modelli

Recursive: Flint (free)

Markdown · JSON

Recursive: Flint (free)

recursive/flint-v1.0:free
RecursiveTestoInput 0,00 USD / 1KOutput 0,00 USD / 1K

Modello testuale MoE di Recursive per esplorare basi di codice, correggere errori e preparare funzioni e test.

Un modello per lavorare sul codice

Flint è un modello testuale Recursive sviluppato per agenti software: esplorazione della base di codice, correzione degli errori, implementazione di funzioni e scrittura di test. È un modello MoE con pesi aperti: dei 39,8 miliardi di parametri si attivano circa 2,5 miliardi nell’elaborazione di un token. La suddivisione in esperti è parte della sua architettura, non indica più assistenti distinti nella chat.

Allo sviluppo di Flint ha partecipato Eureka Machine, sistema di ricerca di Recursive. Ha aiutato a cercare soluzioni architetturali, scegliere dati e metodi di addestramento e ottimizzare i calcoli. Flint ha attraversato pre-addestramento, addestramento intermedio, addestramento su esempi di istruzioni e apprendimento con rinforzo. I compiti di addestramento comprendevano testo, codice, rispetto delle istruzioni e scenari agentici.

Analisi del progetto e preparazione delle modifiche

Conviene iniziare l’attività da una parte concreta del progetto: inviare i file necessari come testo, descrivere lo scopo delle funzioni e il risultato atteso. Per cercare un errore, aggiungere il comportamento osservato e un estratto del log. Si può poi chiedere la spiegazione della causa, una correzione minima e un test che distingua il comportamento corretto dall’errore. Questa sequenza rende il risultato comodo da verificare successivamente nel proprio ambiente.

Per una nuova funzione indicare dati in ingresso, vincoli ed esempi del risultato. Nel refactoring elencare le proprietà da conservare e chiedere una descrizione separata delle modifiche alle interfacce. Lo sviluppatore raccomanda di dividere il lavoro complesso in piccoli sottocompiti e fornire istruzioni esplicite. Un dialogo progressivo con risultati intermedi corrisponde quindi all’uso previsto di Flint meglio di un incarico indefinito di rifare l’intero progetto.

Contesto e formato di collegamento

In Ailoot Flint lavora con testo in ingresso e in uscita. La finestra di contesto è di 262 144 token; materiali iniziali, cronologia e risposta usano questo spazio comune. Il limite di uscita indicato è di 235 929 token. Questi valori descrivono i confini del collegamento, mentre la lunghezza effettiva va definita in base al compito: spiegazione di un errore, patch, insieme di test o piano di lavoro.

Sono disponibili i formati Messages, Responses e Chat Completions. Permettono di usare la struttura abituale dell’applicazione client. Lettura dei file locali e applicazione delle modifiche sono organizzate dall’applicazione stessa: nella richiesta testuale il modello riceve il codice fornito e restituisce proposte, spiegazioni o nuovo codice.

Flint è adatto a un dialogo tecnico iterativo, in cui ogni passo successivo si basa sul contenuto del progetto e sull’esito della verifica della modifica precedente. La sua specializzazione aiuta a definire il compito, mentre il risultato operativo è un testo concreto: spiegazione, implementazione o test verificabile.

