluyor. Model, Hugging Face üzerinden Apache 2.0 açık kaynak lisansıyla ücretsiz indirilebiliyor; bu lisans serbest kullanım ve değişiklik yapmaya izin veriyor.
40 milyar parametre, yalnızca 2,5 milyarı aktif
Flint bir “uzmanlar karışımı” (mixture-of-experts) modeli. Yani her görev için kendisinin yalnızca küçük bir bölümünü kullanıyor: 40 milyar parametresinin aynı anda sadece 2,5 milyarı devrede. Bu yapı, modeli sıradan bir dizüstü bilgisayar için yeterince hafif kılıyor. Karşılaştırma için, geçen hafta Mac’ler için yayımlanan Meta’nın açık modeli Muse Spark Open 816 milyar parametre kullanıyor ve en az bir terabayt bellek gerektiriyor.
Recursive’in testlerinde Flint, Apple M4 Pro çipli bir MacBook Pro’da saniyede yaklaşık 131 token üretti. Bu, aynı makinede Google’ın Gemma 4’ü ve Nvidia’nın Nemotron 3.5 Lightning’i gibi benzer modellerin ulaştığı 58–69 tokenın yaklaşık iki katı. Nvidia’nın RTX Spark’ında ise Flint saniyede 150 tokenı aştı.
Performans: 50 milyar parametre altı modellerin önünde
Gerçek yazılım hatalarını düzeltme becerisini ölçen SWE-Bench Verified testinde Flint, 50 milyar parametrenin altındaki diğer modelleri geride bıraktı. Recursive’in altı testten oluşan kendi ortalamasında ise yalnızca Alibaba’nın Qwen3.8 27B modeli Flint’ten yüksek puan aldı.
Şirket, Flint’in büyük ücretli kodlama asistanlarına göre daha fazla yönlendirmeye ihtiyaç duyduğunu kabul ediyor ve büyük görevlerin küçük adımlara bölünmesini öneriyor. İlk değerlendirmeler ise olumlu: Wired’dan Will Knight, Flint’i 48 GB belleğe sahip bir Mac’te kullanarak yapılacaklar listesi uygulaması ve web’de araştırma yapan bir araç gibi küçük programlar geliştirdi. Knight, küçük kodlama modellerinin Claude ya da Codex’e kıyasla sık hata yaptığını veya yavaş kaldığını, ancak Flint’in tüm isteklerini sorunsuz yerine getirdiğini aktarıyor.
Eureka Machine neler yaptı?
Eureka Machine fikir üretiyor, deneyler yürütüyor ve sonuçlara bakarak bir sonraki adımı belirliyor. Şirketin tanıtım videosuna göre sistem; ön eğitimden son eğitime ve çıkarıma kadar Flint’in neredeyse tüm aşamalarına katkı sağladı. Recursive, Eureka’nın katkıları arasında daha seyrek bir model yapısını, modeli kalitede neredeyse hiç kayıp olmadan yüzde 71 küçülten düşük bitli eğitimi ve hesaplamaları hızlandıran özel çekirdekleri (kernel) sayıyor.
Recursive, Eureka Machine’in araştırmacılara ne kadar zaman kazandırdığını açıklamadı. Ancak araştırmada yapay zekâya yaslanan tek şirket değil: OpenAI geçen ay, Ağustos ortası itibarıyla ajanlarının bir insan araştırmacının her bir iş gününe karşılık 3,1 iş günü çalıştığını açıklamıştı. Socher’ın uzun vadeli hedefi, insanların süreci denetleyip gerektiğinde durdurabildiği tam bir özyinelemeli kendini geliştirme döngüsü kurmak.
Türkiye’deki geliştiriciler için ne anlama geliyor?
Ücretsiz, açık lisanslı ve yerel çalışan kodlama modelleri; bulut abonelik maliyetlerinden kaçınmak isteyen bağımsız geliştiriciler, öğrenciler ve verisini dışarı çıkarmak istemeyen şirketler için önemli bir seçenek. Flint’in gerçek projelerdeki başarısı bağımsız testlerle netleşecek olsa da güçlü bir dizüstü bilgisayarı olan herkesin artık kendi cihazında yetenekli bir kodlama asistanı çalıştırabilmesi dikkat çekici bir eşik.
Kaynak: Recursive, TechCrunch
