Recursive Flint: Claude Code, OpenCode, Cline에서 실행하기
하드웨어에 맞는 Flint 실행 환경을 선택하고 Claude Code, OpenCode 또는 Cline에 연결한 뒤 작은 코딩 작업으로 검증하세요. 공개 벤치마크를 주의 깊게 비교하고, 로컬 추론과 OpenCode의 한시적 무료 호스팅을 구분하며, 기존 클라우드 모델로 돌아갈 경로를 유지하는 방법을 설명합니다.
목차
호환되는 Mac에서 Ollama를 통해 Recursive Flint를 실행하면 Claude Code, OpenCode 또는 Cline에서 로컬 코딩을 시도할 수 있습니다. 컴퓨터 메모리에 모델을 올릴 수 없다면, 먼저 민감하지 않은 코드로 OpenCode의 한시적 호스팅 서비스를 사용해 보세요. 범위가 한정된 작업과 명확한 테스트로 시작하고, 작업이 반복해서 막힐 때 사용할 기존 클라우드 모델도 준비해 두세요.
아래의 제공 여부와 설정 정보는 2026-10-23 기준입니다.
Recursive Flint는 무엇을 바꾸나요?
Flint를 선택할 때는 큰 전체 가중치 규모와 비교적 적은 생성 토큰당 연산량을 함께 고려하세요. 공식 모델 카드에 따르면 Flint는 전체 파라미터가 39.8B이며, 토큰당 활성 파라미터는 약 2.5B입니다. 텍스트 입출력을 지원하고 가중치는 Apache 2.0으로 제공됩니다. 전문가 혼합 모델은 토큰마다 선택된 전문가만 활성화하지만, 비활성 가중치도 저장 공간과 메모리를 차지합니다.
Flint는 추론과 도구 호출 요청을 생성합니다. 파일 읽기, 편집, 터미널 명령은 코딩 클라이언트가 실행한 뒤 그 결과를 모델에 돌려줍니다. 따라서 모델, 추론 런타임, 코딩 클라이언트를 함께 평가해야 합니다.
Recursive는 짧은 컨텍스트에서 최적화된 엔진을 사용할 때 M4 Pro MacBook Pro에서 125 tokens/s 초과, 64GB RTX Spark에서 150 tokens/s 초과의 속도를 보고했습니다. 이는 제공업체가 보고한 생성 속도이며, Ollama나 Cline에서 올바른 패치를 완성하는 데 걸린 시간을 측정한 결과는 아닙니다.
컨텍스트 한도는 실제 런타임에 설정된 값을 기준으로 사용하세요. 모델 카드에는 입력과 출력이 공유하는 262,144 tokens가 명시되어 있습니다. 발표문은 최대 512K를 언급하지만 256K 이내로 사용하기를 권장합니다. 어느 수치도 노트북에서 전체 컨텍스트 윈도에 필요한 메모리를 할당할 수 있음을 보장하지 않습니다.
Flint에 필요한 메모리는 얼마인가요?
가중치뿐 아니라 컨텍스트 캐시, 연산 버퍼, 다른 애플리케이션에 필요한 메모리까지 계산하세요. 다운로드 크기가 약 23GB라는 사실만으로 24GB 컴퓨터에서 Flint가 여유 있게 실행된다고 판단할 수는 없습니다.
| 배포 방식 | 공개된 하드웨어 및 저장 공간 요구 사항 | 실제 사용 시 의미 |
|---|---|---|
Recursive의 최적화된 rec 엔진 | M4 Pro, M5 Pro 또는 M5 Max; 통합 메모리 48GB 이상; 디스크 여유 공간 약 30GB | 이는 rec에 문서화된 Mac 요구 사항이며, 모든 Ollama 실행 환경에 적용되는 최소 사양은 아닙니다. |
Ollama flint 패키지 | 현재 기본 다운로드 크기: 23GB; v0.40.8의 Flint 지원은 macOS 전용 | 패키지 크기보다 많은 메모리 여유를 확보하고 실제로 할당된 컨텍스트를 확인하세요. |
| 호환되는 llama.cpp/CUDA를 사용하는 NVIDIA NVFP4 GGUF | 모델 파일 22.9GB; Recursive는 GPU 메모리 또는 Spark의 통합 메모리 48GB 이상을 권장 | RTX Spark와 DGX Spark는 테스트된 대상입니다. 출시 시연에 사용된 64GB가 공개된 최소 사양인 것은 아닙니다. |
| BF16 SGLang 서빙 번들 | 복제본당 VRAM 141GB 이상인 B300 또는 H200에서 검증됨; 가중치 약 80GB와 컨테이너 이미지 50GB | 일반적인 노트북 하드웨어의 범위를 벗어나는 별도의 서버 배포 방식입니다. |
이 수치는 rec 요구 사항, Ollama 모델 페이지, 공식 NVIDIA 양자화 모델 카드, SGLang 배포 가이드에 나와 있습니다.
