Source: https://ailoot.ai/models/nb/recursive-flint-v1-0-free/ Canonical: https://ailoot.ai/models/nb/recursive-flint-v1-0-free/ Language: nb # Recursive: Flint (free) [Markdown](https://ailoot.ai/models/nb/recursive-flint-v1-0-free/index.md) · [JSON](https://ailoot.ai/models/nb/recursive-flint-v1-0-free/facts.json) ## [Recursive: Flint (free)](https://ailoot.ai/models/nb/recursive-flint-v1-0-free/) `recursive/flint-v1.0:free` RecursiveTekstInndata 0,00 USD / 1KUtdata 0,00 USD / 1K Tekstbasert MoE-modell fra Recursive for å forstå kodebaser, rette feil og utarbeide funksjoner og tester. ### En modell for kodearbeid Flint er en tekstmodell fra Recursive, laget for programvareagenter: forstå kodebaser, rette feil, implementere funksjoner og skrive tester. Dette er en MoE-modell med åpne vekter. Av 39,8 milliarder parametere aktiveres rundt 2,5 milliarder ved behandling av ett token. Inndelingen i eksperter er del av arkitekturen og betyr ikke at det finnes flere separate assistenter i samtalen. Eureka Machine, Recursives forskningssystem, deltok i utviklingen av Flint. Det bidro til å finne arkitekturløsninger, velge data og treningsmetoder og optimalisere beregningene. Flint gjennomgikk selv forhåndstrening, mellomtrening, trening på instruksjonseksempler og forsterkningslæring. Treningsoppgavene omfattet tekst, kode, instruksjonsfølging og agentbasert arbeid. ### Prosjektanalyse og forberedelse av endringer Det er nyttig å starte med en konkret del av prosjektet: Send inn nødvendige filer som tekst, beskriv funksjonenes formål og forventet resultat. For feilsøking legger du til observert oppførsel og et loggutdrag. Be deretter om årsaksforklaring, en minimal retting og en test som skiller korrekt oppførsel fra feilen. Denne rekkefølgen gjør resultatet enkelt å kontrollere senere i ditt eget miljø. For en ny funksjon angir du inndata, begrensninger og resultateksempler. Ved refaktorering lister du opp egenskaper som må beholdes, og ber om en egen beskrivelse av grensesnittendringer. Utvikleren anbefaler å dele komplekst arbeid i små deloppgaver og gi uttrykkelige instruksjoner. En trinnvis dialog med mellomresultater passer derfor bedre til Flints tiltenkte bruk enn en ubestemt beskjed om å bygge om hele prosjektet. ### Kontekst og tilkoblingsformat I Ailoot bruker Flint tekst som både inndata og utdata. Kontekstvinduet er på 262 144 tokener; kildemateriale, samtalehistorikk og svar deler denne plassen. Utdata har en oppgitt grense på 235 929 tokener. Verdiene beskriver tilkoblingens grenser, mens den faktiske lengden bør angis ut fra oppgaven: en feilforklaring, patch, testsamling eller arbeidsplan. Formatene Messages, Responses og Chat Completions er tilgjengelige. De lar deg bruke den vanlige strukturen i klientapplikasjonen. Lesing av lokale filer og anvendelse av endringer organiseres av applikasjonen selv. I en tekstforespørsel mottar modellen den innsendte koden og returnerer forslag, forklaringer eller ny kode. Flint egner seg til en iterativ teknisk dialog der hvert nytt trinn bygger på prosjektinnholdet og kontrollresultatet fra forrige endring. Spesialiseringen hjelper deg å formulere oppgaven, og arbeidsresultatet er konkret tekst: en forklaring, implementering eller etterprøvbar test. ### Tilgjengelig via Ailoot API Inndatatyper `text` Utdatatyper `text` Kontekst 262 144 *tokener* Maks. svar 235 929 *tokener* Inndata 0,00 USD */ 1K* Utdata 0,00 USD */ 1K* Inndatatyper `text` Utdatatyper `text` Kontekst 262 144 *tokener* Maks. svar 235 929 *tokener* Inndata 0,00 USD */ 1K* Utdata 0,00 USD */ 1K* Inndatatyper `text` Utdatatyper `text` Kontekst 262 144 *tokener* Maks. svar 235 929 *tokener* Inndata 0,00 USD */ 1K* Utdata 0,00 USD */ 1K* `recursive/flint-v1.0:free` · JSON ``` {"about":"### En modell for kodearbeid\n\nFlint er en tekstmodell fra Recursive, laget for programvareagenter: forstå kodebaser, rette feil, implementere funksjoner og skrive tester. Dette er en MoE-modell med åpne vekter. Av 39,8 milliarder parametere aktiveres rundt 2,5 milliarder ved behandling av ett token. Inndelingen i eksperter er del av arkitekturen og betyr ikke at det finnes flere separate assistenter i samtalen.