Flint（フリント）は、Recursive Superintelligenceが2026年10月21日に公開したコーディングエージェント向けのオープンウェイト言語モデルで、コードベースの調査、バグ修正、機能実装、テスト作成をこなします。Unsloth（アンソロス）がこのFlintのGGUF（ローカル推論用のモデルファイル形式）を公開し、3-bit版なら24GBメモリの環境でも動かせるようになりました。
室谷代表取締役Flintは、Recursive Superintelligenceが2026年10月21日に公開したコーディングエージェント向けのオープンウェイトモデルで、総パラメータ39.8B、トークンあたり約2.5Bだけを活性化するMoE方式のモデルなんですよね。そこにUnslothがGGUFを出して、24GBメモリ級のマシンでも動くところまで来た、というのが今回のニュースです。
テキトー教師DotAI 認定講師単に「またモデルが出た」という話じゃないんですよ。40B級のモデルが、量子化によって手元のノートPCに載るサイズまで落ちてきた、というのが実務的には大きいポイントです。
まずは発表の全体像を整理しましょう。
まずは発表の全体像を整理しましょう。
Flintとは？Recursiveが公開した40B級MoEコーディングモデルの概要
Flintの基本スペックと構造
モデル規模
総パラメータ39.8B、トークンあたりアクティブ約2.5BのMoE。公式表記は「40B-A2.5B」
ライセンス
Apache 2.0
層構成
全49層のうち2層がdense層、47層がMoE層
エキスパート
各MoE層に256のルーティングエキスパート、トークンごとに6つ選択。常時有効な共有エキスパート1つ
アテンション
35層がスライディングウィンドウ(513トークン)、14層がフルアテンション。クエリヘッド32、KVヘッド4、ヘッド次元128
コンテキスト
公式定義262,144トークン(プロンプト+生成出力)。発表では最大512K、コーディングは256K以内推奨
語彙・知識カットオフ
語彙150,144トークン、知識カットオフ2026年6月
開発背景
自動研究システム「Eureka Machine」でデータ・最適化・学習レシピ・推論最適化まで支援。小チームとエージェントで4か月未満
室谷代表取締役まず基本スペックからいきましょう。FlintはRecursiveの最初のモデルで、総パラメータが39.8B、トークンあたりのアクティブパラメータが約2.5BのMoEモデルです。
ライセンスはApache 2.0。公式ページでは「40B-A2.5B」という丸めた表記も使われています。
ライセンスはApache 2.0。公式ページでは「40B-A2.5B」という丸めた表記も使われています。
テキトー教師DotAI 認定講師ここで押さえたいのは、MoEという設計が「総パラメータは大きいのに、計算に使うのは一部だけ」という構造だということです。Flintの場合、49層のうち2層がdense層、47層がMoE層で、各MoE層には256のルーティングされたエキスパートがあり、トークンごとに6つを選択する。
さらに常時有効な共有エキスパートが1つ付く構成です。
さらに常時有効な共有エキスパートが1つ付く構成です。
室谷代表取締役アテンションも特徴的で、35層がスライディングウィンドウ、14層がフルアテンション。スライディングウィンドウは513トークン（現在のトークンと直前512トークン）です。
クエリヘッド32、キー・バリューヘッド4という構成で、ヘッド次元は128。
クエリヘッド32、キー・バリューヘッド4という構成で、ヘッド次元は128。
テキトー教師DotAI 認定講師コンテキストは公式のドキュメント上262,144トークン（プロンプトと生成出力の合計）と定義されていて、Recursiveの発表では最大512Kトークン、コーディングでは256K以内の利用が推奨されています。語彙は150,144トークン、知識カットオフは2026年6月とされています。
室谷代表取締役開発の背景も面白いんですよね。Recursiveは「Eureka Machine」という自動研究システムを使って、データ、最適化、学習レシピ、推論最適化までモデル構築スタックのほぼ全体を開発したと説明しています。
小さなチームとエージェントで、ゼロから4か月未満で作り上げた、と。
小さなチームとエージェントで、ゼロから4か月未満で作り上げた、と。
テキトー教師DotAI 認定講師そこは「AIがAIを作る」という文脈で語られがちですが、今回の記事では事実として「Eureka Machineが開発の各工程を支援した」という範囲で押さえておくのが正確ですね。
Flintでできること——推論・ツール利用・256Kコンテキストの実力
Flintでできること
