model

Recursive: Flint (free)

Markdown · JSON

Recursive: Flint (free)

recursive/flint-v1.0:free
RecursiveTeksMasukan US$0,00 / 1KKeluaran US$0,00 / 1K

Model teks MoE Recursive untuk mempelajari basis kode, memperbaiki kesalahan, serta menyiapkan fitur dan pengujian.

Model untuk pekerjaan kode

Flint adalah model teks Recursive untuk agen pemrograman: mempelajari basis kode, memperbaiki kesalahan, menerapkan fitur, dan menulis pengujian. Ini model MoE berbobot terbuka: dari 39,8 miliar parameter, sekitar 2,5 miliar aktif saat memproses satu token. Pembagian pakar merupakan bagian arsitektur, bukan beberapa asisten terpisah dalam percakapan.

Eureka Machine, sistem riset Recursive, turut mengembangkan Flint dengan membantu mencari solusi arsitektur, memilih data dan metode pelatihan, serta mengoptimalkan komputasi. Flint menjalani prapelatihan, pelatihan antara, pelatihan contoh instruksi, dan pembelajaran penguatan. Tugas latihannya mencakup teks, kode, kepatuhan instruksi, dan alur agen.

Menelaah proyek dan menyiapkan perubahan

Mulailah dari bagian proyek tertentu: kirim berkas yang dibutuhkan sebagai teks, jelaskan fungsi dan hasil yang diharapkan. Untuk mencari kesalahan, tambahkan perilaku teramati dan potongan log. Lalu minta penjelasan penyebab, perbaikan minimal, dan pengujian yang membedakan perilaku benar dari kesalahan. Urutan ini memudahkan verifikasi di lingkungan Anda.

Untuk fitur baru, tentukan masukan, batasan, dan contoh hasil. Untuk refaktor, daftar sifat yang harus dipertahankan dan minta perubahan antarmuka dijelaskan terpisah. Pengembang menyarankan pembagian pekerjaan rumit menjadi subtugas kecil dengan instruksi jelas. Karena itu dialog berurutan dengan hasil antara lebih sesuai untuk Flint daripada permintaan kabur merombak seluruh proyek.

Konteks dan format koneksi

Di Ailoot API, Flint menggunakan masukan dan keluaran teks. Jendela konteksnya 262 144 token; materi awal, riwayat, dan jawaban berbagi ruang tersebut. Batas keluaran dinyatakan 235 929 token. Nilai ini menjelaskan batas koneksi; panjang aktual sebaiknya ditentukan berdasarkan tugas: penjelasan kesalahan, patch, kumpulan pengujian, atau rencana.

Tersedia Messages, Responses, dan Chat Completions untuk struktur aplikasi klien yang lazim. Pembacaan berkas lokal dan penerapan perubahan diatur aplikasi: dalam permintaan teks, model menerima kode yang dikirim dan mengembalikan usulan, penjelasan, atau kode baru.

Flint sesuai untuk dialog teknis berulang ketika langkah berikutnya didasarkan pada isi proyek dan hasil pemeriksaan perubahan sebelumnya. Spesialisasinya membantu merumuskan tugas, sedangkan hasil kerja berupa teks konkret: penjelasan, implementasi, atau pengujian yang dapat diverifikasi.

