modelos

Recursive: Flint (free)

Markdown · JSON

Recursive: Flint (free)

recursive/flint-v1.0:free
RecursiveTextoEntrada USD 0.00 / 1KSalida USD 0.00 / 1K

Modelo de texto MoE de Recursive para explorar bases de código, corregir errores y preparar funciones y pruebas.

Un modelo para trabajar con código

Flint es un modelo de texto de Recursive creado para agentes de programación: explorar bases de código, corregir errores, implementar funciones y escribir pruebas. Es un modelo MoE con pesos abiertos: de sus 39,8 mil millones de parámetros, se activan unos 2,5 mil millones al procesar un token. La división en expertos forma parte de su arquitectura y no indica la presencia de varios asistentes independientes en el chat.

En el desarrollo de Flint participó Eureka Machine, un sistema de investigación de Recursive. Ayudó a buscar soluciones de arquitectura, seleccionar datos y métodos de entrenamiento y optimizar los cálculos. El propio Flint pasó por preentrenamiento, entrenamiento intermedio, entrenamiento con ejemplos de instrucciones y aprendizaje por refuerzo. Entre las tareas de entrenamiento figuraban texto, código, seguimiento de instrucciones y trabajo en escenarios con agentes.

Análisis del proyecto y preparación de cambios

Conviene empezar una tarea de trabajo por una parte concreta del proyecto: envía los archivos necesarios como texto y describe la finalidad de las funciones y el resultado esperado. Para buscar un error, añade el comportamiento observado y un fragmento del registro. Después puedes pedir una explicación de la causa, una corrección mínima y una prueba que distinga el comportamiento correcto del error. Este orden facilita la comprobación posterior del resultado en tu entorno.

Para una nueva función, indica los datos de entrada, las restricciones y ejemplos del resultado. Al refactorizar, enumera las propiedades que deben conservarse y pide que se describan por separado los cambios en las interfaces. El desarrollador recomienda dividir el trabajo complejo en subtareas pequeñas y dar instrucciones explícitas. Por ello, una conversación sucesiva con resultados intermedios se ajusta mejor al uso previsto de Flint que un encargo indefinido de rehacer todo el proyecto.

Contexto y formato de conexión

En Ailoot, Flint trabaja con texto de entrada y de salida. La ventana de contexto es de 262 144 tokens; los materiales de partida, el historial y la respuesta comparten ese espacio. El límite de salida indicado es de 235 929 tokens. Estas cifras describen los límites de la conexión; conviene definir la extensión real según la tarea: explicación de la causa de un error, parche, conjunto de pruebas o plan de trabajo.

Están disponibles los formatos Messages, Responses y Chat Completions. Permiten utilizar la estructura habitual de la aplicación cliente. La propia aplicación organiza la lectura de archivos locales y la aplicación de cambios: en una solicitud de texto, el modelo recibe el código enviado y devuelve propuestas, explicaciones o código nuevo.

Flint sirve para un diálogo técnico iterativo en el que cada paso se apoya en el contenido del proyecto y en la comprobación del cambio anterior. Su especialización ayuda a formular la tarea, mientras que el resultado de trabajo es un texto concreto: una explicación, una implementación o una prueba verificable.

