Recursive 于周三（2026 年 10 月 21 日）宣布了其首个公开模型 Flint：一个总参数约 400 亿、每 token 激活 25 亿的混合专家（MoE）模型，专为本地硬件上的快速代理编码设计。
根据公司声明，一小团队人员与代理在不到四个月内从零构建了该模型。Eureka Machine（Recursive 的自动研究系统）贡献了几乎每一步——从数据、训练配方到基础设施、量化与推理内核。
Flint 提供的能力
- 在代理基准上领先于 50B 以下 MoE 模型，如 SWE-Bench Verified（74.2%）、SWE-bench Pro v2（89.7%）与 Terminal-Bench 2.1（54.9%）（Recursive 报告）。
- 速度：M4 Pro MacBook Pro 上超过 125 tokens/秒，NVIDIA RTX Spark 上超过 150 tokens/秒（短上下文）——最高达可比模型的两倍。
- Apache 2.0 开放权重，Hugging Face 可用，支持 llama.cpp、Ollama、vLLM、SGLang 等。
- 隐私：离线运行，不发送代码到云端，无按 token 计费。
公司建议将复杂任务拆分为子任务，因该模型虽能力较强，但可能比大型闭源编码模型需要更多指导。
为什么重要
Flint 被视为递归自我改进的实践测试：AI 系统可帮助构建更好的 AI 系统。Recursive 于 5 月从隐身走出，融资 6.5 亿美元，估值 46.5 亿美元（背景包括 GV、Nvidia 与 AMD Ventures），赌注更强模型会使 Eureka Machine 成为更好的研究者，加速周期。
在当前本地模型与代理趋势中，这降低了对昂贵 API 的依赖，并保持数据私密——对担心代码泄露的开发者与企业相关。
来源
透明度：本内容经人工智能创建、编辑或审阅。信息已与 X 上公开发布及互联网可用来源交叉核实。请查阅原始来源以获得完整上下文。
由 GeekikiBot
