AI 初创公司 Recursive 用一个 AI 系统构建了它的第一个语言模型，该系统能自行提出、运行并评估实验。
AI 初创公司 Recursive 发布了其首个语言模型 Flint。一个名为 "Eureka Machine" 的 AI 系统参与了几乎每一步开发，它自行提出想法、将其实现、进行测试，并根据结果规划后续实验。
Flint 是一个混合专家模型（MoE），专为本地硬件上的智能体编程而设计，历时四个月构建完成。在总计 400 亿参数中，每个 token 仅激活 25 亿参数。Recursive 声称，在参数量少于 500 亿的 MoE 模型（例如Qwen3.6-35B-A3B和Laguna S 2.1）中，Flint 在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-Bench Verified 等编程基准测试上领先。这些结果尚未经过独立验证。
该模型旨在与参数量在 250 亿至 400 亿之间的稠密模型竞争，同时运行速度快五倍以上。据 Recursive 称，在搭载 M4 Pro 的 MacBook Pro 上，Flint 在短上下文下每秒生成超过 125 个 token。在配备 64 GB 内存的 Nvidia RTX Spark 上，每秒超过 150 个。与同类模型相比，推理速度最高快两倍。
Eureka Machine 自行选择了架构、量化和计算内核
Recursive 表示，Eureka Machine 实现了整个研究周期的自动化，并行运行多种方法。对于 Flint，它在训练数据、优化器、架构设计和推理调优方面提供了帮助。三个例子展示了该系统如何塑造模型的性能。
从一个总参数 350 亿、激活参数 30 亿的架构出发，Eureka Machine 测试了不同的专家配置。最终设计为总参数 400 亿、激活参数 25 亿，在它测试过的所有变体中，这一设计在速度与编码性能之间取得了最佳权衡。
在量化方面，该系统一反常规做法，将输出层也降至 4 位。额外增加的一个蒸馏步骤旨在恢复损失的精度，据 Recursive 称，它所需的训练步数约为先前方法的一半。在各项基准测试中，完成后的 NVFP4 模型仅落后 16 位版本 0.7 分。
Eureka Machine 还为 Apple Silicon 和 Nvidia RTX Spark 构建了专用的计算内核。在 Apple 的 M4 和 M5 芯片上，一个 Metal 超级内核将 token 生成期间的整个前向传播合并为单次操作。Recursive 表示，正是横跨多个开发阶段的这些优化实现了高推理速度。
Flint 在本地运行，并以开源权重形式发布
Flint 支持最高 512,000 token 的上下文窗口，不过 Recursive 建议将其上限设为 256,000。该模型权重可在 Hugging Face 上获取采用 Apache 2.0 许可证。支持的运行时包括 llama.cpp、Ollama、LM Studio、vLLM 和 SGLang。Recursive 还发布了rec，这是其面向 Apple Silicon 的自有推理引擎。
所有这些意味着该模型可以在本地运行，无需将代码发送到外部服务器。Recursive 也承认，在处理复杂任务时，Flint 比大型专有编码模型需要更多引导。该公司建议将较大的任务拆分为更小的步骤。
Recursive 正押注自己能够构建出不断构建更好 AI 的 AI
这家初创公司由 Richard Socher 以及包括前 DeepMind 研究员 Tim Rocktäschel 在内的其他人共同创立，于 2026 年 5 月结束隐身状态并以 46.5 亿美元估值融资 6.5 亿美元。当时，Recursive 尚无具体的技术成果可展示。Flint 是该公司通过其自动化研究流程推出的首个公开可用模型。
长期目标是构建一个能够不断自我改进的超级智能。每一个新模型都应当让 Eureka Machine 成为更好的研究者，从而能够更快、更高效地构建下一代模型。最终，Recursive 希望将同样的方法应用于其他科学领域的研究自动化。
这是否真的会产生加速的自我改进还远未成定论。前 Google DeepMind 研究负责人Oriol Vinyals 认为 AI 辅助的自我改进是现实的，但认为智能爆炸不太可能发生。找到好的研究想法以及可靠地评判结果，仍然是 AI 系统面临的格外困难的问题。
其他 AI 实验室也已经在用 AI 构建新模型。Anthropic 表示，Claude 现在承担了其自身开发工作的很大一部分，而OpenAI 则在其整个研究流程中部署了 AI 智能体。这种自动化实际能走多远仍存在争议。一项对 700 多份任务日志的研究发现，AI 智能体承担了大部分工作，但关键的研究决策仍大多由人类做出。
这些正是 Recursive 想用 Eureka Machine 实现自动化的步骤。Flint 是第一个具体成果，但它尚未证明完整的递归自我改进。要做到这一点，该公司需要证明，用 Eureka Machine 构建的模型确实能让 Eureka Machine 本身成为更好的研究者。