macOS 제한은 Ollama v0.40.8의 Flint 구현에 해당하며, 다른 GPU 지원은 이후 릴리스로 미뤄져 있습니다. 다른 런타임에서 사용할 수 있는 NVIDIA 호환 가중치는 이미 존재합니다. 하지만 그 가중치가 제공된다는 사실만으로 동일한 Ollama 명령이 Windows/Linux에서도 지원된다고 볼 수는 없습니다.
Ollama로 Flint를 로컬에서 실행하기
Ollama를 설치하거나 업데이트하고 서비스를 실행한 상태로 유지한 다음, 코딩 클라이언트를 연결하기 전에 일반 채팅에서 모델이 응답하는지 확인하세요. Ollama의 Mac 설치 가이드는 macOS Sonoma 14 이상을 요구합니다.
Bash에서 실행하세요.
ollama --version
ollama run flint두 번째 명령은 필요한 경우 모델을 다운로드하고 채팅을 엽니다. 짧은 함수를 설명해 달라고 요청한 뒤 채팅을 종료하세요.
코딩 클라이언트에 사용하려면 Ollama 앱 설정에서 64K 이상의 컨텍스트를 할당하세요. Claude Code와 OpenCode의 통합 가이드 모두 이 크기를 요구합니다. 컨텍스트가 커질수록 메모리 사용량도 늘어납니다. 필요한 메모리를 확보할 수 없다면 호스팅 방식을 사용하거나 다른 하드웨어를 선택하세요.
요청이 실행되는 동안 다른 터미널에서 서버 상태를 확인하세요.
ollama psFlint가 표시되는지 확인하고, CONTEXT 값을 살펴보며, PROCESSOR에서 GPU 오프로딩 상태를 확인하세요. 각 필드는 컨텍스트 문서에 설명되어 있습니다. 공개된 최대 컨텍스트와 현재 할당된 컨텍스트는 다를 수 있습니다.
어느 클라이언트에서도 연결되지 않는다면 먼저 Ollama 앱을 열고 ollama run flint를 다시 실행하세요. 클라이언트의 모델 목록에 Flint가 없다면 ollama pull flint를 실행하고 목록을 새로고침하세요.
코딩 도구 하나를 연결하고 편집 확인하기
이미 사용 중인 클라이언트를 선택하고, 비어 있는 시험용 디렉터리나 사용 후 버려도 되는 저장소 브랜치를 여세요. 아래는 동일한 로컬 모델에 연결하는 서로 다른 방법입니다.
Claude Code
Claude Code 클라이언트가 설치되어 있다면 Ollama 런처를 사용하세요.
ollama launch claude --model flint이 명령은 Flint의 Ollama 페이지에 공개되어 있습니다. 런처는 Claude Code가 Ollama의 Anthropic 호환 엔드포인트를 사용하도록 설정합니다. 로컬 Ollama 추론을 위해 제공업체의 API 키를 입력할 필요는 없습니다.
Claude Code 안에서 /status를 실행해 선택된 모델과 연결 상태를 확인하세요. 엔드포인트가 보통 http://localhost:11434인 로컬 주소인지 확인하고, 요청을 보낼 때 ollama ps에도 해당 실행이 나타나는지 대조하세요. 모델에게 자신의 이름을 묻는 것으로는 요청이 어디로 전달되는지 확인할 수 없습니다.
Claude Code가 계속 이전 엔드포인트를 사용한다면 ~/.claude/settings.json, 프로젝트 설정, 셸 설정에서 ANTHROPIC_BASE_URL과 관련 인증 및 모델 재정의 설정을 확인하세요. Claude 설정은 셸에서 상속된 값보다 우선할 수 있습니다. 조직에서 관리하는 제한도 계속 적용됩니다.
