Recursiveは2026年10月21日、オープンウェイトのコーディングモデル「Flint」を公開した。このモデルの研究の大部分はAIの助けを借りて行われ、モデル全体は少人数チームの支援を受けて4か月未満で構築された。このアプローチが、小規模なラボに巨額の投資なしで業界最大手と競争する機会をもたらすかどうかは、依然として問われたままだ。この問いを追う読者にとって、今回のリリースはテストケースとなる。異例に小さいチームと、異例に自動化された研究プロセスを組み合わせたものであり、この方程式の両側は時間をかけて検証できる。

FlintはMixture-of-Experts設計を採用しており、一度にモデルのごく一部のみを活性化することで、効率的な動作を実現している。モデルカードには総パラメータ398億、トークンごとの活性化パラメータ約25億と記載されている。Apache 2.0ライセンスは商用利用を許可しており、開発者はFlintをローカルで実行できる。このオープン性が実用上の魅力だ。誰でもウェイトをダウンロードして検証し、APIキーや従量課金なしに自分のマシンでモデルを実行できる。疎なMixture-of-Experts設計こそが、特定のトークンに対して約25億のパラメータのみが処理を行うため、ローカルでの利用を現実的なものにしている。

Recursiveが語るEureka Machineの構築内容

Recursiveは、Flintのアーキテクチャ、学習、推論ソフトウェアへの変更の提案、コーディング、テストをEureka Machineが行ったとしている。CEOのリチャード・ソッチャー(Richard Socher)氏はWIREDに対し、AIが「モデルパイプライン全体のほぼあらゆる側面」を改善したと述べた。

このアプローチは、AIシステムにより優れた後継モデルを構築させるというRecursiveの掲げる目標の中心だ。ソッチャー氏は、人間が依然として研究プロセスを停止できると主張している。この主張が正しければ、業界全体への示唆は、モデル開発の労力がどこに向かうかにある。定型的なリサーチエンジニアリングの労力が減り、実験実行という計算集約的な作業により多くの労力が割かれることになる。

会社公表のベンチマークとWIREDの実測

Recursiveが実施したテストでは、FlintはSWE-Bench Pro v2、Terminal-Bench 2.1、SWE-Bench Verifiedにおいて、500億パラメータ未満の他のMixture-of-Expertsモデルを上回る成績を収めた。同社はまた、短いコンテキスト長において、M4 Pro MacBook Proで毎秒125トークン超、NVIDIA RTX Sparkで毎秒150トークンの速度を報告している。

重要な留意点として、これらは企業自身の数値であり、独立した評価は依然として限られている。WIREDのウィル・ナイト(Will Knight)氏が自らFlintをテストしたところ、かなり優秀で、小規模なウェブサイトの作成すら可能だったという。ただし、少数のコーディングタスクの成功だけでは、他のモデルとの比較は分からない。

OpenHandsはリリース前にFlintのテストを実施し、公開初日に開発者へアクセスを提供した。これはFlintが現実のコーディングタスクに対応できることを示すものだが、OpenHandsはRecursiveのベンチマークに関する主張を独立に検証していない。このギャップこそ、次に最も注目すべき点だ。ベンチマークは公開されているため、第三者による結果は、企業の数値が自社のテスト環境の外でも成立するかを示すことになる。

安価なAIをめぐる4億1000万ドルの問い

必要な人員が少ないモデルを作っても、安くなるとは限らない。RecursiveはFlintの構築コストを明らかにしていない。2026年7月28日、同社はAWSと4億1000万ドルの契約を締結した(TechCrunchが報道)。以前に6億5000万ドルを調達しており、これらの金額のいずれにもFlint自体の構築コストは含まれていない。小規模ラボの問題に関して、ここで念頭に置くべき複雑さは、自動化は人員を減らせるが、モデルの背後にある支出は依然として数億ドル規模であるという点だ。

Epoch AIの研究は、コストが高水準に留まる理由を示している。2024年、最終的な学習ランはOpenAIの研究用計算資源支出の9.6%を占めるにとどまり、資金の大部分は他の研究関連活動に配分されていた。

AIエージェントは、以前は研究者が担っていた作業の一部を引き継ぐことができる。しかし、実験の実行やアイデアの検証には依然として大量の計算能力が必要だ。だからこそ、少人数チームがモデルを構築する話と、莫大な計算予算の話は矛盾しない。労働力の投入と計算資源の投入は、コストという物語の別々の部分を語っているのだ。

オープンウェイト、ローカルハードウェア、そしてグローバルな競争

一方で、AIの利用は格段に安価になりつつある。Epoch AIの推定では、同等の性能を達成するコストは2023年以降、四半期ごとに約47%低下している。

2026年9月22日、OpenAIはGPT-6 SolおよびLunaを、前身モデルより50%以上低い価格で発表した(Cryptopolitanが報道)。Flintはこれらの価格変更とは無関係だ。それでも、開発者にもう一つの選択肢を与えている。有料クラウドサービスに頼らず、自分のハードウェアで実行できるコーディングモデルだ。

その恩恵は、確立されたAI市場を超えて広がる可能性がある。スタンフォード大学の2026 AI Indexは、オープンソース開発がより多くの国のAIイノベーションへの参画を後押ししていることを明らかにした。許容的なライセンスでローカル実行可能なコーディングモデルは、フロンティアのクラウドアクセスに対料を払えない、あるいは払いたくない開発者に能力を届けるため、この流れに合致する。

現時点で、FlintはAI支援による研究で少人数チームが何を成し遂げられるかを示している。同じアプローチがモデル開発を小規模ラボにとっても手の届くものにできるかは、依然として問われたままだ。近く注目すべきシグナルは、独立したベンチマーク結果、構築コストの実際の開示、そしてRecursiveの次期モデルのどれだけをEureka Machineが最終的に書くかである。