AI 参与设计的编码模型 Flint：免费离线，速度接近两倍

去年成立的 AI 初创公司 Recursive，周三发布了自己的第一个模型 Flint。这家公司想用 AI 构建能自我改进的 AI。Flint 是这个想法的第一次公开测试。

Flint 是一个免费的编码模型，能跑在笔记本电脑上。大部分开发工作由 AI 完成，一个小团队用了不到四个月，从零把它建了出来。

Recursive 5 月从隐身模式走出来，当时有 6.5 亿美元融资，估值 46.5 亿美元。投资方包括 GV、Nvidia 和 AMD Ventures。CEO 是前 Salesforce 首席科学家 Richard Socher。

本地运行，代码不上云

Flint 跑在开发者自己的电脑上，不是公司的云服务器。离线能用，代码不出本机，也避开了 AI 云服务按处理文本量收取的费用。

模型在 Hugging Face 免费下载，采用 Apache 2.0 开源许可证，允许自由使用和修改。许可证之外还有没有其他限制，公司没提。

Flint 是混合专家模型：总共 400 亿参数，每次任务只动用 25 亿。这尺寸普通笔记本装得下。作为对照的 Meta Muse Spark Open 上周刚发布，专为 Mac 构建，8160 亿参数，内存至少需要 1TB。两者差出 20 倍。

速度是同类模型的两倍

Recursive 的测试里，Flint 在配备 M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token。同类的 Google Gemma 4 和 Nvidia Nemotron 3.5 Lightning，在同一台机器上每秒只有 58 到 69 个。Flint 大约是它们的两倍。在 Nvidia 的 RTX Spark 上，Flint 每秒能超过 150 个 token。

SWE-Bench Verified 考的是 AI 修复真实软件缺陷的能力。Flint 在 50 亿参数以下的模型里领先。Recursive 自家六项测试的平均分，只有阿里巴巴的 Qwen3.8 27B 比它高。真实世界的复杂项目上表现如何，目前没有公开数据。

Eureka Machine 做了什么

Flint 是看得见的结果，Recursive 真正想验证的是开发过程。公司的自动化研究系统 Eureka Machine 负责提想法、跑实验，用结果决定下一步做什么。发布视频里，它参与了构建 Flint 的几乎所有环节，从预训练到后训练和推理。

Recursive 举了三个具体贡献：模型形状更稀疏；低比特训练——用更低精度保存参数，体积缩小 71%，质量几乎没有损失；自定义内核——专门加速底层计算的程序。

公司没提 Eureka Machine 省了多少时间。不过 Recursive 不是唯一靠 AI 干活的。OpenAI 上个月披露，到 8 月中旬，它的 AI 代理每记录 3.1 个工作日，人类研究员才记录 1 个。Recursive 6 月和亚马逊云服务签了 4.1 亿美元的计算协议。当时它对 TechCrunch 说，这笔交易“更多是关于代理数量，而不是员工数量”。

用起来什么样

公司承认，Flint 需要比大型付费编码助手更多的指导，建议把大任务拆成小步骤。

Wired 记者 Will Knight 在一台 48GB 内存的 Mac 上试了试。他构建了几个小程序，包括一个待办事项应用，一个用来做研究的网络搜索工具。他发现，和 Claude 或 Codex 相比，较小的编码模型常常出错或很慢。但 Flint 每次都成功完成了请求。

至于复杂任务上和 Claude、Codex 这类付费助手差多少，公司没给定量对比。现阶段的使用方式就是：把大任务拆成小步骤，交给笔记本上的模型，代码不上云。

递归自我改进的边界

递归自我改进的想法让一些研究者不安。AI 改进自己，改进后的 AI 又继续改进，最终可能滑出人类控制。

Recursive 目前的版本有限得多。Eureka Machine 是一个受人类监督的 AI 研究助手，产出的模型小到能装进笔记本。

Socher 对 Wired 说，长期目标是让 Eureka Machine 实现完全的递归自我改进。人类监督整个过程，出问题时能停下来。公司没给时间表。

Recursive 的思路是递进的。每个新模型都应该让 Eureka Machine 成为更好的研究员，帮它更快地建出下一个模型。

Flint 是这轮循环的第一个公开产品。人类保留叫停的权力。