모델 841건 · 국산 132 · 가격 680 추적 중
파운데이션 모델·LLM

리커시브, 온디바이스 코딩 모델 '플린트' 오픈소스 공개

AI타임스·2026-10-22

요약

AI 스타트업 리커시브가 AI 자동화 연구 시스템을 활용해 개발한 온디바이스 코딩 모델 '플린트'를 공개했다. 소규모 연구팀이 4개월도 안 되는 기간에 구축했으며, 개인 컴퓨터에서 실행돼 개발자의 데이터 보안을 유지하면서도 코드를 생성할 수 있다. 모델은 전문가 혼합(MoE) 구조를 적용해 연산 부담을 줄였다. 리커시브는 21일(현지시간) 모델 가중치를 허깅페이스에 아파치 2.0 라이선스로 배포했다.

큐레이터 노트

원문에 없는 맥락입니다

로컬에서 실행 가능한 오픈소스 코딩 모델이라는 점에서, 외부 서버로 코드를 전송하지 않고도 AI 코딩 보조를 쓸 수 있는 선택지가 하나 늘었다는 의미가 있다.

깊이 읽기

이 기사 한 건이 아니라, 같은 사안을 다룬 이 사이트의 기록을 근거로 정리했습니다

이 일이 어디서 왔나

2026년 10월 21일부터 22일 사이 한국 AI 업계에서는 카카오의 비전 인코더, 크래프톤의 '라온-1 미니', 딥시크의 '딥인퍼' 등 오픈소스 모델·프레임워크 공개가 잇따랐다. 리커시브의 '플린트' 역시 이 흐름 속에서 나온 온디바이스 코딩 모델로, 허깅페이스에 아파치 2.0 라이선스로 배포됐다는 점에서 크래프톤의 '라온-1 미니' 공개 방식과 유사하다.

짚어야 할 점

  • 전문가 혼합(MoE) 구조로 연산 부담을 줄였다는 설명은 크래프톤 '라온-1 미니'가 밝힌 접근과 같은 방향이며, 두 모델 모두 비용·효율 문제를 MoE로 풀고 있다는 점에서 국내 모델 개발의 공통된 설계 전략으로 볼 수 있다.
  • 온디바이스 실행으로 코드가 외부 서버로 전송되지 않는다는 점이 핵심 가치로 제시됐는데, 이는 클라우드 기반 AI 코딩 보조 도구와 보안 요구가 다른 개발 환경(금융·공공 등)에서 의미를 가질 수 있다.
  • 소규모 연구팀이 4개월 만에 'AI 자동화 연구 시스템'을 활용해 모델을 만들었다는 점은, 모델 개발 자체를 AI가 보조하는 메타적 시도로 주목할 부분이다.

아직 확인되지 않은 것

  • '플린트'의 파라미터 규모나 구체적인 성능 벤치마크 수치는 제시되지 않아, 실제 코딩 성능이 어느 수준인지는 확인되지 않았다.
  • 모델 개발에 쓰인 'AI 자동화 연구 시스템'이 구체적으로 어떤 기술이고 어느 정도까지 자동화했는지는 설명되지 않았다.
  • 리커시브라는 스타트업의 규모나 투자 배경, 팀 구성 등 신뢰성을 가늠할 정보는 나오지 않았다.

다른 매체는 이렇게 썼다

같은 사안을 다룬 다른 곳의 보도입니다

크래프톤, 자체 LLM '라온-1 미니' 프리뷰 공개
블로터 · 2026-10-22

크래프톤이 자체 개발한 거대언어모델 '라온-1 미니' 프리뷰 버전을 허깅페이스에 공개했다. 전체 매개변수 중 일부만 실제 연산에 활용하는 구조로 성능과 비용 효율성을 동시에 확보하는 데 초점을 맞췄다. 기존 모델을 수정하거나 추가 학습하는 방식이 아니라 모델 설계부터 학습까지 전 과정을…

AWS, 멀티에이전트 프로덕션 난제 해결한 'Deep Insight' 공개
AWS ML Blog · 2026-10-21

AWS Solutions Architecture 팀이 멀티에이전트 시스템을 프로덕션에 올리며 겪은 다섯 가지 핵심 과제를 정리하고, 이를 해결하기 위해 구축한 Deep Insight를 소개했다. Deep Insight는 CSV 데이터와 자연어 프롬프트를 받아 Coordinator, Pl…

크래프톤, 자체 LLM '라온-1 미니' 프리뷰 공개
ZDNet Korea · 2026-10-21

크래프톤이 자체 개발한 거대언어모델 '라온-1 미니' 프리뷰 버전을 오픈소스로 공개했다. 허깅페이스에 아파치 2.0 라이선스로 제공해 누구나 무료로 내려받아 연구와 상업적 서비스 개발에 쓸 수 있다. 영어와 한국어를 지원하며, 전문가 혼합(MoE) 구조와 자체 개발한 선형 어텐션 기술을…

이 사안의 흐름

같은 주제를 다룬 이 사이트의 기록 — 최신순

이 글에 나온 말

용어집 전체 →
전문가 혼합
전문가 혼합(MoE)은 여러 개의 전문가 서브네트워크 중 입력에 따라 일부만 선택적으로 활성화해 연산하는 신경망 구조를 말한다.

이 분야 브리핑

여러 매체가 함께 다룬 사안을 한 번에

이 페이지는 원문을 요약·재서술하고 이 사이트가 쌓은 기록을 덧붙인 큐레이션입니다. 원문 본문은 싣지 않으며, 수치와 표기는 원문 기준을 유지했습니다.

AI타임스 원문 전체 보기 →

같은 분야의 다른 소식

전체 뉴스 →