Flint: Offenes Coding-Modell von Recursive läuft lokal mit Ollama
Recursive hat mit Flint ein offenes Mixture-of-Experts-Modell für Coding-Agenten veröffentlicht. Es steht unter Apache 2.0 auf Hugging Face, läuft in Ollama mit Version 0.40.9 auch unter Linux und Windows und braucht rund 23 GB Speicher. Was die Herstellerwerte aussagen und für wen sich ein Test lohnt.
Das KI-Start-up Recursive hat am 21. Oktober 2026 sein erstes Sprachmodell Flint veröffentlicht. Es ist ein offenes Mixture-of-Experts-Modell für Coding-Agenten, steht unter Apache 2.0 auf Hugging Face und ist bereits in Ollama verfügbar. Damit gibt es eine weitere Option für Teams, die Programmieraufgaben lokal und ohne Weitergabe von Quellcode an Cloud-Dienste erledigen wollen.
Relevant ist Flint für Entwickler und Admins, die lokale Coding-Agenten auf Apple-Silicon-Rechnern oder Workstations mit großer Grafikkarte betreiben. Wer nur Cloud-Modelle nutzt oder keine Hardware mit rund 24 GB freiem Grafik- oder Unified-Speicher hat, verpasst nichts. Eilig ist nichts: Ein Test lässt sich in Ruhe planen.
Was ist passiert?
Laut Modellkarte hat Flint 39,8 Milliarden Parameter, von denen pro Token nur etwa 2,5 Milliarden aktiv sind. Das Modell nutzt 256 Experten je MoE-Schicht, von denen sechs pro Token ausgewählt werden, und unterstützt Reasoning sowie mehrstufige Tool-Aufrufe. Die dokumentierte Kontextkonfiguration liegt bei 262.144 Token, der Wissensstand bei Juni 2026. Im Blog nennt Recursive bis zu 512.000 Token und empfiehlt, unter 256.000 zu bleiben.
Nach eigenen Angaben erreicht Flint 54,9 Prozent im Terminal-Bench 2.1, 89,7 Prozent im SWE-bench Pro v2 und 74,2 Prozent im SWE-bench Verified. Es handelt sich ausdrücklich um vom Hersteller berichtete Werte, unabhängig bestätigt sind sie laut THE DECODER bislang nicht. Recursive gibt außerdem mehr als 125 Token pro Sekunde auf einem MacBook Pro mit M4 Pro und mehr als 150 auf einer NVIDIA RTX Spark mit 64 GB bei kurzem Kontext an. Entwickelt wurde das Modell nach Herstellerangaben in unter vier Monaten mit Hilfe der eigenen automatisierten Forschungsumgebung Eureka Machine.
Für wen ist das relevant?
Zielgruppe sind Teams, die Agenten wie Claude Code oder OpenCode mit einem lokalen Modell betreiben wollen. Ollama bietet dafür direkte Startbefehle wie ollama launch claude --model flint und ollama launch opencode --model flint, ein einfacher Chat startet mit ollama run flint. Laut den Release Notes zu Ollama 0.40.9 läuft Flint damit neben macOS auch unter Linux und Windows, zudem behebt die Version einen Fehler bei Antworten mit abgeschaltetem Thinking-Modus. Zum Redaktionsschluss lag 0.40.9 allerdings erst als Release Candidate vor, die aktuelle stabile Version war 0.40.8.
Den Speicherbedarf zeigen die Ollama-Tags: Die Standardvariante sowie die NVFP4- und QAT-INT4-Fassungen belegen je 23 GB, die q4_1-Variante 26 GB und die MLX-Fassung in BF16 rund 80 GB. Hinzu kommt Speicher für den Kontext. Eine Grafikkarte mit 24 GB VRAM ist für die 23-GB-Variante daher allenfalls knapp ausreichend, Ollama lagert sonst Teile in den langsameren Arbeitsspeicher aus. Recursive selbst nennt als Testsysteme einen M4 Pro mit 48 GB Speicher und die RTX Spark mit 64 GB. Für das BF16-Checkpoint mit SGLang empfiehlt die Modellkarte eine Rechenzentrums-GPU vom Typ H200 oder B300.
Wie ist das einzuordnen?
Der Ansatz mit wenigen aktiven Parametern zielt auf hohe Geschwindigkeit bei moderatem Speicherbedarf, genau das Profil, das lokale Agenten brauchen. Recursive räumt selbst ein, dass Flint bei komplexen Aufgaben mehr Anleitung braucht als große proprietäre Modelle, und empfiehlt, Aufgaben in kleinere Schritte zu zerlegen. Die Modellkarte warnt zudem vor fehlerhaftem Code und unpassenden Tool-Aufrufen. Ein Agent mit lokalem Modell braucht deshalb dieselben Rechtegrenzen wie einer mit Cloud-Modell.
Was sollten Admins jetzt tun?
- Ollama-Version prüfen: Unter Linux und Windows setzt Flint laut Ollama Version 0.40.9 voraus, die noch als Release Candidate läuft. Den installierten Stand zeigt
ollama --version, auf produktiven Systemen besser die stabile Freigabe abwarten. - Speicher realistisch planen: freien VRAM oder Unified Memory mit den Tag-Größen von 23 bis 26 GB plus Kontextbedarf abgleichen.
- Herstellerbenchmarks nicht übernehmen, sondern Flint an eigenen Repositories und typischen Aufgaben gegen das bisher genutzte Modell testen.
- Agenten nur mit begrenzten Rechten, in Containern oder Testumgebungen und mit Review aller Änderungen laufen lassen.
- Lizenz klären: Apache 2.0 erlaubt kommerzielle Nutzung der Gewichte, gehostete API-Angebote von Recursive unterliegen laut Modellkarte eigenen Bedingungen.
Einordnung für Unternehmen
Für kleine und mittlere Unternehmen ist ein schnelles offenes Coding-Modell unter permissiver Lizenz interessant, weil Quellcode das Haus nicht verlassen muss und keine Kosten pro Token anfallen. Dem stehen Hardwarekosten und ein höherer Betreuungsaufwand gegenüber. Sinnvoll ist ein begrenzter Pilot mit einem Team, klaren Messkriterien und dem Vergleich zu bestehenden Lösungen, bevor Flint in größerem Umfang eingesetzt wird.
Passende Anleitungen auf S-EDV
- Qwen3 lokal mit Ollama und vLLM betreiben
- Continue.dev mit Ollama als lokale Copilot-Alternative in VS Code
- OpenHands: KI-Coding-Agent mit Docker selbst hosten
