Recursive 发布笔记本端编码模型 Flint，称主要由 AI 参与构建

去年成立的人工智能初创公司 Recursive 正开始名副其实。这家公司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 是一个免费的编码模型，可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。这让一个小团队在不到四个月的时间里从零构建出了该模型。

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 自我改进可能会脱离人类控制。目前，Recursive 的版本还较为有限：一个由人类监督的 AI 研究助手，产出了一个小到足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，获得 6.5 亿美元融资，估值达 46.5 亿美元，投资方包括 GV、英伟达和 AMD Ventures。Recursive 由 Salesforce 前首席科学家、CEO Richard Socher 领导。

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 AI 云服务按模型处理的文本量收取的使用费。该模型以 Apache 2.0 许可证在流行的 AI 模型分享网站 Hugging Face 上免费提供下载，该开源许可证允许免费使用和修改。

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：每次仅激活其 400 亿个设置（称为参数）中的 25 亿个。这使它轻到足以在普通笔记本电脑上运行，也远小于 Meta 的 Muse Spark Open——后者是上周发布的、专为 Mac 构建的开放模型。Muse Spark Open 使用 8160 亿个参数，且至少需要 1 TB 内存。

Flint 的速度也很快。在 Recursive 的测试中，它在搭载苹果 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，这些模型包括谷歌的 Gemma 4 和英伟达的 Nemotron 3.5 Lightning。在英伟达的 RTX Spark 上，Flint 的生成速度超过每秒 150 个 token。

在衡量 AI 修复真实软件缺陷能力的基准测试 SWE-Bench Verified 上，Flint 的表现优于其他参数低于 500 亿的模型。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 比大型付费编码助手需要更多引导，并建议将大型任务拆分为更小的步骤。尽管如此，早期评价仍属正面。《连线》的 Will Knight 在一台配备 48GB 内存的 Mac 上使用 Flint 构建了几个小程序，包括一个待办事项列表应用和一个在网上搜集研究资料的工具。他发现，与 Claude 或 Codex 相比，较小的编码模型经常出错或速度较慢，但 Flint 每次都准确完成了他的编码请求。

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、低比特训练（使 Flint 缩小了 71%，而质量几乎没有损失）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，但它并非唯一一家借助 AI 开展研究的公司。OpenAI 上个月表示，截至 8 月中旬，其 AI 智能体每对应人类研究员的一个工作日，就会记录 3.1 个工作日。

如果 Recursive 的押注奏效，每个新模型都应能承担更长时间的工作而无需人工帮助。该公司此前告诉 TechCrunch，其 6 月与亚马逊云服务（AWS）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，更长期的目标是让 Eureka Machine 实现完全的递归自我改进，由人类监督整个过程，并能在出现问题时将其停止。Recursive 表示，每个新模型都应让 Eureka Machine 成为更好的研究者，帮助它更快地构建下一个模型。