Recursive Flint: use no Claude Code, OpenCode e Cline

Use o Recursive Flint via Ollama em um Mac compatível para experimentar a programação com um modelo local no Claude Code, OpenCode ou Cline. Se o seu computador não tiver memória suficiente para o modelo, experimente primeiro a oferta hospedada temporária do OpenCode com código sem informações sensíveis. Comece com uma tarefa de escopo delimitado e um teste claro, mantendo seu modelo na nuvem disponível para trabalhos que travam repetidamente.

Os detalhes de disponibilidade e configuração abaixo estão atualizados em 2026-10-23.

O que o Recursive Flint muda?

O Flint combina um grande conjunto de pesos com relativamente pouco processamento por token gerado. Sua ficha oficial do modelo especifica 39.8B de parâmetros no total, com aproximadamente 2.5B ativos por token, entrada e saída de texto e pesos sob a licença Apache 2.0. Um modelo de mistura de especialistas ativa especialistas selecionados para cada token; os pesos inativos continuam contribuindo para seus requisitos de armazenamento e memória.

O Flint fornece raciocínio e solicitações de uso de ferramentas. Seu cliente de programação executa leituras de arquivos, edições e comandos de terminal e, em seguida, devolve os resultados. Avalie o modelo, o runtime de inferência e o cliente de programação em conjunto.

A Recursive informa mais de 125 tokens/s em um MacBook Pro com M4 Pro e mais de 150 tokens/s em um RTX Spark de 64GB, usando seu mecanismo otimizado com contextos curtos. Essas são taxas de geração informadas pelo fornecedor, não medições do tempo necessário para produzir uma alteração correta no código com o Ollama ou o Cline.

Use o limite de contexto que seu runtime realmente configura. A ficha do modelo documenta 262,144 tokens compartilhados entre entrada e saída; o anúncio menciona até 512K, mas recomenda permanecer dentro de 256K. Nenhum desses números garante que seu notebook consiga alocar a janela inteira.

De quanta memória o Flint precisa?

Reserve memória para os pesos, o cache de contexto, os buffers de processamento e seus outros aplicativos. Um download de aproximadamente 23GB não garante que o Flint funcione com folga em um computador de 24GB.

Implantação	Requisitos publicados de hardware e armazenamento	Implicação prática
Mecanismo otimizado rec da Recursive	M4 Pro, M5 Pro ou M5 Max; pelo menos 48GB de memória unificada; cerca de 30GB livres em disco	Esse é o requisito documentado de Mac para o rec, não um mínimo universal para o Ollama.
Pacote flint do Ollama	Download padrão atual: 23GB; o suporte ao Flint na v0.40.8 é exclusivo do macOS	Reserve memória além do tamanho do pacote e verifique o contexto alocado.
NVIDIA NVFP4 GGUF com llama.cpp/CUDA compatíveis	Arquivo do modelo de 22.9GB; a Recursive recomenda pelo menos 48GB de memória de GPU ou memória unificada no Spark	RTX Spark e DGX Spark são plataformas testadas. A demonstração de lançamento com 64GB não representa um requisito mínimo publicado.
Pacote de serviço BF16 com SGLang	Validado em B300 ou H200 com pelo menos 141GB de VRAM por réplica; cerca de 80GB de pesos mais uma imagem de contêiner de 50GB	Trata-se de uma implantação de servidor separada, além da capacidade de um notebook comum.

Esses números vêm dos requisitos do rec, da listagem do modelo no Ollama, da ficha oficial da quantização NVIDIA e do guia de implantação com SGLang.

A restrição ao macOS pertence à implementação do Flint no Ollama v0.40.8, que adia o suporte a outras GPUs para uma versão posterior ainda não especificada. Já existem pesos compatíveis com NVIDIA para outros runtimes; essa disponibilidade não comprova suporte a Windows/Linux para o mesmo comando do Ollama.