推論（reasoning）
入力も出力もテキスト。reasoning_contentを会話履歴に保持する必要あり（モデルカード記載）
マルチターンのツール利用
OpenAI互換のツール呼び出しに対応
256Kコンテキスト
公式定義262,144トークン、発表では最大512K、実用上は256K以内が推奨
想定用途
コードベースの調査、バグ修正、機能実装、テスト作成（コーディングエージェントの頭脳）
推奨生成設定
temperature 1.0、top-p 0.95、top-k 20。省略時はサーバー側が適用
注意点
長い推論はレイテンシ増大・出力予算を使い切る可能性。難しい問題では推論込みで最低32,768トークンの出力予算を推奨
室谷代表取締役Flintが何をできるモデルなのかを整理すると、入力も出力もテキストで、推論（reasoning）とマルチターンのツール利用に対応しています。OpenAI互換のツール呼び出しにも対応していて、チャットテンプレートに沿ってreasoning_contentを会話履歴に保持する必要がある、とモデルカードに書かれています。
テキトー教師DotAI 認定講師想定用途はコードベースの調査、バグ修正、機能実装、テスト作成です。つまりチャットで雑談するモデルではなく、コーディングエージェントの頭脳として使うことを狙ったモデルなんですね。
室谷代表取締役コンテキストが長いのも効いてきます。公式の定義では262,144トークン、発表では最大512Kで、実用上は256K以内が推奨。
リポジトリをまたぐような調査でも、ファイルを小分けにせず渡しやすい規模感です。
リポジトリをまたぐような調査でも、ファイルを小分けにせず渡しやすい規模感です。
テキトー教師DotAI 認定講師ただしモデルカードには注意書きもあります。コンテキスト構成はあくまで容量の上限であって、どの長さでも精度が一定という保証ではない、と。
それと、長い推論はレイテンシを増やし、回答が完成する前に出力予算を使い切ることがある。難しい問題では推論込みで最低32,768トークンの出力予算を確保する設定が推奨されています。
それと、長い推論はレイテンシを増やし、回答が完成する前に出力予算を使い切ることがある。難しい問題では推論込みで最低32,768トークンの出力予算を確保する設定が推奨されています。
室谷代表取締役生成設定も決まっていて、temperature 1.0、top-p 0.95、top-k 20。リクエストで省略された場合はサーバー側がこの設定を適用します。
再現性を重視するなら、ここは公式推奨どおりに揃えたほうがいいですね。
再現性を重視するなら、ここは公式推奨どおりに揃えたほうがいいですね。
テキトー教師DotAI 認定講師講座でも受講生さんに「まずサンプリング設定を公式どおりに」と伝えています。ここを自己流にすると、ベンチマークの再現もできませんし、不具合の切り分けもできなくなりますからね。
Flintの性能とベンチマーク——対応モデルとの比較で見える位置づけ
Flintと対応モデルのベンチマーク比較
| モデル | Terminal-Bench 2.1 | SWE-bench Pro v2 | SWE-bench Verified | LiveCodeBench v6 | IFBench | IFEval |
|---|---|---|---|---|---|---|
| Flint BF16 | 54.9 | 89.7 | 74.2 | 80.3 | 89.2 | 95.1 |
| Flint NVFP4 | 53.7 | 88.5 | 74.1 | 80.8 | 88.1 | 94.6 |
| Qwen 3.5 | 38.7 | 68.6 | 69.2 | 74.6 | 70.2 | 91.9 |
| Qwen 3.6 | 44.9 | 73.8 | 73.4 | 80.4 | 67.9 | 89.6 |
| Laguna XS 2.1 | 24.7 | 38.6 | 70.9 | 49.5 | 34.4 | 73.7 |
| Qwen 3.8 | 73.0 | 94.9 | 75.6 | 90.3 | 79.5 | 94.6 |
| Muse Glimmer | 51.7 | 86.0 | 76.0 | 63.5 | 77.0 | 94.7 |
| Gemma 4 | 43.4 | 61.7 | 66.6 | 80.0 | 76.0 | 94.6 |
室谷代表取締役数字を見ていきましょう。Flint BF16でTerminal-Bench 2.1が54.9%、SWE-bench Pro v2が89.7%、SWE-bench Verifiedが74.2%、LiveCodeBench v6が80.3%、IFBenchが89.2%、IFEvalが95.1%です。
