{
  "aboutHtml": "<h3>Un modelo para trabajar con código</h3><p>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.</p><p>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.</p><h3>Análisis del proyecto y preparación de cambios</h3><p>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.</p><p>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.</p><h3>Contexto y formato de conexión</h3><p>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.</p><p>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.</p><p>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.</p>",
  "aboutText": "### 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.",
  "locale": "es-mx",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Anthropic Messages</b><code>POST /v1/messages</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Entrada</dt><dd><code>text</code></dd></div><div><dt>Salida</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>262,144 <em>tokens</em></dd></div><div><dt>Respuesta máx.</dt><dd>235,929 <em>tokens</em></dd></div></dl><dl><div><dt>Entrada</dt><dd>USD 0.00 <em>/ 1K</em></dd></div><div><dt>Salida</dt><dd>USD 0.00 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "recursive/flint-v1.0:free",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "recursive/flint-v1.0:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|recursive%2Fflint-v1.0%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Responses</b><code>POST /v1/responses</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Entrada</dt><dd><code>text</code></dd></div><div><dt>Salida</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>262,144 <em>tokens</em></dd></div><div><dt>Respuesta máx.</dt><dd>235,929 <em>tokens</em></dd></div></dl><dl><div><dt>Entrada</dt><dd>USD 0.00 <em>/ 1K</em></dd></div><div><dt>Salida</dt><dd>USD 0.00 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "recursive/flint-v1.0:free",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "recursive/flint-v1.0:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|recursive%2Fflint-v1.0%3Afree",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Chat</b><code>POST /v1/chat/completions</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Entrada</dt><dd><code>text</code></dd></div><div><dt>Salida</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>262,144 <em>tokens</em></dd></div><div><dt>Respuesta máx.</dt><dd>235,929 <em>tokens</em></dd></div></dl><dl><div><dt>Entrada</dt><dd>USD 0.00 <em>/ 1K</em></dd></div><div><dt>Salida</dt><dd>USD 0.00 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "recursive/flint-v1.0:free",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "recursive/flint-v1.0:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|recursive%2Fflint-v1.0%3Afree",
      "ordinal": 2,
      "rawMethod": {
        "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_id": "recursive/flint-v1.0:free",
  "page": {
    "canonical": "https://ailoot.ai/models/es-mx/recursive-flint-v1-0-free/",
    "description": "Modelo de texto MoE de Recursive para explorar bases de código, corregir errores y preparar funciones y pruebas.",
    "locale": "es-mx",
    "md_url": "https://ailoot.ai/models/es-mx/recursive-flint-v1-0-free/index.md",
    "title": "Recursive: Flint (free)",
    "url": "https://ailoot.ai/models/es-mx/recursive-flint-v1-0-free/"
  },
  "rawModel": {
    "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."
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Modelo de texto MoE de Recursive para explorar bases de código, corregir errores y preparar funciones y pruebas.",
  "source": {
    "audit_sha256": "d46a54d9b7686835c82ea0c52aaf41de18c4bb505fb6b02829c4a455e3225726",
    "bridge_map_sha256": "d46a54d9b7686835c82ea0c52aaf41de18c4bb505fb6b02829c4a455e3225726",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "c2ee0ec2a3388b05e9ec832fefc425512f3693a131a025f5b03e93aea095028d",
      "renderer_sha256": "80f6df0efa21e619907bea00ff85badfd94c43bbe89f747c75f51a9dd05a3120"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "c2ee0ec2a3388b05e9ec832fefc425512f3693a131a025f5b03e93aea095028d",
    "renderer_sha256": "80f6df0efa21e619907bea00ff85badfd94c43bbe89f747c75f51a9dd05a3120"
  },
  "sourceRevision": "23772d1516a70f70a668b5f9fbdf87ec3f5f7e0bba1d2fe9cc693b61118beae2"
}