Execute o Flint localmente com o Ollama

Instale ou atualize o Ollama, mantenha seu serviço em execução e confirme que o modelo responde a uma mensagem simples antes de conectar um cliente de programação. O guia de instalação do Ollama no Mac exige macOS Sonoma 14 ou mais recente.

Execute no Bash:

ollama --version
ollama run flint

O segundo comando baixa o modelo, se necessário, e abre uma conversa. Peça ao modelo para explicar uma função curta e depois saia dessa conversa.

Para clientes de programação, aloque pelo menos 64K de contexto nas configurações do aplicativo Ollama. As orientações de integração tanto do Claude Code quanto do OpenCode pedem esse tamanho. Mais contexto consome mais memória; se não houver memória suficiente, use a opção hospedada ou outro hardware.

Enquanto uma solicitação estiver em andamento, inspecione o servidor em outro terminal:

ollama ps

Verifique se o Flint aparece, inspecione CONTEXT e consulte PROCESSOR para conferir a transferência de processamento para a GPU. A documentação de contexto explica esses campos. O máximo anunciado e o contexto alocado no momento podem ser diferentes.

Se nenhum cliente conseguir se conectar, primeiro abra o aplicativo Ollama e repita ollama run flint. Se o Flint não aparecer na lista de um cliente, execute ollama pull flint e atualize essa lista.

Conecte uma ferramenta de programação e verifique uma edição

Escolha o cliente que você já usa e abra um diretório de teste vazio ou uma branch descartável de um repositório. As opções abaixo são conexões alternativas com o mesmo modelo local.

Claude Code

Use o inicializador do Ollama com o cliente Claude Code instalado:

ollama launch claude --model flint

O comando está publicado na página do Flint no Ollama. O inicializador direciona o Claude Code para o endpoint do Ollama compatível com a API da Anthropic; você não precisa inserir uma chave de API do fornecedor para inferência local com o Ollama.

Execute /status dentro do Claude Code para inspecionar o modelo e a conexão selecionados. Verifique se o endpoint é local, normalmente http://localhost:11434, e correlacione uma solicitação com a saída de ollama ps. Pedir ao modelo que se identifique não verifica o roteamento.

Se o Claude Code ainda usar um endpoint antigo, inspecione ANTHROPIC_BASE_URL e as configurações relacionadas que sobrescrevem autenticação ou modelo em ~/.claude/settings.json, nas configurações do projeto e na configuração do seu shell. As configurações do Claude podem sobrescrever valores herdados do shell. As restrições gerenciadas pela organização continuam valendo.

OpenCode

Inicie o modelo local a partir do diretório do seu projeto:

ollama launch opencode --model flint

O Ollama publica exatamente esse comando. No seletor /models do OpenCode, confirme que o provedor ativo é Ollama e que o modelo é o Flint. A opção hospedada Flint 40B Free é uma conexão diferente.

Se o OpenCode não estiver instalado, siga suas instruções atuais de instalação. O uso do inicializador evita a necessidade de manter um exemplo JSON de provedor compatível com diferentes versões de configuração do OpenCode.

Cline

Selecione o provedor nativo do Ollama no Cline:

1. Abra Cline Settings e escolha Ollama.
2. Defina Base URL como http://localhost:11434.
3. Selecione flint ou a tag baixada que aparece como flint:latest.
4. Ative Use Compact Prompt em Settings → Features.

Isso segue as instruções do Cline para modelos locais. O provedor nativo do Ollama usa o endereço acima sem /v1. Selecione o modo Act quando quiser que o Cline edite arquivos e execute o teste abaixo.

Verifique uma edição real e a execução dos testes

Use esta pequena tarefa para verificar o ciclo completo de uso das ferramentas:

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.

Tenha o Python 3 disponível e autorize as ações pertinentes sobre arquivos e no terminal. O resultado só é bem-sucedido se os arquivos existirem e o registro da ferramenta mostrar o comando de teste concluído com status de saída 0. Inspecione a implementação e os testes; uma afirmação em texto de que eles passaram é insuficiente.

