Recursive 发布首个模型 Flint，由 Eureka Machine 参与研发
Recursive shows first result of its AI-driven research process with Flint
AI 初创公司 Recursive 发布首个语言模型 Flint，研发过程几乎每一步都有其 Eureka Machine 系统参与，由该系统自行提出想法、实现、测试并规划后续实验。Flint 是面向本地硬件智能体编码的 MoE 模型，总参数 40B、每 token 激活 2.5B，四个月完成，权重以 Apache 2.0 许可在 Hugging Face 开放，支持 llama.cpp、Ollama、LM Studio、vLLM 和 SGLang。Recursive 称其在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-Bench Verified 上领先参数少于 50B 的 MoE 模型，但结果尚未经独立验证。
推荐理由
AI 评分 75
Flint 由自动化研究系统 Eureka Machine 参与完成，读者可据此观察 AI 参与模型研发的实际边界。
主题
正文 · AI 翻译
要点
AI 初创公司 Recursive 借助一套能够自行提出、运行并评估实验的 AI 系统，构建了其首个语言模型。
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 系统参与了研发的几乎每一个环节，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 是一款混合专家模型（MoE），专为本地硬件上的智能体编码而设计，整个构建过程历时四个月。在总计 400 亿参数中，每个 token 仅有 25 亿参数处于激活状态。Recursive 声称，在参数少于 500 亿的 MoE 模型（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 等编码基准测试中处于领先地位。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，同时运行速度超过后者的五倍。据 Recursive 称，在搭载 M4 Pro 的 MacBook Pro 上，Flint 在短上下文下每秒可生成超过 125 个 token。在配备 64 GB 内存的 Nvidia RTX Spark 上，其速度可超过每秒 150 个 token。与同类模型相比，推理速度最高可达两倍。
Eureka Machine 自行选定了架构、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，能够并行运行多种方案。对于 Flint，它参与了训练数据、优化器、架构设计和推理调优等工作。以下三个例子展示了该系统如何塑造了模型的性能。
Eureka Machine 从一个总参数 350 亿、激活参数 30 亿的架构出发，测试了不同的专家配置。最终确定的 400 亿总参数、25 亿激活参数的设计，被证明是其测试过的所有变体中速度与编码性能之间的最佳权衡。
在量化方面，该系统一反常规做法，将输出层也降至四位。新增的蒸馏步骤旨在恢复损失的精度，据 Recursive 称，该方法所需的训练步数约为先前方法的一半。最终完成的 NVFP4 模型在各基准测试中仅比 16 位版本落后 0.7 分。
Eureka Machine 还为 Apple Silicon 和 Nvidia RTX Spark 构建了专用的计算内核。在苹果的 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一操作。Recursive 表示，正是这些跨多个开发阶段的优化实现了高推理速度。
Flint 可在本地运行，并附带开放权重
Flint 支持最高 512,000 个 token 的上下文窗口，不过 Recursive 建议将其上限设为 256,000。模型权重以 Apache 2.0 许可证在 Hugging Face 上提供。支持的运行时包括 llama.cpp、Ollama、LM Studio、vLLM 和 SGLang。Recursive 还发布了 rec，这是其专为 Apple Silicon 打造的推理引擎。
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 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，以 46.5 亿美元的估值融资 6.5 亿美元。当时，Recursive 尚无具体的技术成果可供展示。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。
其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 成为更出色的研究者，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。
这是否真能带来加速的自我改进，远未有定论。前 Google DeepMind 研究负责人 Oriol Vinyals 认为，AI 辅助的自我改进是现实的，但他认为智能爆炸不太可能发生。对于 AI 系统而言，找到好的研究想法并可靠地评判结果，仍然是格外困难的问题。
其他 AI 实验室也已经在利用 AI 构建新模型。Anthropic 表示，Claude 目前承担了其自身开发工作中的很大一部分，而 OpenAI 则在其整个研究流程中部署了 AI 智能体。这种自动化究竟能走多远，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 希望借助 Eureka Machine 实现自动化的环节。Flint 是首个具体成果，但它尚不能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 本身成为更出色的研究者。