\n\nEureka Machine, Recursives forskningssystem, deltok i utviklingen av Flint. Det bidro til å finne arkitekturløsninger, velge data og treningsmetoder og optimalisere beregningene. Flint gjennomgikk selv forhåndstrening, mellomtrening, trening på instruksjonseksempler og forsterkningslæring. Treningsoppgavene omfattet tekst, kode, instruksjonsfølging og agentbasert arbeid.\n\n### Prosjektanalyse og forberedelse av endringer\n\nDet er nyttig å starte med en konkret del av prosjektet: Send inn nødvendige filer som tekst, beskriv funksjonenes formål og forventet resultat. For feilsøking legger du til observert oppførsel og et loggutdrag. Be deretter om årsaksforklaring, en minimal retting og en test som skiller korrekt oppførsel fra feilen. Denne rekkefølgen gjør resultatet enkelt å kontrollere senere i ditt eget miljø.\n\nFor en ny funksjon angir du inndata, begrensninger og resultateksempler. Ved refaktorering lister du opp egenskaper som må beholdes, og ber om en egen beskrivelse av grensesnittendringer. Utvikleren anbefaler å dele komplekst arbeid i små deloppgaver og gi uttrykkelige instruksjoner. En trinnvis dialog med mellomresultater passer derfor bedre til Flints tiltenkte bruk enn en ubestemt beskjed om å bygge om hele prosjektet.\n\n### Kontekst og tilkoblingsformat\n\nI Ailoot bruker Flint tekst som både inndata og utdata. Kontekstvinduet er på 262 144 tokener; kildemateriale, samtalehistorikk og svar deler denne plassen. Utdata har en oppgitt grense på 235 929 tokener. Verdiene beskriver tilkoblingens grenser, mens den faktiske lengden bør angis ut fra oppgaven: en feilforklaring, patch, testsamling eller arbeidsplan.\n\nFormatene Messages, Responses og Chat Completions er tilgjengelige. De lar deg bruke den vanlige strukturen i klientapplikasjonen. Lesing av lokale filer og anvendelse av endringer organiseres av applikasjonen selv. I en tekstforespørsel mottar modellen den innsendte koden og returnerer forslag, forklaringer eller ny kode.\n\nFlint egner seg til en iterativ teknisk dialog der hvert nytt trinn bygger på prosjektinnholdet og kontrollresultatet fra forrige endring. Spesialiseringen hjelper deg å formulere oppgaven, og arbeidsresultatet er konkret tekst: en forklaring, implementering eller etterprøvbar test.","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":"Tekstbasert MoE-modell fra Recursive for å forstå kodebaser, rette feil og utarbeide funksjoner og tester."} ``` ## Spørsmål Hvordan velger jeg en modell til oppgaven min? Avklar først hvilke inndata og utdata du trenger: tekst, bilder, lyd eller video. Sammenlign deretter kompatible API-metoder, den eksakte modell-ID-en eller modellen aliaset peker til nå, pris og faktureringsenhet. GET /v1/models er gratis og viser modellene som er tilgjengelige for nøkkelen din. Støtter hver modell alle API-metoder og medietyper? Bruk API-metodene og typene inndata/utdata som er oppført på modellkortet. Støtte for tekst, bilder, lyd eller video avhenger av den valgte modellen og metoden; se det aktuelle eksemplet på en forespørsel før du sender dataene dine. Hva er forskjellen på en modell-ID og et alias? En eksakt modell-ID identifiserer en bestemt modell. Et alias peker til en modell, og målmodellen kan endres. Sjekk i katalogen hvilken modell aliaset peker til nå; bruk den eksakte ID-en når integrasjonen din krever en bestemt modell. Hvordan sammenligner jeg priser før jeg sender en forespørsel? Se modellkortet for pris og faktureringsenhet for den valgte API-metoden. Sammenlign samme enhet og samme type inndata/utdata; forespørselshistorikken viser faktisk bruk og belastet beløp. Hva gir abonnementet? Rabatt på tokenkjøp for jevnlig bruk. Velg etter forespørselsvolum; vilkår og abonnementspris vises ved bestilling. Hvordan bruker jeg kampanjekode opptil 50% rabatt? Oppgi koden ved tokenkjøp. Beløpet beregnes etter kampanjevilkårene; rabattstørrelsen vises før betaling. ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.