OpenCode
프로젝트 디렉터리에서 로컬 모델을 실행하세요.
ollama launch opencode --model flintOllama는 이 명령을 그대로 안내하고 있습니다. OpenCode의 /models 선택 화면에서 활성 제공자가 Ollama이고 모델이 Flint인지 확인하세요. 호스팅 모델인 Flint 40B Free 항목은 다른 연결입니다.
OpenCode가 설치되어 있지 않다면 현재 설치 안내를 따르세요. 런처를 사용하면 OpenCode의 설정 버전이 바뀔 때마다 제공자 JSON 예제를 유지하고 수정할 필요가 없습니다.
Cline
Cline에 기본 제공되는 Ollama 제공자를 선택하세요.
- Cline Settings를 열고 Ollama를 선택합니다.
- Base URL을
http://localhost:11434로 설정합니다. flint또는 다운로드된 태그인flint:latest를 선택합니다.- Settings → Features에서 Use Compact Prompt를 활성화합니다.
이 설정은 Cline의 로컬 모델 안내를 따릅니다. 기본 Ollama 제공자는 위 주소를 /v1 없이 사용합니다. Cline이 파일을 편집하고 아래 테스트를 실행하게 하려면 Act 모드를 선택하세요.
실제 편집과 테스트 실행 확인하기
아래의 작은 작업으로 도구 사용의 전체 과정을 확인하세요.
Create slugify.py with a slugify(text) function. Lowercase ASCII letters, replace each run of non-alphanumeric characters with one hyphen, and remove leading and trailing hyphens.
Create test_slugify.py using unittest. Check that "Hello, World!" becomes "hello-world", " A__B " becomes "a-b", and an empty string stays empty.
Run python3 -m unittest -v. Show the changed files and the actual test result. Use only the Python standard library.Python 3를 사용할 수 있도록 준비하고 관련 파일 작업과 터미널 실행을 승인하세요. 성공으로 판단하려면 파일이 실제로 존재해야 하며, 도구 로그에 테스트 명령이 종료 상태 0으로 완료된 기록이 있어야 합니다. 구현과 테스트도 직접 살펴보세요. 테스트를 통과했다는 문장만으로는 충분하지 않습니다.
이는 통합 상태를 확인하기 위한 제안이며 벤치마크 결과가 아닙니다. 일반 채팅은 되지만 편집이나 명령 실행이 실패한다면, 모델 품질을 판단하기 전에 클라이언트 권한, 컨텍스트 할당, 제공자 선택을 확인하세요.
모델을 다운로드하지 않고 호스팅된 Flint 사용해 보기
로컬 메모리나 하드웨어를 투입하기 전에 OpenCode의 무료 호스팅 항목으로 민감하지 않은 작업을 평가해 보세요. OpenCode가 설치된 상태에서 Bash로 opencode를 실행하고 /models를 입력한 뒤 Flint 40B Free를 선택하세요.
정확한 모델 선택 식별자는 opencode/flint-40b-free입니다. OpenCode의 모델 카탈로그에는 기간 한정 무료로 표시되어 있으며, 홈페이지는 포함된 무료 모델을 계정 생성 없이 사용할 수 있다고 안내합니다. Recursive는 호스팅 이용에 가용 용량과 요청 속도 제한이 적용된다고 설명합니다.
이 호스팅 서비스의 데이터 처리 범위는 로컬 추론과 다릅니다. OpenCode는 Flint를 사용할 때 수집된 데이터가 모델 개선에 사용될 수 있으며 30일 동안 보관된다고 밝히고 있습니다. 해당 서비스로 전송해도 되는 프로젝트를 사용하세요.
무료 항목이 보이지 않는다면 무료 이용이 영구적으로 제공된다고 가정하지 말고 현재 카탈로그를 확인하세요. 기밀 코드에는 적절한 로컬 배포나 별도로 승인된 제공업체를 선택하세요.
OpenAI 호환 GPU 엔드포인트로 Flint 서빙하기
서버 API가 필요하고 지원되는 데이터센터 GPU가 있다면 Recursive가 제공하는 SGLang 번들을 사용하세요. BF16 구성에는 Linux, Docker, NVIDIA Container Toolkit, 호환 드라이버가 필요합니다. 80GB GPU는 이 구성의 단일 복제본 요구 사항을 충족하지 못합니다.
