SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Model / Badania

Flint od Recursive trafił do Ollamy: szybkość się zgadza, ale Qwen3.8 27B wciąż pisze lepszy kod

Flint, otwarty model do programowania od Recursive Richarda Sochera, trafił do Ollamy 0.40.9 na macOS, Linuksa i Windowsa, a paczkę o wadze 23 GB da się podpiąć pod Claude Code na laptopie. Jego szybkość zgadza się z rachunkiem, bo z 39,8 miliarda parametrów pracuje naraz tylko około 2,5 miliarda, ale w jakości kodu wciąż wygrywa wolniejszy Qwen3.8 27B, który na Terminal-Bench 2.1 ma 73,0% wobec 54,9% Flinta. Do agenta z krótkimi zadaniami to wystarczy, a refaktoryzację wielu plików lepiej zostawić modelowi w chmurze.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Model / Badania  ·  5 min  · 

Flint od Recursive trafił do Ollamy: szybkość się zgadza, ale Qwen3.8 27B wciąż pisze lepszy kod
Ilustrację przygotowała AI.

Tydzień temu pisałem o Flincie, otwartym modelu do programowania od Recursive, startupu Richarda Sochera, i o tym, że jego najgłośniejszy wynik, 89,7% na SWE-bench Pro v2, stoi na razie tylko we własnej tabeli firmy. Od tamtej pory Flint trafił do Ollamy i pojawiły się pierwsze porównania z innymi modelami. Wychodzi z nich obraz, który przekonuje mnie bardziej niż sama tabela: szybkość Flinta da się wyliczyć i się zgadza, natomiast w jakości kodu wciąż wyprzedza go znacznie wolniejszy Qwen3.8 27B od Alibaby.

Flint w Ollamie, także pod Claude Code

Ollama, narzędzie do uruchamiania modeli na własnym komputerze, dodała Flinta w wersji 0.40.8, początkowo tylko na macOS, a wersja 0.40.9 rozszerzyła obsługę na Linuksa i Windowsa, jak zebrał Developers Digest. Paczka waży 23 GB, więc zmieści się na Macu z 36 lub 48 GB pamięci. Dla kogoś, kto pracuje z agentem, ważniejsze jest jedno polecenie: ollama launch claude --model flint sprawia, że Claude Code, terminalowy agent Anthropica, zamiast z chmurą rozmawia z modelem na twoim laptopie. Autor wpisu w Developers Digest uczciwie dopisał, że sam tych poleceń nie uruchomił, bo jego środowisko nie ma ani GPU, ani Ollamy. Połączenia Flinta z Claude Code nikt tam więc jeszcze nie sprawdził, a jeśli spróbujesz, będziesz jednym z pierwszych.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Flint od Recursive deklaruje 89,7% na SWE-bench Pro v2, ale na razie tylko we własnej tabeli
Model / Badania

Flint od Recursive deklaruje 89,7% na SWE-bench Pro v2, ale na razie tylko we własnej tabeli

5 min

Recursive, startup Richarda Sochera, wypuścił 21 października Flinta, otwarty model do programowania, który ma 39,8 mld parametrów, ale przy każdym tokenie używa około 2,5 mld, więc na MacBooku z M4 Pro generuje około 131 tokenów na sekundę. Firma chwali się wynikiem 89,7% na SWE-bench Pro v2, choć na łatwiejszym SWE-bench Verified ma 74,2%, a nikt z zewnątrz tych liczb jeszcze nie powtórzył. Zanim zaufasz tabeli, daj Flintowi kilka zgłoszeń z własnego repozytorium.

Liquid AI LFM2.5-24B-A2B: lokalny agent na laptopie, ale nie do naprawiania kodu
Model / Badania

Liquid AI LFM2.5-24B-A2B: lokalny agent na laptopie, ale nie do naprawiania kodu

5 min

LFM2.5-24B-A2B od Liquid AI ma 24 miliardy parametrów, ale przy każdym tokenie pracuje niecałe 2,5 miliarda, dzięki czemu na Apple M5 Max generuje 184 tokeny na sekundę i działa jako agent bez chmury. W teście LiveClaw pokonał Qwen3.6-35B-A3B wynikiem 48,09 do 38,19, bo trenowano go wprost w harnessach takich jak OpenCode i Hermes Agent. Przy naprawianiu prawdziwego kodu wyraźnie jednak odpada: na SWE-Bench Verified rozwiązuje 51 procent zgłoszeń wobec 66,2 u Qwena, więc nadaje się do lokalnych pętli z narzędziami, a nie do pracy w dużym repozytorium.

Lokalny agent do kodu, który celowo mniej myśli
Model / Badania

Lokalny agent do kodu, który celowo mniej myśli

3 min

Jackrong wypuścił Qwopus-3.6-35B-A3B-Coder, model do kodu oparty na Qwen3.6, w którym rozumowanie jest domyślnie wyłączone. To mieszanka ekspertów z 35 miliardami wag, z których przy każdym tokenie pracuje tylko około 3 miliardów, więc działa lokalnie i zebrał 45 tysięcy pobrań miesięcznie. Autorzy chwalą się wynikiem 62,4% na SWE-bench, ale to przebieg policzony przez sam zespół na 300 zadaniach, bez potwierdzenia. Bez rozumowania model pewniej trzyma się poleceń i stabilniej ciągnie stan przez tury, za to w kompetencji inżynierskiej przegrywa z rywalem tej samej wielkości, 81 do 94.