Recursive 发布开源编码模型 Flint，称开发流程大部分由 AI 完成

00天:00小时:00分钟:00秒加入我们在迈阿密的行列查看完整阵容

过去几天里，我一直在测试一个令人印象深刻的开源权重AI编码模型，名叫Flint。它表明，完全递归自我改进（RSI）——一种用AI来构建AI的令人兴奋又颇具争议的方法——正越来越近。

Flint是Recursive公司的首个产品，这家公司旨在利用RSI来推进AI本身，并借助AI推进其他科学领域。“整个模型管线中几乎每一个环节实际上都是由AI完成并改进的，”Recursive首席执行官兼联合创始人Richard Socher告诉我。

Socher说，他的公司利用其名为Eureka Machine的递归AI系统，实现了模型开发中大部分环节的自动化。他说，这使得一家只有少数研究人员的公司能够在短短几个月内构建出一个世界级模型。

Socher告诉我，Eureka Machine设计出了多项创新，包括一种新的基座模型训练方式、新的模型架构，以及针对特定硅芯片优化的代码。Recursive分享了基准测试分数，表明Flint在编码任务上优于其他规模和架构相近的模型。

得益于其惊人的编码能力，AI已被广泛用于帮助构建、测试和改进AI。这可以加快模型优化和测试新想法的过程，而无需那么多人类输入。

还可以创建一个循环，让AI决定要做哪些改进，然后开始新一轮改进。目前这项技术还有局限，但如果AI能够参与模型开发的每一个环节，那么从理论上讲，这个过程可以无限持续下去。

一些专家担心，让AI以这种方式自我改进最终可能导致灾难。这些末日论者声称，能够无限改进的AI可能摆脱人类控制，并可能认定人类是其目标的障碍。

今年9月，一名研究人员从Anthropic离职并警告称，AI的进步——包括递归自我改进——可能在几年内导致人类灭绝，这些担忧由此受到更广泛关注，随后多位其他专家也表达了同样的担忧。RSI这一理念已变得如此具有争议，以至于国会中有多项法案提议禁止它。

Recursive认为这些恐惧更像是科幻而非现实，并认为阻止RSI的立法是对进步的不必要阻碍。

Socher说，Flint是用一个无法摆脱人类控制的系统构建的。他说，目标是让Eureka Machine本身实现完全的递归自我改进，但这仍将由人类监督，一旦出现问题，人类可以叫停这个过程。“我们希望这能向人们表明，我们确实已经把所有步骤都准备好了，”他说。

Recursive已从Google Ventures、Greycroft、Nvidia和AMD Ventures融资6.5亿美元，估值46.5亿美元。Socher此前是Salesforce的首席科学家，他的联合创始人包括Jeff Clune，后者是不列颠哥伦比亚大学的教授，研究构建能够无限学习的AI系统的方法。

我必须说，Flint让我印象深刻。我在一台配备48 GB内存的Mac上测试了它——这个内存容量不小，但只够运行像Flint这样规模适中的AI模型，它有400亿参数。目前最大的模型有数万亿参数，只能在成排的工业服务器上运行。

我用Flint构建了一堆程序，发现它既快又非常能干。以我的经验，与Claude或Codex相比，这种规模的模型可能容易出错或速度慢得令人恼火，但Flint每次都完美完成了我的编码请求。我用它创建了一个命令行待办事项列表，然后试着让它构建一个程序，在网上搜寻与递归自我改进相关的有趣研究。我还让Flint快速做了一个解释RSI工作原理的简单网站。你可以在这里看到。

目前尚不清楚其他美国实验室在追求递归自我改进方面取得了多少进展，但一些已发表的研究表明，完全递归的系统已经可行。例如，来自微软、卡内基梅隆大学和弗吉尼亚大学的一个团队最近发表的研究显示，一个AI编码智能体可以通过修改将推理转化为有用行动的软件框架以及自身模型的权重，来实现递归自我改进。

如果你接近构建出神一般的智能，完全RSI或许存在风险，但就目前而言，它似乎是改进自家AI模型的一种非常有前景的方式。这是我在之前几期AI Lab中有所尝试的内容。

确实，Socher说用于构建Flint的方法可以让前沿AI更易获得。“这是这个非常小的团队能够生产出实际上优于同类任何其他模型的唯一途径，”他告诉我。“这有望向人们表明，[递归自我改进]实际上相当不错，将使很多人受益。”

推出这款应用：充分利用《连线》的更多方式

Meta未能拦截数百条AI儿童虐待广告

重磅报道：寻找硅谷最有权势的女性

黑客进入了Flock摄像头——其数据揭示了该系统实际如何运作