서빙 README는 SGLang 0.5.16용 Flint 플러그인과 패치된 커널을 제공합니다. 기본 SGLang 설치만으로는 충분하지 않습니다. 다음 Bash 명령은 저장소 리비전 하나를 확인하고 해당 리비전의 가중치와 서빙 파일을 함께 유지합니다.
python3 -m venv .venv-flint
source .venv-flint/bin/activate
python3 -m pip install -U huggingface_hub openai
FLINT_REV=$(python3 -c 'from huggingface_hub import HfApi; print(HfApi().model_info("RecursiveSI/flint").sha)')
hf download RecursiveSI/flint --revision "$FLINT_REV" --local-dir "flint-$FLINT_REV"
cd "flint-$FLINT_REV"
hf cache verify RecursiveSI/flint --revision "$FLINT_REV" --local-dir .
docker build -t "flint-sglang:${FLINT_REV:0:12}" sglang다운로드, 검증, 빌드가 성공하면 H200에서 실행하세요.
docker run -d --name flint --gpus '"device=0"' --ipc=host \
-p 127.0.0.1:30000:30000 \
-v "$PWD:/model" -e MODEL=/model \
"flint-sglang:${FLINT_REV:0:12}" \
bash /model/sglang/serve_h200.shB300에서는 대신 serve_b300.sh를 사용하세요. 배포 가이드의 드라이버 요구 사항을 따르세요. CUDA 13에는 일반적으로 R580 이상이 필요합니다. H200 설정에는 이미지의 호환성 라이브러리를 통한 드라이버 570.133.20과의 호환성도 문서화되어 있습니다.
시작 과정은 비동기로 진행됩니다. docker logs -f flint를 확인하며 준비가 완료될 때까지 기다린 다음, 다른 터미널에서 다음을 확인하세요.
curl --fail --silent --show-error http://127.0.0.1:30000/health_generate상태 확인 응답이 성공하면 요청을 보낼 수 있습니다.
curl --fail --silent --show-error \
http://127.0.0.1:30000/v1/chat/completions \
-H 'Content-Type: application/json' \
-d '{
"model": "flint",
"messages": [
{"role": "user", "content": "Write a Python function that merges overlapping intervals."}
],
"max_tokens": 32768
}'답변은 choices[0].message.content에서 읽으세요. 서버 측 모델 ID는 flint이고, 클라이언트의 기본 URL은 http://127.0.0.1:30000/v1입니다. 이 구성은 API 인증을 제공하지 않으며 루프백 주소에만 포트를 노출합니다. 다른 컴퓨터에서 접근할 수 있도록 공개하기 전에 인증을 추가하세요.
제공된 채팅 템플릿과 파서를 유지하세요. 권장 샘플링 설정은 temperature 1.0, top_p 0.95, top_k 20입니다. 반환받은 reasoning_content는 이후의 assistant 메시지에 그대로 포함하세요. finish_reason이 length라면 최종 답변이나 도구 호출이 나오기 전에 추론이 출력 한도를 모두 사용했을 수 있습니다.
도구 호출과 결과 반환 과정을 확인하려면 번들 디렉터리에서 python3 sglang/example_client.py --base-url http://127.0.0.1:30000/v1를 실행하세요. 서버가 계속 준비 상태에 도달하지 못한다면 클라이언트를 디버깅하기 전에 컨테이너 로그에서 드라이버, 메모리 또는 번들 로딩 오류를 확인하세요.
코딩 벤치마크로 실제로 알 수 있는 것은 무엇인가요?
공개 점수는 평가 설정을 함께 고려하면서 자신의 작업에 Flint를 시험해 볼 근거로 사용하세요. 이 점수가 Flint를 Qwen이나 더 큰 클라우드 모델의 보편적인 대체재로 입증하는 것은 아닙니다.
| 벤치마크 | Recursive가 공개한 Flint 출시 결과 | 관련 공개 비교 수치 |
|---|---|---|
| Terminal-Bench 2.1 | 54.9% | Dense Qwen3.8-27B: Qwen의 평가에서 73.0% |
| SWE-bench Verified | 74.2% | Qwen3.6-35B-A3B: Qwen의 평가에서 73.4% |
| SWE-bench Pro v2 | 89.7% | 이전 버전이거나 버전이 명시되지 않은 Pro 점수를 이 비교에 대신 사용하지 마세요. |
이 수치는 Flint, Qwen3.8-27B, Qwen3.6-35B-A3B의 모델 카드에 공개되어 있습니다.