Essa é uma sugestão de verificação da integração, não um resultado de benchmark. Se a conversa simples funcionar, mas a edição ou a execução de comandos falhar, verifique as permissões do cliente, a alocação de contexto e a seleção do provedor antes de julgar a qualidade do modelo.

Experimente o Flint hospedado sem baixar o modelo

Use a opção hospedada gratuita do OpenCode para avaliar uma tarefa sem dados sensíveis antes de comprometer memória ou hardware local. Com o OpenCode instalado, execute opencode no Bash, digite /models e selecione Flint 40B Free.

O identificador exato de seleção é opencode/flint-40b-free. O catálogo de modelos do OpenCode o lista como gratuito por tempo limitado; sua página inicial informa que os modelos gratuitos incluídos podem ser usados sem criar uma conta. A Recursive descreve o acesso hospedado como sujeito a limites de capacidade e de taxa de requisições.

A oferta hospedada não mantém o processamento dos dados restrito à sua máquina. O OpenCode informa que os dados coletados durante o uso do Flint podem ser usados para melhorar o modelo e são retidos por 30 dias. Use um projeto que você tenha permissão para enviar a esse serviço.

Se a opção gratuita estiver indisponível, consulte o catálogo atual em vez de pressupor acesso gratuito permanente. Para código confidencial, escolha uma implantação local adequada ou um provedor aprovado separadamente.

Disponibilize o Flint por um endpoint de GPU compatível com OpenAI

Use o pacote SGLang fornecido pela Recursive quando precisar de uma API de servidor e tiver uma GPU de datacenter compatível. A configuração BF16 exige Linux, Docker, NVIDIA Container Toolkit e um driver compatível; uma GPU de 80GB não atende aos requisitos de uma única réplica.

O README de implantação fornece um plugin do Flint e kernels modificados para o SGLang 0.5.16. Uma instalação padrão, por si só, não basta. Estes comandos Bash identificam uma revisão do repositório e mantêm juntos os pesos e os arquivos de serviço dessa revisão:

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}" sglang

Depois que o download, a verificação e a criação da imagem terminarem com sucesso, inicie em uma H200:

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.sh

Para B300, use serve_b300.sh. Siga os requisitos de driver do guia de implantação: normalmente R580 ou mais recente para CUDA 13; a configuração para H200 também documenta compatibilidade com o driver 570.133.20 por meio das bibliotecas de compatibilidade da imagem.

A inicialização é assíncrona. Inspecione docker logs -f flint e aguarde o serviço ficar pronto; depois, em outro terminal, verifique:

curl --fail --silent --show-error http://127.0.0.1:30000/health_generate

Uma resposta bem-sucedida à verificação de integridade significa que você pode enviar uma solicitação:

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
  }'

Leia a resposta em choices[0].message.content. O ID do modelo no servidor é flint, e a URL base do cliente é http://127.0.0.1:30000/v1. Essa configuração não tem autenticação de API e publica o serviço apenas na interface de loopback; adicione acesso autenticado antes de disponibilizá-lo para outras máquinas.

Mantenha o template de chat e os parsers fornecidos. As configurações de amostragem recomendadas são temperature 1.0, top_p 0.95 e top_k 20. Preserve o reasoning_content retornado nas mensagens subsequentes do assistente. Se finish_reason for length, o raciocínio pode ter consumido o limite de saída antes da resposta final ou da chamada de ferramenta.

Para um ciclo de chamada e retorno de ferramenta, execute python3 sglang/example_client.py --base-url http://127.0.0.1:30000/v1 a partir do diretório do pacote. Se o serviço nunca passar na verificação de integridade durante a inicialização, inspecione os logs do contêiner em busca de falhas de driver, memória ou carregamento do pacote antes de depurar o cliente.

O que os benchmarks de programação realmente demonstram?