テキトー教師DotAI 認定講師比較表も公式ドキュメントに載っていますので、整理しましょう。
| モデル | Terminal-Bench 2.1 | SWE-bench Pro v2 | SWE-bench Verified | LiveCodeBench v6 | IFBench | IFEval |
|---|---|---|---|---|---|---|
| Flint BF16 | 54.9 | 89.7 | 74.2 | 80.3 | 89.2 | 95.1 |
| Flint NVFP4 | 53.7 | 88.5 | 74.1 | 80.8 | 88.1 | 94.6 |
| Qwen 3.5 | 38.7 | 68.6 | 69.2 | 74.6 | 70.2 | 91.9 |
| Qwen 3.6 | 44.9 | 73.8 | 73.4 | 80.4 | 67.9 | 89.6 |
| Laguna XS 2.1 | 24.7 | 38.6 | 70.9 | 49.5 | 34.4 | 73.7 |
| Qwen 3.8 | 73.0 | 94.9 | 75.6 | 90.3 | 79.5 | 94.6 |
| Muse Glimmer | 51.7 | 86.0 | 76.0 | 63.5 | 77.0 | 94.7 |
| Gemma 4 | 43.4 | 61.7 | 66.6 | 80.0 | 76.0 | 94.6 |
室谷代表取締役この表はdagger（†）付きの数値が内部測定、それ以外は開発元の自己申告という扱いです。そして重要な注記として、FlintのTerminal-BenchのスコアはWeb検索で得た解答を不正解としてカウントしている、という条件の違いが明記されています。
テキトー教師DotAI 認定講師そこは公平に見たいところです。Qwen 3.8はTerminal-Bench 73.0%とFlintを上回りますが、評価条件が同一とは限らない。
単純な順位付けではなく、条件付きの数字として読むべきですね。
単純な順位付けではなく、条件付きの数字として読むべきですね。
室谷代表取締役一方で、FlintはNVFP4に量子化してもスコアの落ち込みが小さいのが目を引きます。BF16との差はベンチマーク全体で0.7ポイント以内に収まっている、とRecursiveは説明しています。
テキトー教師DotAI 認定講師速度も見逃せません。M4 ProのMacBook Proで125+トークン/秒、64GBのNVIDIA RTX Sparkで150+トークン/秒（短いコンテキスト時）。
同程度のコーディング性能を持つ25〜40Bのdenseモデルと比べて5倍以上速い、というのがRecursiveの主張です。
同程度のコーディング性能を持つ25〜40Bのdenseモデルと比べて5倍以上速い、というのがRecursiveの主張です。
室谷代表取締役クラウドのコーディングエージェントを使っていると、待ち時間とAPI課金が地味に効いてくるんですよね。手元でこの速度が出るなら、日常の細かい修正はローカルに寄せる、という判断が現実味を帯びます。
Flintをローカルで動かす方法——Unsloth Desktopとllama.cppでの始め方
室谷代表取締役ここからがUnslothの出番です。UnslothはFlintのDynamic GGUFをHugging Faceで公開していて、モデルIDはunsloth/flint-GGUF。
Unsloth Desktop、llama.cpp、Ollama、LM Studio、vLLM、Docker Model Runnerなど複数の経路が案内されています。
Unsloth Desktop、llama.cpp、Ollama、LM Studio、vLLM、Docker Model Runnerなど複数の経路が案内されています。
テキトー教師DotAI 認定講師まず一番簡単なのはUnsloth Desktopですね。macOS、Windows、Linux向けのアプリをインストールし、Model hubまたはチャットのモデル選択からunsloth/flint-GGUFを検索して、UD-Q4_K_XLかより小さい量子化をダウンロードする流れです。
室谷代表取締役コーディングエージェントと繋ぐ場合は、プロジェクトフォルダでコマンドを実行する形になります。ドキュメントでは
unsloth start claude --model unsloth/flint-GGUF:UD-Q4_K_XL --temp 1.0 --top-p 0.95 --top-k 20 --min-p 0.0という例が示されていて、claudeの部分はopencodeなど他の対応エージェントに置き換えられます。テキトー教師DotAI 認定講師サーバーとして立てるなら
