models

Recursive: Flint (free)

Markdown · JSON

Recursive: Flint (free)

recursive/flint-v1.0:free
RecursiveTexteEntrée 0,00 USD / 1KSortie 0,00 USD / 1K

Modèle textuel MoE de Recursive pour explorer une base de code, corriger des erreurs et préparer des fonctionnalités et des tests.

Un modèle pour le travail sur le code

Flint est un modèle textuel de Recursive conçu pour les agents de programmation : exploration d’une base de code, correction d’erreurs, réalisation de fonctionnalités et écriture de tests. C’est un modèle MoE aux poids ouverts : sur 39,8 milliards de paramètres, environ 2,5 milliards sont activés pour traiter un token. La répartition en experts fait partie de son architecture ; elle ne désigne pas plusieurs assistants distincts dans la conversation.

Eureka Machine, le système de recherche de Recursive, a participé au développement de Flint. Il a contribué à rechercher des solutions architecturales, à sélectionner les données et les méthodes d’entraînement, ainsi qu’à optimiser les calculs. Flint a suivi un pré-entraînement, un entraînement intermédiaire, un entraînement sur des exemples d’instructions et un apprentissage par renforcement. Les tâches d’entraînement comprenaient le texte, le code, le respect des instructions et les usages agentiques.

Analyser un projet et préparer des modifications

Il est pratique de commencer par une partie précise du projet : transmettez les fichiers nécessaires sous forme de texte, décrivez le rôle des fonctions et le résultat attendu. Pour rechercher une erreur, ajoutez le comportement observé et un extrait de journal. Demandez ensuite une explication de la cause, une correction minimale et un test qui distingue le bon comportement de l’erreur. Cet ordre facilite la vérification ultérieure dans votre environnement.

Pour une nouvelle fonctionnalité, indiquez les données d’entrée, les contraintes et des exemples de résultat. Pour une refactorisation, énumérez les propriétés à préserver et demandez de décrire séparément les changements d’interface. Le concepteur recommande de diviser le travail complexe en petites sous-tâches et de donner des instructions explicites. Un dialogue progressif avec des résultats intermédiaires correspond donc mieux à l’usage prévu de Flint qu’une consigne vague demandant de refaire tout le projet.

Contexte et formats d’intégration

Dans Ailoot, Flint reçoit du texte et renvoie du texte. La fenêtre de contexte est de 262 144 tokens ; les contenus sources, l’historique et la réponse partagent cet espace. La limite de sortie annoncée est de 235 929 tokens. Ces valeurs décrivent les limites de l’intégration ; la longueur réelle doit être définie selon la tâche : explication d’une erreur, correctif, ensemble de tests ou plan de travail.

Les formats Messages, Responses et Chat Completions sont disponibles. Ils permettent de conserver la structure habituelle de votre application cliente. La lecture des fichiers locaux et l’application des modifications sont organisées par l’application elle-même : dans une requête textuelle, le modèle reçoit le code transmis et renvoie des propositions, des explications ou du nouveau code.

Flint convient à un dialogue technique itératif où chaque étape s’appuie sur le contenu du projet et sur la vérification de la modification précédente. Sa spécialisation aide à formuler la tâche ; le résultat exploitable est un texte concret : explication, implémentation ou test vérifiable.

