모델

Recursive: Flint (free)

Markdown · JSON

Recursive: Flint (free)

recursive/flint-v1.0:free
Recursive텍스트입력 US$0.00 / 1K출력 US$0.00 / 1K

코드베이스 이해, 오류 수정, 기능과 테스트 준비를 위한 Recursive의 텍스트 MoE 모델입니다.

코드 작업을 위한 모델

Flint는 코드베이스 이해, 오류 수정, 기능 구현, 테스트 작성을 수행하는 소프트웨어 에이전트를 위해 만들어진 Recursive의 텍스트 모델입니다. 가중치 공개 MoE 모델이며, 전체 398억 매개변수 중 토큰당 약 25억 개가 활성화됩니다. 전문가 분리는 구조의 일부이지 채팅에 여러 독립된 보조자가 있다는 뜻은 아닙니다.

Flint 개발에는 Recursive의 연구 시스템 Eureka Machine이 참여했습니다. 구조적 해법 탐색, 데이터와 학습 방법 선택, 연산 최적화를 도왔습니다. Flint 자체는 사전 학습, 중간 학습, 지시 예제 학습, 강화 학습을 거쳤습니다. 학습 과제에는 텍스트, 코드, 지시 준수, 에이전트 시나리오가 포함됐습니다.

프로젝트 분석과 변경 준비

프로젝트의 구체적인 부분부터 시작하면 좋습니다. 필요한 파일을 텍스트로 전달하고 함수의 역할과 예상 결과를 설명하세요. 오류를 찾을 때는 관찰한 동작과 로그 일부를 추가합니다. 이어서 원인 설명, 최소 수정, 정상 동작과 오류를 구별하는 테스트를 요청하면 자체 환경에서 검증하기 편한 결과를 얻을 수 있습니다.

새 기능에는 입력, 제약, 결과 예시를 제시하세요. 리팩터링에는 유지할 속성을 나열하고 인터페이스 변경을 별도로 설명하도록 요청합니다. 개발사는 복잡한 일을 작은 하위 과제로 나누고 명확한 지시를 주도록 권장합니다. 따라서 프로젝트 전체를 모호하게 다시 만들라고 하기보다 중간 결과가 있는 순차적 대화가 Flint의 의도된 활용 방식에 더 잘 맞습니다.

맥락과 연결 형식

Ailoot의 Flint는 텍스트를 입력받아 텍스트를 반환합니다. 맥락 창은 262,144토큰이며 원자료, 대화 기록, 답변이 이 공간을 공유합니다. 출력 한도는 235,929토큰입니다. 이는 연결의 상한을 나타내며 실제 길이는 오류 원인 설명, 패치, 테스트 모음, 작업 계획처럼 과제에 맞게 정하는 것이 좋습니다.

Messages, Responses, Chat Completions 형식을 제공합니다. 익숙한 클라이언트 구조를 이용할 수 있습니다. 로컬 파일 읽기와 변경 적용은 애플리케이션이 구성합니다. 텍스트 요청에서 모델은 전달된 코드를 받아 제안, 설명, 새 코드를 반환합니다.

Flint는 각 단계가 프로젝트 내용과 이전 변경의 검증 결과를 바탕으로 이어지는 반복적인 기술 대화에 적합합니다. 전문성을 활용해 과제를 구체화할 수 있으며 실제 결과는 설명, 구현, 검증 가능한 테스트라는 구체적인 텍스트가 됩니다.