Tersedia melalui Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Masukan
text
Keluaran
text
Konteks
262.144 token
Panjang jawaban maksimum
235.929 token
Masukan
US$0,00 / 1K
Keluaran
US$0,00 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Masukan
text
Keluaran
text
Konteks
262.144 token
Panjang jawaban maksimum
235.929 token
Masukan
US$0,00 / 1K
Keluaran
US$0,00 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Masukan
text
Keluaran
text
Konteks
262.144 token
Panjang jawaban maksimum
235.929 token
Masukan
US$0,00 / 1K
Keluaran
US$0,00 / 1K
recursive/flint-v1.0:free · JSON
{"about":"### Model untuk pekerjaan kode\n\nFlint adalah model teks Recursive untuk agen pemrograman: mempelajari basis kode, memperbaiki kesalahan, menerapkan fitur, dan menulis pengujian. Ini model MoE berbobot terbuka: dari 39,8 miliar parameter, sekitar 2,5 miliar aktif saat memproses satu token. Pembagian pakar merupakan bagian arsitektur, bukan beberapa asisten terpisah dalam percakapan.\n\nEureka Machine, sistem riset Recursive, turut mengembangkan Flint dengan membantu mencari solusi arsitektur, memilih data dan metode pelatihan, serta mengoptimalkan komputasi. Flint menjalani prapelatihan, pelatihan antara, pelatihan contoh instruksi, dan pembelajaran penguatan. Tugas latihannya mencakup teks, kode, kepatuhan instruksi, dan alur agen.\n\n### Menelaah proyek dan menyiapkan perubahan\n\nMulailah dari bagian proyek tertentu: kirim berkas yang dibutuhkan sebagai teks, jelaskan fungsi dan hasil yang diharapkan. Untuk mencari kesalahan, tambahkan perilaku teramati dan potongan log. Lalu minta penjelasan penyebab, perbaikan minimal, dan pengujian yang membedakan perilaku benar dari kesalahan. Urutan ini memudahkan verifikasi di lingkungan Anda.\n\nUntuk fitur baru, tentukan masukan, batasan, dan contoh hasil. Untuk refaktor, daftar sifat yang harus dipertahankan dan minta perubahan antarmuka dijelaskan terpisah. Pengembang menyarankan pembagian pekerjaan rumit menjadi subtugas kecil dengan instruksi jelas. Karena itu dialog berurutan dengan hasil antara lebih sesuai untuk Flint daripada permintaan kabur merombak seluruh proyek.\n\n### Konteks dan format koneksi\n\nDi Ailoot API, Flint menggunakan masukan dan keluaran teks. Jendela konteksnya 262 144 token; materi awal, riwayat, dan jawaban berbagi ruang tersebut. Batas keluaran dinyatakan 235 929 token. Nilai ini menjelaskan batas koneksi; panjang aktual sebaiknya ditentukan berdasarkan tugas: penjelasan kesalahan, patch, kumpulan pengujian, atau rencana.\n\nTersedia Messages, Responses, dan Chat Completions untuk struktur aplikasi klien yang lazim. Pembacaan berkas lokal dan penerapan perubahan diatur aplikasi: dalam permintaan teks, model menerima kode yang dikirim dan mengembalikan usulan, penjelasan, atau kode baru.\n\nFlint sesuai untuk dialog teknis berulang ketika langkah berikutnya didasarkan pada isi proyek dan hasil pemeriksaan perubahan sebelumnya. Spesialisasinya membantu merumuskan tugas, sedangkan hasil kerja berupa teks konkret: penjelasan, implementasi, atau pengujian yang dapat diverifikasi.","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":"Model teks MoE Recursive untuk mempelajari basis kode, memperbaiki kesalahan, serta menyiapkan fitur dan pengujian."}

Pertanyaan

Bagaimana cara memilih model untuk tugas saya?

Tentukan dahulu input dan output yang diperlukan: teks, gambar, audio, atau video. Lalu bandingkan metode API yang kompatibel, ID model yang tepat atau model yang saat ini dirujuk oleh alias, harga, dan satuan penagihan. GET /v1/models gratis dan menampilkan model yang tersedia untuk kunci Anda.

Apakah setiap model mendukung semua metode API dan jenis media?

Gunakan metode API dan jenis input/output yang tercantum pada kartu model. Dukungan untuk teks, gambar, audio, atau video bergantung pada model dan metode yang dipilih; periksa contoh permintaannya sebelum mengirim data Anda.

Apa perbedaan antara ID model dan alias?

ID model yang tepat mengidentifikasi satu model tertentu. Alias merujuk ke sebuah model dan model tujuannya dapat berubah. Periksa model yang saat ini dirujuk oleh alias dalam katalog; gunakan ID yang tepat jika integrasi Anda memerlukan model tertentu.

Bagaimana cara membandingkan harga sebelum mengirim permintaan?

Periksa harga dan satuan penagihan untuk metode API yang dipilih pada kartu model. Bandingkan dengan satuan serta jenis input/output yang sama; riwayat permintaan menampilkan penggunaan aktual dan jumlah yang ditagihkan.

Apa manfaat langganan?

Diskon pembelian token untuk pekerjaan rutin. Pilih paket sesuai volume permintaan; ketentuan dan harga langganan ditampilkan saat pendaftaran.

Bagaimana memakai kode promo dengan diskon hingga 50%?

Masukkan kode promo saat membeli token. Total dihitung ulang sesuai ketentuan promosi; besar diskon terlihat sebelum pembayaran.