unsloth runで量子化を指定して起動し、表示されたエンドポイントと認証情報を使います。DesktopのAPIアクセスはSettings → APIでキーを作成する手順です。室谷代表取締役llama.cppで動かす場合は、Flint対応の最新版をビルドし、Hugging FaceからGGUFをダウンロードして
llama-cliでチャットします。ドキュメントの例では--jinjaでチャットテンプレートを適用し、VRAMが足りなければ--n-gpu-layersを下げ、CPU推論なら0にする、と案内されています。テキトー教師DotAI 認定講師ここは受講生さんがつまずきやすいところで、GPUにオフロードする層を減らすとその分システムRAMに載るので、RAM側の余裕も必要です。24GB環境なら最初から欲張らず、3-bitで短いコンテキストから試すのが安全ですね。
室谷代表取締役ちなみに、こうしたローカル実行の選択肢が増えると、クラウドのコーディングツールとどう使い分けるかが論点になります。その整理はCursor AIとは？使い方・料金・モデル・インストールを完全解説【2026年最新】でも触れているので、合わせて読むと判断しやすいです。
Flintの必要メモリと量子化の選び方——24GB環境で動かすには
室谷代表取締役量子化のサイズ感は大事なので、数字を並べます。1-bitのUD-IQ1_Mが11.4GB、2-bitがUD-IQ2_XXS 11.9GBとUD-Q2_K_XL 13.6GB、3-bitがUD-IQ3_XXS 14.5GBとUD-Q3_K_XL 18.5GB、4-bitのUD-Q4_K_XLが25.1GB、5-bitが29.9GB、6-bitが36.3GB、8-bitのQ8_0が42.3GB、BF16が79.6GBです。
テキトー教師DotAI 認定講師公式ドキュメントのハードウェア要件表では、2-bitが13〜15GB、3-bitが16〜20GB、4-bitが26GB、6-bitが38GB、8-bitが44GBという区分けになっています。24GB RAMの環境なら、3-bitのUD-Q3_K_XL（18.5GB）が現実的な選択肢で、短いコンテキストなら収まる、というのがUnslothの説明です。
室谷代表取締役ここで注意したいのが、Unsloth自身が「1-bitはエージェント用途に使うべきではない」と明記している点です。Dynamic 3.0のドキュメントでは、UD-Q2_K_XLより下の量子化では32トークン予測の精度が大きく落ち、ツール呼び出しやノンシンキングモードが破綻すると説明されています。
テキトー教師DotAI 認定講師具体的な症状も書かれています。過度なループ、空のレスポンス、ツールを呼ばない・呼び続けるといった挙動です。
回避策としてpresence_penaltyを1.5以上にする、thinkingを最低でもlowで有効にする、といった対処が示されていますが、そもそもエージェント用途ではUD-Q2_K_XL以上を使うのが前提ですね。
回避策としてpresence_penaltyを1.5以上にする、thinkingを最低でもlowで有効にする、といった対処が示されていますが、そもそもエージェント用途ではUD-Q2_K_XL以上を使うのが前提ですね。
室谷代表取締役つまり「24GBで動かす」と言っても、何bitで動かすかで用途が変わるんですよ。コーディングエージェントとして使うなら3-bit以上、一般知識の短い質問なら2-bitでも、という整理になります。
テキトー教師DotAI 認定講師そこは単に「小さいほど良い」ではない話じゃないんですよ。メモリに収めることと、エージェントとして壊れずに動くことは別問題で、その境界が公式に数字で示されているのはありがたいですね。
Flintの料金・ライセンス——無料で使えるのか、商用利用は可能か
室谷代表取締役料金の話をしましょう。Flintの重みはHugging FaceでApache 2.0ライセンスの下に公開されています。
つまり重みをダウンロードしてローカルで動かす限り、API料金はかかりません。Recursiveも「オフラインで動かし、データを手元に置き、API料金を避けられる」ことを訴求しています。
つまり重みをダウンロードしてローカルで動かす限り、API料金はかかりません。Recursiveも「オフラインで動かし、データを手元に置き、API料金を避けられる」ことを訴求しています。
テキトー教師DotAI 認定講師Apache 2.0なので商用利用も可能なライセンスです。ただしモデルカードには、ホスト型APIの利用規約やデータの扱いは重みのライセンスとは別だ、という注記があります。
API経由で使う場合はそちらの条件を確認する必要があります。
API経由で使う場合はそちらの条件を確認する必要があります。