Disponible via l’API Ailoot

Ultra Anthropic MessagesPOST /v1/messages
Entrée
text
Sortie
text
Contexte
262 144 tokens
Réponse maximale
235 929 tokens
Entrée
0,00 USD / 1K
Sortie
0,00 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrée
text
Sortie
text
Contexte
262 144 tokens
Réponse maximale
235 929 tokens
Entrée
0,00 USD / 1K
Sortie
0,00 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrée
text
Sortie
text
Contexte
262 144 tokens
Réponse maximale
235 929 tokens
Entrée
0,00 USD / 1K
Sortie
0,00 USD / 1K
recursive/flint-v1.0:free · JSON
{"about":"### Un modèle pour le travail sur le code\n\nFlint est un modèle textuel de Recursive conçu pour les agents de programmation : exploration d’une base de code, correction d’erreurs, réalisation de fonctionnalités et écriture de tests. C’est un modèle MoE aux poids ouverts : sur 39,8 milliards de paramètres, environ 2,5 milliards sont activés pour traiter un token. La répartition en experts fait partie de son architecture ; elle ne désigne pas plusieurs assistants distincts dans la conversation.\n\nEureka Machine, le système de recherche de Recursive, a participé au développement de Flint. Il a contribué à rechercher des solutions architecturales, à sélectionner les données et les méthodes d’entraînement, ainsi qu’à optimiser les calculs. Flint a suivi un pré-entraînement, un entraînement intermédiaire, un entraînement sur des exemples d’instructions et un apprentissage par renforcement. Les tâches d’entraînement comprenaient le texte, le code, le respect des instructions et les usages agentiques.\n\n### Analyser un projet et préparer des modifications\n\nIl est pratique de commencer par une partie précise du projet : transmettez les fichiers nécessaires sous forme de texte, décrivez le rôle des fonctions et le résultat attendu. Pour rechercher une erreur, ajoutez le comportement observé et un extrait de journal. Demandez ensuite une explication de la cause, une correction minimale et un test qui distingue le bon comportement de l’erreur. Cet ordre facilite la vérification ultérieure dans votre environnement.\n\nPour une nouvelle fonctionnalité, indiquez les données d’entrée, les contraintes et des exemples de résultat. Pour une refactorisation, énumérez les propriétés à préserver et demandez de décrire séparément les changements d’interface. Le concepteur recommande de diviser le travail complexe en petites sous-tâches et de donner des instructions explicites. Un dialogue progressif avec des résultats intermédiaires correspond donc mieux à l’usage prévu de Flint qu’une consigne vague demandant de refaire tout le projet.\n\n### Contexte et formats d’intégration\n\nDans Ailoot, Flint reçoit du texte et renvoie du texte. La fenêtre de contexte est de 262 144 tokens ; les contenus sources, l’historique et la réponse partagent cet espace. La limite de sortie annoncée est de 235 929 tokens. Ces valeurs décrivent les limites de l’intégration ; la longueur réelle doit être définie selon la tâche : explication d’une erreur, correctif, ensemble de tests ou plan de travail.\n\nLes formats Messages, Responses et Chat Completions sont disponibles. Ils permettent de conserver la structure habituelle de votre application cliente. La lecture des fichiers locaux et l’application des modifications sont organisées par l’application elle-même : dans une requête textuelle, le modèle reçoit le code transmis et renvoie des propositions, des explications ou du nouveau code.\n\nFlint convient à un dialogue technique itératif où chaque étape s’appuie sur le contenu du projet et sur la vérification de la modification précédente. Sa spécialisation aide à formuler la tâche ; le résultat exploitable est un texte concret : explication, implémentation ou test vérifiable.","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":"Modèle textuel MoE de Recursive pour explorer une base de code, corriger des erreurs et préparer des fonctionnalités et des tests."}

Questions

Comment choisir un modèle pour ma tâche ?

Déterminez d’abord l’entrée et la sortie nécessaires : texte, image, audio ou vidéo. Comparez ensuite les méthodes API compatibles, l’ID exact du modèle ou la cible actuelle de l’alias, le prix et l’unité de facturation. GET /v1/models est gratuit et répertorie les modèles accessibles avec votre clé.

Chaque modèle prend-il en charge toutes les méthodes API et tous les types de médias ?

Utilisez les méthodes API et les types d’entrée et de sortie indiqués sur la fiche du modèle. La prise en charge du texte, des images, de l’audio ou de la vidéo dépend du modèle et de la méthode choisis ; consultez leur exemple de requête avant d’envoyer vos données.

Quelle est la différence entre l’ID d’un modèle et un alias ?

Un ID exact désigne un modèle précis. Un alias pointe vers un modèle et sa cible peut changer. Vérifiez la cible actuelle de l’alias dans le catalogue ; utilisez l’ID exact lorsque votre intégration nécessite un modèle précis.

Comment comparer les prix avant d’envoyer une requête ?

Consultez la fiche du modèle pour connaître le prix et l’unité de facturation de la méthode API choisie. Comparez la même unité et le même type d’entrée et de sortie ; l’historique des requêtes indique l’utilisation réelle et le montant facturé.

Que donne l’abonnement ?

Une remise sur l’achat de tokens pour le travail régulier. Choisissez une offre selon votre volume de requêtes ; conditions et prix s’affichent à la souscription.

Comment appliquer un code promo jusqu’à 50% ?

Saisissez le code lors de l’achat de tokens. Le montant est recalculé selon la promotion ; la remise est visible avant paiement.