Recursive 推出 Flint：一台笔记本就能跑的"由 AI 主导构建"的编码模型
一家去年成立的 AI 创业公司 Recursive 正在把名字变成现实。这家公司试图构建能够自我改进的 AI，并于本周三发布了首个模型 Flint——一个可以跑在笔记本电脑上的免费编码模型，而它在很大程度上由 AI 参与构建。
Flint 也是"递归式自我改进"（recursive self-improvement）的一次早期公开验证：这个想法指的是 AI 能造出更好的 AI，而更好的 AI 又能继续造出更强的 AI。它同时也是业界争议最大的概念之一——部分研究者担心 AI 自我改进可能脱离人类控制。目前 Recursive 的版本要克制得多：一个有人类监督的 AI 研究助理，最终产出的是一个足够小、能装进笔记本的模型。
Eureka Machine：小团队四个月从零做出一款模型
Recursive 称其自动化研究系统 Eureka Machine 参与了 Flint 开发中几乎每一个环节，这让一个小团队在不到四个月内从零构建出该模型。
Eureka Machine 的工作方式是提出想法、跑实验，再用实验结果决定下一步该试什么。根据公司的发布视频，它从预训练到后训练、再到推理环节都有贡献。Recursive 列举的贡献包括：
- 更稀疏的模型结构（sparser model shape）
- 低比特训练：在几乎不损失质量的前提下把 Flint 压缩了 71%
- 自定义算子（custom kernels）：加速底层计算
Recursive 没有透露 Eureka Machine 具体省下了多少研究时间，但它并非唯一依赖 AI 做研究的团队。OpenAI 上个月表示，到 8 月中旬，其 AI 智能体每工作一天，就相当于人类研究员工作 3.1 个工作日。
如果 Recursive 的赌注成功，每一代新模型都将能在没有人类协助的情况下承担更长的工作链条。公司此前告诉 TechCrunch，6 月与 Amazon Web Services 达成的 4.1 亿美元算力合作"与其说是关于人头数，不如说是关于智能体数量"。CEO Richard Socher 的长期目标是让 Eureka Machine 实现完整的递归式自我改进——人类负责监督，并在出问题时可以随时叫停；Recursive 认为每一代新模型都会让 Eureka Machine 成为更好的研究者，从而更快地造出下一代。
本地运行、免费开源：Flint 的产品形态
Flint 运行在用户自己的电脑上，而不是公司的云服务器，因此开发者可以离线使用、让代码保持私密，并避开 AI 云服务按处理文本量计费的使用成本。模型可在 Hugging Face 免费下载，采用 Apache 2.0 许可，允许自由使用与修改。
在架构上，Flint 是一个混合专家（Mixture-of-Experts）模型：每个任务只动用自身一小部分参数，即 40B 总参数量中的 2.5B。这让它足够轻量，能在普通笔记本上运行，规模也远小于 Meta 上周发布、面向 Mac 的开源模型 Muse Spark Open（816B 参数，至少需要 1TB 内存）。
在 Recursive 的测试中，Flint 在搭载苹果 M4 Pro 的 MacBook Pro 上每秒生成约 131 tokens（文本块），大约是同机器上同类模型 58～69 tokens/秒 的两倍，其中包括 Google 的 Gemma 4 和 Nvidia 的 Nemotron 3.5 Lightning；在 Nvidia 的 RTX Spark 上，Flint 超过 150 tokens/秒。
基准表现与实际使用反馈
在衡量 AI 修复真实软件 bug 能力的 SWE-Bench Verified 基准上，Flint 的表现优于其他 500 亿参数以下的模型。在 Recursive 自有六项测试的平均分上，只有阿里的 Qwen3.8 27B 高于 Flint。
公司也承认，Flint 相比大型付费编码助手需要更多引导，并建议把大任务拆解成更小的步骤。不过早期反馈相当积极：Wired 的 Will Knight 在一台 48GB 内存的 Mac 上用 Flint 构建了若干小程序，包括一个待办清单应用和一个联网检索研究资料的工具。他发现小型编码模型相比 Claude 或 Codex 往往容易报错或速度偏慢，但 Flint 每次都准确完成了他提出的编码需求。
公司背景与团队
Recursive 于 5 月走出隐身状态，宣布获得 6.5 亿美元融资，估值 46.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。公司由前 Salesforce 首席科学家 Richard Socher 担任 CEO。
评论