Recursive Flint in Deutschland: frei, offen, lokal nutzbar
Recursive Flint ist in Deutschland frei nutzbar: offene Gewichte, Apache 2.0, lokal auf dem Laptop. Was das für DSGVO und Code heißt, und die Grenzen.
Die kurze Antwort zuerst: Ja, Recursive Flint kannst du in Deutschland nutzen, und zwar ohne Umweg. Das KI-Labor Recursive hat das Coding-Modell am 21. Oktober 2026 veröffentlicht, mit offenen Gewichten unter der Apache-2.0-Lizenz. Weder die Lizenz noch die Ankündigung nennt eine Länderbeschränkung. Du lädst das Modell von Hugging Face herunter und lässt es auf deinem eigenen Rechner laufen. Das ist der Unterschied zu vielen KI-Starts der letzten Monate, die in Europa erst einmal gefehlt haben.
Dieser Artikel sortiert, was Flint ist, was du dafür brauchst, was der lokale Betrieb für den Datenschutz bedeutet und was das Modell nicht kann.
Was Flint ist und was nicht
Flint ist ein Sprachmodell für Programmieraufgaben, keine App und kein Chatbot für Alltagsfragen. Laut Modellkarte hat es 39,8 Milliarden Parameter, von denen pro Token nur etwa 2,5 Milliarden aktiv sind. Diese Bauweise, Mixture of Experts genannt, ist der Grund, warum es auf normaler Hardware schnell läuft. Gedacht ist es für Coding-Agenten: Codebasen durchsuchen, Fehler beheben, Funktionen ergänzen, Tests schreiben. Es verarbeitet nur Text, keine Bilder.
Recursive ist ein junges Labor unter der Leitung von Richard Socher, dem früheren Chefwissenschaftler von Salesforce. Für Aufsehen sorgt vor allem die Behauptung, Flint sei zum großen Teil mit Hilfe einer eigenen KI entwickelt worden. Dazu weiter unten mehr.
Was du für den Betrieb brauchst
Die volle Version ist rund 80 GB groß und laut Modellkarte für eine Rechenzentrums-GPU gedacht. Für den Laptop gibt es komprimierte Fassungen. Recursive nennt Unterstützung in llama.cpp, Ollama, LM Studio, Unsloth, vLLM und SGLang. Nach den eigenen Tests des Unternehmens schafft Flint auf einem MacBook Pro mit M4 Pro mehr als 125 Tokens pro Sekunde. TechCrunch berichtet, dass ein Tester von Wired es auf einem Mac mit 48 GB Arbeitsspeicher ausprobiert hat. Rechne also mit einem gut ausgestatteten Gerät, nicht mit einem Einstiegs-Laptop.
Ein Detail passt zwischen den beiden offiziellen Seiten nicht zusammen. Die Ankündigung spricht von bis zu 512.000 Tokens Kontext und empfiehlt, unter 256.000 zu bleiben. Die Modellkarte dokumentiert 262.144 Tokens. Wenn du ganze Projekte hineingeben willst, geh von der kleineren Zahl aus.
Datenschutz: lokal ist das stärkste Argument
Für viele in Deutschland ist das der eigentliche Punkt. Wenn Flint auf deinem Rechner läuft, verlässt dein Code das Gerät nicht. Es gibt keinen Anbieter, der Eingaben speichert, und keine Übermittlung in die USA, über die man nachdenken müsste. TechCrunch hebt genau das hervor: Flint funktioniert offline und hält Code privat.
Eine Einschränkung steht in der Modellkarte selbst: Bedingungen und Datenpraxis einer gehosteten API sind von der Lizenz der Gewichte getrennt. Nutzt du Flint über einen Cloud-Dienst statt lokal, hängt der Datenschutz an dessen Vertrag, nicht an Apache 2.0. Dann gelten die üblichen Fragen, die die Datenschutzkonferenz in ihren Orientierungshilfen stellt, und die du in KI datenschutzkonform nutzen als Checkliste findest.
