40B参数AI模型4个月造完，还能在笔记本上跑

一个正在发生的变化

Recursive公司发布了首款模型Flint，这是一个约40B参数的MoE（混合专家，即模型内部有多个子网络按需激活）开源模型，专为本地编码场景设计。根据官方数据，它在M4 Pro MacBook Pro上能跑出超过125 tokens/秒的生成速度，在RTX Spark上超过150 tokens/秒。

作为参照，2026年消费级硬件上的本地编码基准测试显示，Qwen2.5-Coder 32B（Q5_K_M）的平均推理速度为36.8 tokens/秒。Flint的速度是这一基准的3倍以上。

更值得注意的是开发周期：这个模型从从零开始到发布，只用了不到4个月。背后的原因是Recursive使用了名为Eureka Machine的自动化AI研究系统，该系统可自动化研究循环中的每个步骤，让仅有少量研究人员的公司能在数月内打造出世界级模型。

多方声音

@RichardSocher 认为：Flint是“best-in-class fast local coding”，强调其“Private, unmetered intelligence on your own machine”——在自己的机器上运行，无需联网，也没有使用次数限制。

@ollama 指出：Flint是“~40B parameter MoE open model for fast, accurate agentic coding use case made to run on-device”，定位明确为设备端运行的智能体编码模型。

@cong_ml 则将其描述为“blazing-fast 40B model on the local coding Pareto frontier, shaped by autoresearch”——由自动化研究塑造的本地编码帕累托前沿模型。

这条发布推文获得了5520个点赞、5247次收藏，浏览量超过212万，总互动量达12862。

这个变化悄悄连上了你的生活

过去，本地跑大模型的门槛很高：8GB内存只能跑Qwen3 8B这样的小模型，HumanEval得分72%，能力有限。而Flint以40B参数的体量，在消费级笔记本上跑出了远超同类的速度。

这意味着，写代码这件事，正在从“必须联网调用云端API”变成“在自己电脑上就能完成”。对于不想把代码上传到第三方服务器的人来说，这是一个实质性的变化。

但需要注意的是，2026年的开源权重模型大多仅开放模型权重和推理代码，不一定开放完整训练数据、训练代码或数据流水线。Flint虽然在Hugging Face上开放了权重，但“开源”的边界在哪里，仍需使用者自行判断。

一个开放的问题

当AI可以在4个月内自动造出一个世界级编码模型，人类研究员在这个循环里还剩下多少不可替代的工作？