Recursive 发布 Flint：可在笔记本本地运行的开源编码模型

Recursive这家去年成立的人工智能初创公司正开始名副其实。该公司正试图打造能够自我改进的 AI，并于周三发布了其首个模型Flint。Flint 是一个免费的编程模型，可以在笔记本电脑上运行，而且很大程度上是在 AI 的帮助下构建的。

Recursive 称，其名为 Eureka Machine 的自动化研究系统几乎参与了 Flint 开发的每一个环节。这使得一个小团队能够在不到四个月的时间里从零开始构建该模型。

Flint 是对递归式自我改进的一次早期公开测试：即 AI 能够构建更好的 AI，而更好的 AI 又能构建出更好的 AI。这也是业界争议最大的想法之一。一些研究人员担心，AI 的自我改进可能会脱离人类控制。目前，Recursive 的版本更为有限：一个由人类监督的 AI 研究助手，产出了一个小到可以在笔记本电脑上运行的模型。

该公司于 5 月结束隐身状态，带着6.5 亿美元融资，估值达 46.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。Recursive 由 Salesforce 前首席科学家 Richard Socher 担任 CEO。

由于 Flint 运行在用户自己的电脑上，而非公司的云服务器上，开发者可以离线使用它、保持代码私密，并避免使用费——AI 云服务会根据模型处理的文本量收取此类费用。该模型以 Apache 2.0 许可证（一种允许免费使用和修改的开源许可证）在 Hugging Face 这个流行的 AI 模型分享网站上免费下载。

Flint 是一个混合专家模型，这意味着它在执行任何给定任务时只使用自身的一小部分：在其 400 亿个被称为参数的设置中，一次仅使用 25 亿个。这使它轻到足以在普通笔记本电脑上运行，并且远小于 Meta 的Muse Spark Open——后者是上周发布的一款为 Mac 构建的开放模型。Muse Spark Open 使用 8160 亿个参数，至少需要 1 TB 的内存。

Flint 也很快。在 Recursive 的测试中，它在搭载 Apple M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token（文本块）——大约是同类模型在同一台机器上每秒 58 到 69 个 token 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 的生成速度超过每秒 150 个 token。

在 SWE-Bench Verified 这一衡量 AI 修复真实软件缺陷能力的基准测试中，Flint 的表现优于其他 500 亿参数以下的模型。在 Recursive 自己对六项测试的平均统计中，只有一款模型——阿里巴巴的 Qwen3.8 27B——得分高于 Flint。

该公司承认，Flint 需要比大型付费编程助手更多的引导，并建议将大型任务拆分为更小的步骤。尽管如此，早期评价仍然正面。Wired 的 Will Knight使用了 Flint，在一台 48GB 内存的 Mac 上构建了几个小程序，包括一个待办事项应用和一个用于网络调研的工具。他发现，与 Claude 或 Codex 相比，较小的编程模型经常出错或速度较慢，但 Flint 每次都准确完成了他的编程请求。

Eureka Machine 负责提出想法、运行实验，并利用结果决定下一步尝试什么。根据该公司的发布视频，它几乎参与了构建 Flint 的每一个环节，从预训练到后训练和推理。

Recursive 表示，Eureka 的贡献包括更稀疏的模型结构、将 Flint 缩小 71% 且几乎不损失质量的低比特训练，以及自定义内核——即加速底层计算的专用程序。

Recursive 没有说明 Eureka Machine 为其研究人员节省了多少时间，但借助 AI 开展研究的不止它一家。OpenAI 曾在上个月表示，截至 8 月中旬，其 AI 智能体每由人类研究员工作 1 天，就记录 3.1 个工作日。

如果 Recursive 的押注奏效，每一款新模型都应能在没有人类帮助的情况下承担更长时间的工作。该公司此前对 TechCrunch 表示，其 6 月与 Amazon Web Services 达成的 4.1 亿美元算力协议“与其说关乎员工人数，不如说关乎智能体数量”。

Socher 对《连线》表示，更长远的目标是让 Eureka Machine 实现完全的递归自我改进，由人类监督整个过程，并在出现问题时能够将其叫停。递归的意思是，每一个新模型都应让 Eureka Machine 成为更好的研究者，帮助它更快地构建下一个模型。

查看简介