Recursive、AI自律研究で開発したLLM「Flint」を公開

AIスタートアップのRecursiveが、同社初の大規模言語モデル「Flint」を発表した。Flintは、コーディング用途に特化したローカル動作型のモデルで、「MoE（Mixture of Experts＝複数の専門モデルを組み合わせる構造）」と呼ばれるアーキテクチャを採用し、パラメータ数は400億に達する。開発したのは、Google DeepMindの出身者を中心とするチームだ。

注目すべきは、このモデルの作り方にある。Flintは人間の研究者が主導するのではなく、RecursiveがAI研究の自動化を目的に社内開発した「Eureka Machine」というシステムを使って生み出された。Eureka Machineは、モデルのアーキテクチャ（設計の骨格）をAI自身が自律的に試行・評価・最適化し、研究プロセスを自動で繰り返す仕組みだ。つまり「AIがAIを研究・改良する」という構造を採用している。

開発期間はわずか4か月。通常、大規模言語モデルの開発には長い年月と膨大な人的リソースが必要とされるなかで、これは際立った短さだ。Eureka Machineによる自動化が開発速度を大幅に引き上げた可能性があると見られるが、その詳細な仕組みや効率性については、現時点で詳しい情報は公開されていない。

AI研究の現場では、こうした「自律的な研究自動化（AI-driven research）」への関心がここ数年で高まってきた。従来のAI開発は研究者が実験を設計し、試行錯誤を重ねるという人手を多く要するプロセスで、スケールアップには限界があった。Eureka Machineのように、AIがその設計過程そのものを担うアプローチは、研究の効率化や加速という点で一つの突破口になりうると位置づけられる。

一方で、Recursiveのアプローチが実際に「自己改善するAI」へとつながるかどうかは、まだ証明されていない。Flintは現時点でその取り組みの最初の成果物にすぎず、Eureka Machineが本当に自律的な研究サイクルとして機能しているかを示す独立した検証は行われていない。スタートアップの主張と、それが広く認められるまでの間には慎重に見極めるべき余地がある。

Flintがコーディング特化かつローカル動作型という点も、一つの方向性を示している。クラウド上に情報を送らず手元の端末で動く設計は、プライバシーやセキュリティを重視する開発者や企業にとって選択肢になりうる。また、用途を絞り込むことで、汎用の大規模モデルに対してコスト面や効率面で優位性を出そうという戦略とも読める。

今後の焦点は、Eureka Machineが継続的にモデルを改善できるかどうかにある。Flintはあくまでその第一歩であり、Recursiveがこのアプローチをどこまで拡張・検証できるかが、同社の方向性を決める上で重要な分岐点になるという見方ができる。AI研究の自動化という概念が実用として定着するには、再現性や透明性のある成果の積み重ねが不可欠だ。