Disponible mediante la API de Ailoot

Ultra Anthropic MessagesPOST /v1/messages
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
235,929 tokens
Entrada
USD 0.00 / 1K
Salida
USD 0.00 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
235,929 tokens
Entrada
USD 0.00 / 1K
Salida
USD 0.00 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
235,929 tokens
Entrada
USD 0.00 / 1K
Salida
USD 0.00 / 1K
recursive/flint-v1.0:free · JSON
{"about":"### Un modelo para trabajar con código\n\nFlint es un modelo de texto de Recursive creado para agentes de programación: explorar bases de código, corregir errores, implementar funciones y escribir pruebas. Es un modelo MoE con pesos abiertos: de sus 39,8 mil millones de parámetros, se activan unos 2,5 mil millones al procesar un token. La división en expertos forma parte de su arquitectura y no indica la presencia de varios asistentes independientes en el chat.\n\nEn el desarrollo de Flint participó Eureka Machine, un sistema de investigación de Recursive. Ayudó a buscar soluciones de arquitectura, seleccionar datos y métodos de entrenamiento y optimizar los cálculos. El propio Flint pasó por preentrenamiento, entrenamiento intermedio, entrenamiento con ejemplos de instrucciones y aprendizaje por refuerzo. Entre las tareas de entrenamiento figuraban texto, código, seguimiento de instrucciones y trabajo en escenarios con agentes.\n\n### Análisis del proyecto y preparación de cambios\n\nConviene empezar una tarea de trabajo por una parte concreta del proyecto: envía los archivos necesarios como texto y describe la finalidad de las funciones y el resultado esperado. Para buscar un error, añade el comportamiento observado y un fragmento del registro. Después puedes pedir una explicación de la causa, una corrección mínima y una prueba que distinga el comportamiento correcto del error. Este orden facilita la comprobación posterior del resultado en tu entorno.\n\nPara una nueva función, indica los datos de entrada, las restricciones y ejemplos del resultado. Al refactorizar, enumera las propiedades que deben conservarse y pide que se describan por separado los cambios en las interfaces. El desarrollador recomienda dividir el trabajo complejo en subtareas pequeñas y dar instrucciones explícitas. Por ello, una conversación sucesiva con resultados intermedios se ajusta mejor al uso previsto de Flint que un encargo indefinido de rehacer todo el proyecto.\n\n### Contexto y formato de conexión\n\nEn Ailoot, Flint trabaja con texto de entrada y de salida. La ventana de contexto es de 262 144 tokens; los materiales de partida, el historial y la respuesta comparten ese espacio. El límite de salida indicado es de 235 929 tokens. Estas cifras describen los límites de la conexión; conviene definir la extensión real según la tarea: explicación de la causa de un error, parche, conjunto de pruebas o plan de trabajo.\n\nEstán disponibles los formatos Messages, Responses y Chat Completions. Permiten utilizar la estructura habitual de la aplicación cliente. La propia aplicación organiza la lectura de archivos locales y la aplicación de cambios: en una solicitud de texto, el modelo recibe el código enviado y devuelve propuestas, explicaciones o código nuevo.\n\nFlint sirve para un diálogo técnico iterativo en el que cada paso se apoya en el contenido del proyecto y en la comprobación del cambio anterior. Su especialización ayuda a formular la tarea, mientras que el resultado de trabajo es un texto concreto: una explicación, una implementación o una prueba verificable.","alias_of":null,"aliases":[],"author":"Recursive","canonical_model":"recursive/flint-v1.0:free","ctx":262144,"formats":["chat","messages","responses"],"id":"recursive/flint-v1.0:free","input":["text"],"kind":"text","max_out":235929,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":262144,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"Anthropic Messages","max_out":235929,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/messages","request_model_id":"recursive/flint-v1.0:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":262144,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"OpenAI Responses","max_out":235929,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/responses","request_model_id":"recursive/flint-v1.0:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":262144,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"OpenAI Chat","max_out":235929,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"recursive/flint-v1.0:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"recursive/flint-v1.0:free","request_model_id":"recursive/flint-v1.0:free","route_label":"Ultra"}],"name":"Recursive: Flint (free)","price":{"in":0,"in_label":null,"out":0,"out_label":null,"sort_in":0,"sort_out":0,"varies":false},"public_id":"recursive/flint-v1.0:free","short":"Modelo de texto MoE de Recursive para explorar bases de código, corregir errores y preparar funciones y pruebas."}

Preguntas

¿Cómo elijo un modelo para mi tarea?

Primero determina la entrada y la salida necesarias: texto, imagen, audio o vídeo. Después compara los métodos de API compatibles, el ID exacto del modelo o el modelo al que apunta actualmente el alias, el precio y la unidad de facturación. GET /v1/models es gratuito y enumera los modelos disponibles para tu clave.

¿Cada modelo admite todos los métodos de API y tipos de contenido?

Utiliza los métodos de API y los tipos de entrada y salida que figuran en la ficha del modelo. La compatibilidad con texto, imágenes, audio o vídeo depende del modelo y del método seleccionados; consulta su ejemplo de solicitud antes de enviar tus datos.

¿Qué diferencia hay entre el ID de un modelo y un alias?

Un ID exacto identifica un modelo concreto. Un alias apunta a un modelo y su destino puede cambiar. Consulta en el catálogo a qué modelo apunta actualmente el alias; utiliza el ID exacto cuando tu integración necesite un modelo concreto.

¿Cómo comparo los precios antes de enviar una solicitud?

Consulta en la ficha del modelo el precio y la unidad de facturación del método de API seleccionado. Compara la misma unidad y el mismo tipo de entrada y salida; el historial de solicitudes muestra el uso real y el importe cobrado.

¿Qué ofrece la suscripción?

Descuento en compra de tokens para trabajo habitual. Elige el plan según tu volumen; condiciones y precio se muestran al contratar.

¿Cómo aplico un código de hasta el 50%?

Introduce el código al comprar tokens. El importe se recalcula según la promoción; ves el descuento antes de pagar.