Ailoot API에서 사용 가능

Ultra Anthropic MessagesPOST /v1/messages
입력
text
출력
text
컨텍스트
262,144 토큰
최대 출력
235,929 토큰
입력
US$0.00 / 1K
출력
US$0.00 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
입력
text
출력
text
컨텍스트
262,144 토큰
최대 출력
235,929 토큰
입력
US$0.00 / 1K
출력
US$0.00 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
입력
text
출력
text
컨텍스트
262,144 토큰
최대 출력
235,929 토큰
입력
US$0.00 / 1K
출력
US$0.00 / 1K
recursive/flint-v1.0:free · JSON
{"about":"### 코드 작업을 위한 모델\n\nFlint는 코드베이스 이해, 오류 수정, 기능 구현, 테스트 작성을 수행하는 소프트웨어 에이전트를 위해 만들어진 Recursive의 텍스트 모델입니다. 가중치 공개 MoE 모델이며, 전체 398억 매개변수 중 토큰당 약 25억 개가 활성화됩니다. 전문가 분리는 구조의 일부이지 채팅에 여러 독립된 보조자가 있다는 뜻은 아닙니다.\n\nFlint 개발에는 Recursive의 연구 시스템 Eureka Machine이 참여했습니다. 구조적 해법 탐색, 데이터와 학습 방법 선택, 연산 최적화를 도왔습니다. Flint 자체는 사전 학습, 중간 학습, 지시 예제 학습, 강화 학습을 거쳤습니다. 학습 과제에는 텍스트, 코드, 지시 준수, 에이전트 시나리오가 포함됐습니다.\n\n### 프로젝트 분석과 변경 준비\n\n프로젝트의 구체적인 부분부터 시작하면 좋습니다. 필요한 파일을 텍스트로 전달하고 함수의 역할과 예상 결과를 설명하세요. 오류를 찾을 때는 관찰한 동작과 로그 일부를 추가합니다. 이어서 원인 설명, 최소 수정, 정상 동작과 오류를 구별하는 테스트를 요청하면 자체 환경에서 검증하기 편한 결과를 얻을 수 있습니다.\n\n새 기능에는 입력, 제약, 결과 예시를 제시하세요. 리팩터링에는 유지할 속성을 나열하고 인터페이스 변경을 별도로 설명하도록 요청합니다. 개발사는 복잡한 일을 작은 하위 과제로 나누고 명확한 지시를 주도록 권장합니다. 따라서 프로젝트 전체를 모호하게 다시 만들라고 하기보다 중간 결과가 있는 순차적 대화가 Flint의 의도된 활용 방식에 더 잘 맞습니다.\n\n### 맥락과 연결 형식\n\nAiloot의 Flint는 텍스트를 입력받아 텍스트를 반환합니다. 맥락 창은 262,144토큰이며 원자료, 대화 기록, 답변이 이 공간을 공유합니다. 출력 한도는 235,929토큰입니다. 이는 연결의 상한을 나타내며 실제 길이는 오류 원인 설명, 패치, 테스트 모음, 작업 계획처럼 과제에 맞게 정하는 것이 좋습니다.\n\nMessages, Responses, Chat Completions 형식을 제공합니다. 익숙한 클라이언트 구조를 이용할 수 있습니다. 로컬 파일 읽기와 변경 적용은 애플리케이션이 구성합니다. 텍스트 요청에서 모델은 전달된 코드를 받아 제안, 설명, 새 코드를 반환합니다.\n\nFlint는 각 단계가 프로젝트 내용과 이전 변경의 검증 결과를 바탕으로 이어지는 반복적인 기술 대화에 적합합니다. 전문성을 활용해 과제를 구체화할 수 있으며 실제 결과는 설명, 구현, 검증 가능한 테스트라는 구체적인 텍스트가 됩니다.","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":"코드베이스 이해, 오류 수정, 기능과 테스트 준비를 위한 Recursive의 텍스트 MoE 모델입니다."}

자주 묻는 질문

작업에 맞는 모델은 어떻게 선택하나요?

먼저 필요한 입력과 출력이 텍스트, 이미지, 오디오, 동영상 중 무엇인지 확인하세요. 그런 다음 호환되는 API 메서드, 정확한 모델 ID 또는 별칭이 현재 가리키는 모델, 가격, 과금 단위를 비교하세요. GET /v1/models 는 무료이며 키로 이용할 수 있는 모델 목록을 제공합니다.

각 모델은 모든 API 메서드와 미디어 유형을 지원하나요?

모델 카드에 명시된 API 메서드와 입출력 유형을 사용하세요. 텍스트, 이미지, 오디오, 동영상 지원 여부는 선택한 모델과 메서드에 따라 달라집니다. 데이터를 보내기 전에 해당 요청 예제를 확인하세요.

모델 ID와 별칭은 어떻게 다른가요?

정확한 모델 ID는 특정 모델을 식별합니다. 별칭은 모델을 가리키며 그 대상은 바뀔 수 있습니다. 카탈로그에서 별칭이 현재 가리키는 모델을 확인하세요. 연동에 특정 모델이 필요하면 정확한 ID를 사용하세요.

요청을 보내기 전에 가격을 어떻게 비교하나요?

모델 카드에서 선택한 API 메서드의 가격과 과금 단위를 확인하세요. 동일한 단위와 입출력 유형을 기준으로 비교하세요. 요청 기록에는 실제 사용량과 청구 금액이 표시됩니다.

구독의 혜택은 무엇인가요?

정기 작업용 토큰 구매 할인입니다. 요청량에 맞는 요금제를 선택하고 가입 화면에서 조건·가격을 확인하세요.

최대 50% 코드는 어떻게 적용하나요?

토큰 구매 때 입력하면 행사 조건에 따라 다시 계산하며 결제 전에 할인율이 보입니다.