Recursive는 Terminal-Bench에 Terminus 2를 사용하고, SWE 벤치마크에는 mini-swe-agent를 사용합니다. Recursive의 Terminal-Bench 실행은 인터넷 접근을 허용하지만 검색으로 얻은 해결책은 성공으로 인정하지 않습니다. Qwen의 공개 비교 자료에서는 동일한 조정을 적용했는지 확인할 수 없습니다. Qwen3.6은 SWE 평가에서도 자체 에이전트 실행 구조를 사용합니다.
Pro v2를 해석할 때는 추가적인 한계가 있습니다. Scale의 고정 평가 프로토콜은 작업당 50분의 제한 시간과 초기 상태의 깨끗한 환경에서 패치를 다시 채점하는 절차를 명시합니다. Recursive의 일반 평가 안내는 에이전트 작업의 제한 시간을 최대 다섯 시간까지 허용하지만, 해당 벤치마크에 적용한 설정이 이 프로토콜과 일치하는지는 밝히지 않습니다. 따라서 89.7%는 Recursive가 공개한 출시 결과로 표현해야 하며, 고정 프로토콜에 따라 독립적으로 인증된 결과로 표현해서는 안 됩니다.
Qwen3.6이 이미 자신의 작업을 안정적으로 완수한다면, 공개된 Verified 점수의 0.8포인트 차이만으로 이전할 이유는 충분하지 않습니다. 로컬 응답 속도가 병목일 때 Flint를 시험해 보세요. 동일한 작업에서 정확하고 검토를 마친 결과에 도달하며, 지연 시간과 재시도 횟수도 수용할 만한 경우에만 계속 사용하세요.
어떤 작업을 로컬에서 처리하고, 기존 모델로는 어떻게 돌아가나요?
범위가 한정된 버그 수정, 작은 유틸리티, 특정 동작에 집중한 테스트, 코드 설명부터 Flint에 맡기세요. 여러 하위 시스템에 걸친 변경, 원인이 불명확한 실패, 반복해서 해결되지 않는 수정 작업에는 기존에 사용하던 더 큰 모델을 시도하세요. 관련 파일, 실패한 명령, 간단한 진행 상황 요약을 함께 제공하면 됩니다.
이 작업 방식은 복잡한 작업을 나누고 명시적인 지시를 제공하라는 Recursive의 권장 사항을 따릅니다. 테스트가 통과하기까지 걸린 시간과 검토에 드는 노력을 측정하세요. 로컬 추론에는 제공업체의 토큰 요금이 들지 않지만, 하드웨어와 전력, 반복 시도에는 여전히 비용이 듭니다.
Ollama 런처로 시작한 Claude Code 세션에서 기존 환경으로 돌아가려면 세션을 종료하고 원래의 클라우드 설정으로 Claude Code를 다시 여세요. Anthropic Sonnet 설정이 이미 되어 있다면 Bash에서 다음을 실행하세요.
claude --model sonnet코드를 보내기 전에 /status를 확인하세요. 모델 선택 자체가 엔드포인트를 초기화하지는 않습니다. 이 명령은 로컬 엔드포인트, 인증 또는 모델 재정의 설정을 영구적으로 저장하지 않았다는 전제에서 사용합니다. 해당 설정을 저장했다면 시험 과정에서 바꾼 값을 이전 상태로 복원하고 다시 시작하세요. 기존 클라우드 인증 정보는 유지해야 합니다.
OpenCode에서는 /models로 이미 연결된 클라우드 제공자와 모델을 선택하세요. 필요한 경우 먼저 /connect를 사용하세요. Cline에서는 Settings에서 원래의 제공자와 모델을 복원하고, Plan과 Act의 설정이 서로 다르다면 둘 다 확인하세요.
로컬 모델이 로컬에 유지하는 것은 추론 과정입니다. 웹 도구, MCP 서버, 다른 클라이언트 통합 기능은 여전히 외부 서비스에 연결할 수 있습니다. 코드를 컴퓨터 밖으로 내보내면 안 되는 경우에는 이러한 연결을 별도로 검토하세요.
