Recursive 发布 Flint：一个能跑在笔记本上的免费编程模型

成立约一年的 AI 初创公司 Recursive 在 10 月 21 日发布了首个模型 Flint：一个可以跑在笔记本上的免费编程模型，公司称它的开发过程大部分由 AI 完成。

承担这项工作的是 Recursive 自研的自动化研究系统 Eureka Machine。按公司的说法，Eureka 参与了从预训练、后训练到推理的几乎每个环节，让一支小团队在不到四个月内从零做出了这个模型。

参数结构上，Flint 采用混合专家架构，总参数 400 亿，但每次推理只激活其中的 25 亿，这让它可以装进普通笔记本。模型以 Apache 2.0 许可在 Hugging Face 免费下载，可以离线运行，代码不必上传云端，也不按 token 计费。

速度是 Recursive 主打的卖点。公司测试显示，Flint 在搭载 M4 Pro 芯片的 MacBook Pro 上生成速度约为每秒 131 个 token，大约是同一台机器上 Gemma 4、Nemotron 3.5 Lightning 等相近模型每秒 58 到 69 个 token 的两倍；在 RTX Spark 上则超过每秒 150 个 token。

基准方面，Recursive 称 Flint 在 SWE-Bench Verified 上优于所有 500 亿参数以下的模型；在公司自选的六项测试平均分上，只有阿里巴巴的 Qwen3.8 27B 高于它。这些数字全部来自厂商自测，尚待第三方复现。

公司也承认 Flint 比大型付费编程助手更需要引导，建议把大任务拆成小步骤。Wired 记者 Will Knight 在 48GB 内存的 Mac 上试用后给出的评价是：小模型常常出错或变慢，但 Flint 每次都能完成他的编程要求。

Eureka 的具体贡献包括更稀疏的模型结构、把模型体积压缩 71% 而几乎不损失质量的低比特训练，以及加速底层计算的定制 kernel。这些是“AI 改进 AI”在工程层面留下的可见痕迹。

这件事的意义不在 Flint 本身有多强，而在于它是一次公开的、可检验的递归自我改进试验：如果每一代模型都能让 Eureka 成为更好的研究者，下一代模型的开发周期就会继续缩短。分歧也正在这里——这是行业里争议最大的方向之一，Recursive 的说法是人始终在回路中，可以随时叫停。