Trate as pontuações publicadas como motivos para experimentar o Flint no seu trabalho, considerando as configurações de avaliação que as acompanham. Elas não demonstram que ele seja um substituto universal para o Qwen ou para um modelo maior na nuvem.

Benchmark	Resultado de lançamento do Flint publicado pela Recursive	Comparação publicada relevante
Terminal-Bench 2.1	54.9%	Qwen3.8-27B denso: 73.0% na avaliação da Qwen
SWE-bench Verified	74.2%	Qwen3.6-35B-A3B: 73.4% na avaliação da Qwen
SWE-bench Pro v2	89.7%	Não use pontuações antigas do Pro sem indicação de versão no lugar desse resultado na comparação.

Os números estão publicados nas fichas dos modelos Flint, Qwen3.8-27B e Qwen3.6-35B-A3B.

A Recursive usa o Terminus 2 para o Terminal-Bench e o mini-swe-agent para os benchmarks SWE. Sua execução do Terminal-Bench permite acesso à internet, mas contabiliza como malsucedidas as soluções obtidas por recuperação de informações. A comparação publicada pela Qwen não demonstra que ela tenha aplicado o mesmo ajuste; o Qwen3.6 também usa sua própria estrutura de agente para SWE.

Há uma limitação adicional na interpretação do Pro v2. O protocolo fixado da Scale especifica um limite de 50 minutos por tarefa e a reavaliação dos patches em ambientes limpos. A observação geral da Recursive sobre avaliação permite limites de execução de agentes de até cinco horas, sem demonstrar o alinhamento específico desse benchmark com o protocolo. Apresente 89.7% como o resultado de lançamento publicado pela Recursive, não como um resultado certificado de forma independente segundo o protocolo fixado.

Se o Qwen3.6 já conclui suas tarefas de forma confiável, uma diferença publicada de 0.8 ponto no Verified não é motivo suficiente para migrar. Teste o Flint quando a velocidade de resposta local for seu gargalo; mantenha-o apenas se a mesma tarefa chegar a um resultado correto e revisado com latência e número de tentativas aceitáveis.

Quais tarefas devem continuar locais e como voltar ao modelo anterior?

Comece a usar o Flint com uma correção de bug de escopo delimitado, um pequeno utilitário, testes focados ou uma explicação de código. Para alterações que abrangem muitos subsistemas, falhas ambíguas ou tentativas repetidas de correção sem sucesso, experimente seu modelo maior já estabelecido, fornecendo os arquivos relevantes, o comando que falha e um breve resumo do progresso.

Essa recomendação de fluxo de trabalho segue a orientação da Recursive de dividir tarefas complexas e fornecer instruções explícitas. Meça o tempo até os testes passarem e o esforço de revisão. A inferência local evita cobranças por tokens do provedor, mas hardware, eletricidade e tentativas repetidas ainda têm custos.

Para voltar da sessão do Claude Code iniciada pelo Ollama, encerre-a e reabra o Claude Code usando sua configuração original de nuvem. Se você já tiver uma configuração do Anthropic Sonnet, execute no Bash:

claude --model sonnet

Verifique /status antes de enviar código. A seleção do modelo, por si só, não redefine o endpoint: esse comando pressupõe que você não tenha salvo configurações locais que sobrescrevam endpoint, autenticação ou modelo. Se tiver feito isso, restaure as alterações do teste para os valores anteriores e reinicie, preservando suas credenciais de nuvem existentes.

No OpenCode, use /models para selecionar um provedor/modelo na nuvem já conectado; use /connect primeiro, se necessário. No Cline, restaure o provedor e o modelo originais em Settings, verificando tanto as configurações de Plan quanto as de Act se forem diferentes.

Um modelo local mantém apenas a inferência local. Ferramentas da web, servidores MCP e outras integrações do cliente ainda podem contatar serviços externos; revise esses componentes separadamente quando o código precisar permanecer na sua máquina.