室谷代表取締役無料で試せる経路も案内されていて、Recursiveの発表ではopencodeやpidotdevで無料で試せると書かれています。手元に環境を用意する前に、まず触って相性を見る、という使い方ができますね。
テキトー教師DotAI 認定講師ライセンス表記は正確に扱いたいところです。FlintはApache 2.0で、UnslothのGGUFリポジトリもLicense: apache-2.0と表示されています。
ここを曖昧に書くと実務で困るので、記事でも明記しておきます。
ここを曖昧に書くと実務で困るので、記事でも明記しておきます。
室谷代表取締役ちなみに、ローカルでモデルを動かす前提だと、クラウド側の料金体系と比較したくなりますよね。ChatGPT側の整理はChatGPT 5（GPT-5）完全ガイド【2026年最新】：料金・モデル・使い方・制限・無料版との違いを徹底解説にまとまっているので、併せて見ると判断材料になります。
テキトー教師DotAI 認定講師なお、現時点でFlintのGGUFはHugging FaceのInference Providersにはデプロイされていない、とモデルページに表示されています。提供形態は今後変わる可能性があるので、最新の公式情報を確認するのが確実です。
よくある質問
室谷代表取締役最後に、よく聞かれる点を整理しておきましょう。
テキトー教師DotAI 認定講師まず「Flintとは何か」ですが、Recursive Superintelligenceが2026年10月21日に公開した、コーディングエージェント向けのオープンウェイトMoE言語モデルです。総パラメータ39.8B、アクティブ約2.5B、Apache 2.0ライセンスというのが基本情報になります。
室谷代表取締役「無料で使えるのか」という点は、重みがApache 2.0で公開されているので、ローカル実行は無料です。API料金を避けたい、データを外に出したくない、という用途に向いています。
ホスト型APIの条件は重みのライセンスとは別なので、そこは個別に確認が必要です。
ホスト型APIの条件は重みのライセンスとは別なので、そこは個別に確認が必要です。
テキトー教師DotAI 認定講師「商用利用は可能か」については、Apache 2.0ライセンスである以上、ライセンス条件に従えば商用利用も可能という整理になります。ただし生成コードの検証やツール権限の管理など、利用者側の責任は残ります。
室谷代表取締役「24GBのノートPCで本当に動くのか」という質問も多いです。Unslothの3-bit UD-Q3_K_XLが18.5GBで、短いコンテキストなら24GB RAM環境に収まる、と公式に説明されています。
ただしエージェント用途では1-bitや2-bitは推奨されていないので、そこは注意です。
ただしエージェント用途では1-bitや2-bitは推奨されていないので、そこは注意です。
テキトー教師DotAI 認定講師「どんな用途に向くか」は、コードベース調査、バグ修正、機能実装、テスト作成といったエージェント的なコーディング作業です。Recursiveは複雑なタスクは小さく分割して明示的な指示を与えることを勧めていて、大規模なクローズドソースのコーディングモデルよりガイダンスが必要な場合がある、と正直に書いています。
室谷代表取締役「制限や注意点は」という点では、モデルカードに安全性の注意書きがあります。不正確な内容や有害な内容、誤ったコード、不適切なツール呼び出しを生成する可能性があるので、生成コードはテストし、重要な変更はレビューしてから適用する。
ツール利用アプリでは権限と実行境界を自前で設ける必要があります。
ツール利用アプリでは権限と実行境界を自前で設ける必要があります。
テキトー教師DotAI 認定講師あと、チェックポイントの精度や推論ランタイムによって結果が変わる点も明記されています。自分の環境で使うチェックポイントとランタイムで評価する、というのが基本姿勢ですね。
室谷代表取締役ローカルでコーディングエージェントを回す流れは、クラウドツールの使い方と組み合わせて考えると整理しやすいです。料金体系の考え方はCursorの料金を徹底解説！Pro/Pro+/Ultraの違いと選び方も参考になります。
テキトー教師DotAI 認定講師まとめると、Flintは「40B級のMoEコーディングモデルを、量子化によって手元のマシンに載せられるようにした」という点が本質です。UnslothのDynamic GGUFとUnsloth Desktop、llama.cppの導線が揃ったことで、試すまでの距離がかなり短くなりました。
室谷代表取締役まずは3-bitで短いコンテキストから試して、自分のタスクで速度と品質を見る。そこで足りなければ4-bit以上とメモリを増やす、という順番が現実的ですね。