Disponibile tramite Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Tipi di input
text
Tipi di output
text
Contesto
262.144 token
Risposta massima
235.929 token
Input
0,00 USD / 1K
Output
0,00 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Tipi di input
text
Tipi di output
text
Contesto
262.144 token
Risposta massima
235.929 token
Input
0,00 USD / 1K
Output
0,00 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Tipi di input
text
Tipi di output
text
Contesto
262.144 token
Risposta massima
235.929 token
Input
0,00 USD / 1K
Output
0,00 USD / 1K
recursive/flint-v1.0:free · JSON
{"about":"### Un modello per lavorare sul codice\n\nFlint è un modello testuale Recursive sviluppato per agenti software: esplorazione della base di codice, correzione degli errori, implementazione di funzioni e scrittura di test. È un modello MoE con pesi aperti: dei 39,8 miliardi di parametri si attivano circa 2,5 miliardi nell’elaborazione di un token. La suddivisione in esperti è parte della sua architettura, non indica più assistenti distinti nella chat.\n\nAllo sviluppo di Flint ha partecipato Eureka Machine, sistema di ricerca di Recursive. Ha aiutato a cercare soluzioni architetturali, scegliere dati e metodi di addestramento e ottimizzare i calcoli. Flint ha attraversato pre-addestramento, addestramento intermedio, addestramento su esempi di istruzioni e apprendimento con rinforzo. I compiti di addestramento comprendevano testo, codice, rispetto delle istruzioni e scenari agentici.\n\n### Analisi del progetto e preparazione delle modifiche\n\nConviene iniziare l’attività da una parte concreta del progetto: inviare i file necessari come testo, descrivere lo scopo delle funzioni e il risultato atteso. Per cercare un errore, aggiungere il comportamento osservato e un estratto del log. Si può poi chiedere la spiegazione della causa, una correzione minima e un test che distingua il comportamento corretto dall’errore. Questa sequenza rende il risultato comodo da verificare successivamente nel proprio ambiente.\n\nPer una nuova funzione indicare dati in ingresso, vincoli ed esempi del risultato. Nel refactoring elencare le proprietà da conservare e chiedere una descrizione separata delle modifiche alle interfacce. Lo sviluppatore raccomanda di dividere il lavoro complesso in piccoli sottocompiti e fornire istruzioni esplicite. Un dialogo progressivo con risultati intermedi corrisponde quindi all’uso previsto di Flint meglio di un incarico indefinito di rifare l’intero progetto.\n\n### Contesto e formato di collegamento\n\nIn Ailoot Flint lavora con testo in ingresso e in uscita. La finestra di contesto è di 262 144 token; materiali iniziali, cronologia e risposta usano questo spazio comune. Il limite di uscita indicato è di 235 929 token. Questi valori descrivono i confini del collegamento, mentre la lunghezza effettiva va definita in base al compito: spiegazione di un errore, patch, insieme di test o piano di lavoro.\n\nSono disponibili i formati Messages, Responses e Chat Completions. Permettono di usare la struttura abituale dell’applicazione client. Lettura dei file locali e applicazione delle modifiche sono organizzate dall’applicazione stessa: nella richiesta testuale il modello riceve il codice fornito e restituisce proposte, spiegazioni o nuovo codice.\n\nFlint è adatto a un dialogo tecnico iterativo, in cui ogni passo successivo si basa sul contenuto del progetto e sull’esito della verifica della modifica precedente. La sua specializzazione aiuta a definire il compito, mentre il risultato operativo è un testo concreto: spiegazione, implementazione o test verificabile.","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":"Modello testuale MoE di Recursive per esplorare basi di codice, correggere errori e preparare funzioni e test."}

Domande

Come scelgo un modello per la mia attività?

Individua prima l'input e l'output necessari: testo, immagini, audio o video. Poi confronta i metodi API compatibili, l'ID esatto del modello o il modello a cui punta attualmente l'alias, il prezzo e l'unità di fatturazione. GET /v1/models è gratuito ed elenca i modelli disponibili per la tua chiave.

Ogni modello supporta tutti i metodi API e i tipi di contenuto?

Usa i metodi API e i tipi di input/output elencati nella scheda del modello. Il supporto per testo, immagini, audio o video dipende dal modello e dal metodo selezionati; controlla il relativo esempio di richiesta prima di inviare i tuoi dati.

Qual è la differenza tra un ID modello e un alias?

Un ID modello esatto identifica un modello specifico. Un alias punta a un modello e il modello di destinazione può cambiare. Controlla nel catalogo a quale modello punta attualmente l'alias; usa l'ID esatto quando la tua integrazione richiede un modello specifico.

Come confronto i prezzi prima di inviare una richiesta?

Consulta la scheda del modello per conoscere il prezzo e l'unità di fatturazione del metodo API selezionato. Confronta la stessa unità e lo stesso tipo di input/output; la cronologia delle richieste mostra l'utilizzo effettivo e l'importo addebitato.

Cosa offre l’abbonamento?

Sconto sull’acquisto di token per lavoro regolare. Scegli piano per volume; condizioni e prezzo sono mostrati alla sottoscrizione.

Come applico un codice fino al 50%?

Inseriscilo acquistando token. Il totale segue la promozione e lo sconto è visibile prima del pagamento.