Und lokal heißt nicht automatisch sicher. Ein Modell, das als Agent Befehle ausführen darf, kann auch auf deinem eigenen Rechner Schaden anrichten. Das BSI beschreibt in seiner Publikation zu generativen KI-Modellen Chancen und Risiken, darunter fehlerhafte Ausgaben, die überzeugend klingen. Wer Flint Werkzeuge in die Hand gibt, braucht eigene Grenzen: welche Ordner, welche Befehle, was vorher bestätigt werden muss.
Was die Benchmarks sagen
Die Modellkarte nennt 54,9 Prozent auf Terminal-Bench 2.1 und 74,2 Prozent auf SWE-bench Verified. Recursive sagt, Flint führe bei den Mixture-of-Experts-Modellen unter 50 Milliarden Parametern. Das sind Messungen des Herstellers mit eigenem Aufbau, und die Karte weist selbst darauf hin, dass sich Testaufbauten unterscheiden. Ein Grund, es an deinem eigenen Code auszuprobieren, kein Urteil.
Zum großen Teil von KI gebaut? Mit Vorsicht lesen
Recursive sagt, sein automatisiertes Forschungssystem, die Eureka Machine, habe an fast jedem Schritt der Entwicklung mitgewirkt. Laut TechCrunch schlug es unter anderem eine sparsamere Modellstruktur und ein Training mit niedriger Bitbreite vor, das Flint um 71 Prozent verkleinerte, und ein kleines Team baute das Modell in weniger als vier Monaten. Wie viel Arbeitszeit das System tatsächlich gespart hat, sagt Recursive nicht. Und es arbeitet unter menschlicher Aufsicht. Plausibel ist, dass KI hier einen echten Teil der Forschung übernommen hat. Belegt ist der Umfang nicht.
Die Grenzen, die Recursive selbst nennt
- Flint braucht mehr Anleitung als große kostenpflichtige Coding-Assistenten. Recursive empfiehlt, große Aufgaben in kleine Schritte mit klaren Anweisungen zu zerlegen.
- Es kann fehlerhaften Code schreiben und unpassende Werkzeugaufrufe machen. Die Modellkarte rät, Ergebnisse zu testen und wichtige Änderungen zu prüfen.
- Lange Denkphasen kosten Zeit und können das Ausgabebudget aufbrauchen, bevor eine Antwort fertig ist.
Wie du ein Modell Schritt für Schritt an eine echte Aufgabe heranführst, zeigt KI programmieren am Beispiel eines ersten Skripts im Job. Und was Coding-Agenten generell können und wo sie scheitern, steht in KI Agenten.
Flint oder Muse Spark Open?
Auch Meta hat vergangene Woche offene Gewichte veröffentlicht. Der Unterschied ist die Größe: Muse Spark Open hat 816 Milliarden Parameter und gehört auf Server, Flint passt auf einen Laptop. Was Metas Modell für den Datenschutz bedeutet, steht in Muse Spark Open Datenschutz, der Vergleich mit dem Abo-Modell in Muse Spark Open vs ChatGPT. Wenn du gar nicht programmierst, ist Flint nicht das richtige Werkzeug. Dann hilft eher ChatGPT Alternative bei der Auswahl.
Was du jetzt tun kannst
- Prüf deinen Rechner: Ein aktueller Mac mit viel Arbeitsspeicher oder ein gut ausgestatteter PC ist die realistische Grundlage.
- Installier eine der genannten Laufzeitumgebungen, etwa Ollama oder LM Studio, und lade eine komprimierte Fassung.
- Gib Flint eine Aufgabe, deren Lösung du kennst: einen kleinen Fehler, einen Test. Vergleiche das Ergebnis mit deiner eigenen Lösung.
- Wenn du es beruflich nutzen willst: Kläre vorher mit deinem Arbeitgeber, ob lokale Modelle erlaubt sind. Lokal ist oft leichter zu genehmigen als Cloud, aber nicht automatisch erlaubt.
Egal welches Modell du am Ende nutzt: Klar fragen, kleine Schritte, Ergebnis prüfen. Genau das übt Coursium, eine App fürs iPhone, die dir beibringt, KI bei der Arbeit zu nutzen.