Recursive가 40B 파라미터 규모의 오픈웨이트 코딩 모델 Flint를 공개했다. 이 모델은 회사의 재귀형 AI 시스템인 Eureka Machine을 활용해 개발 과정의 대부분을 자동화한 사례로 소개됐다. 원문에 따르면 AI는 베이스 모델 학습 방식, 모델 구조, 특정 실리콘 칩에 맞춘 코드 최적화 같은 요소의 개선에 관여했다. 회사는 소수의 연구 인력으로 몇 달 안에 모델을 만들 수 있었던 배경으로 이런 자동화를 설명했다.

기술적으로 중요한 점은 AI가 단순히 코드를 보조하는 수준을 넘어, AI 모델을 만드는 절차 전반에 참여했다는 데 있다. 기사에는 Flint가 비슷한 크기와 구조의 다른 모델보다 코딩 벤치마크에서 더 나은 성능을 보였다는 회사 측 공유 내용도 담겼다. 이런 방식은 모델 실험과 개선 속도를 높일 수 있지만, AI가 스스로 다음 개선을 정하는 반복 구조로 이어질 수 있다는 점에서 재귀적 자기개선 논의와 함께 다뤄진다. 현재는 제한적이지만, 관련 우려가 커지며 정책 논의로도 번지고 있다.