先了解这件事
2026年10月21日,Recursive Superintelligence 发布开放权重本地编码模型 Flint。据相关报道,Flint 是 40B 混合专家模型,每 token 激活约 2.5B 参数,采用 Apache 2.0 许可,权重已在 Hugging Face 开放,由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。10月22日,Hugging Face 联合创始人 Thomas Wolf 评价称,Recursive 研究者把通常建议保持高精度的 lm_head 量化到 4 位,结果与 bf16 仅差 0.7 个百分点。同日,OpenRouter 上线 Flint,称其面向编码智能体,支持 262K 上下文、推理和工具调用,上线期间免费使用;Unsloth 则发布 Flint 的 Dynamic GGUF 量化版本,称可在 24GB 内存设备上本地运行。目前该模型已通过开放权重、托管平台和量化版本形成多种使用途径。
AI 根据公开报道生成
最新进展 · 正式报道
Edge AI Daily 早报：OpenAI 开放决策 API、谷歌发布 ACE事件进展
4 个已确认进展
- 来源：Thomas Wolf
- 来源：Unsloth
- 来源：OpenRouter
- 来源：36氪 · AI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月24日
钛媒体 · AGI
Edge AI Daily 早报：OpenAI 开放决策 API、谷歌发布 ACE
OpenAI 全面开放基于 GPT-6 Luna 的决策 API，输入每百万 token 仅 0.1 美元、输出 token 免费，响应速度最高比经 Responses API 调用同款模型快 10 倍。谷歌发布 AI 智能体专用计算引擎 ACE，为每个智能体分配硬件隔离的 microVM，20 万智能体基准下实现每秒 500 次激活。Anthropic 将 Agent Skills 开放标准捐赠至 Linux 基金会旗下 Agentic AI Foundation。
10月23日
36氪 · AI
Mirendil 与 Recursive 发布 RSI 成果，英伟达研究员谈研究者生存法则
初创公司 Mirendil 称由 1 名研究员借助 AI 智能体编写超过 99% 的代码，在 3.5 个月内、不到 1000 万美元算力下训练出 100B–500B 参数的编程基座模型 Mirendil-Base；田渊栋的初创公司 Recursive 则发布开放权重的 40B 编程模型 Flint，其背后是自动完成提想法、实现、测试、决定下一步的 Eureka Machine 系统。英伟达资深研究员 Ali Hatamizadeh 就此撰文，认为常规预训练配方已成熟公开，研究者的价值转向决定做什么实验、判断哪些结果可信，并列出少样本高效学习、新架构、持续学习、长程推理可靠性、消灭幻觉、新评测体系、可解释性与控制七个开放课题。
10月22日
The Decoder
Recursive 发布首个模型 Flint，由 Eureka Machine 参与研发
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。
36氪 · AI精选
Recursive 开源 40B MoE 编程模型 Flint，MacBook Pro 可跑
田渊栋创立的 Recursive 开源首个模型 Flint，主打本地 Agent 编程，总参数 400 亿、每 token 激活 25 亿，支持 512k token 上下文窗口。官方称搭配自研推理引擎 rec，Flint 在 MacBook Pro 上可达至少 125 tokens/s，RTX Spark 上超过 150 tokens/s，相比 llama.cpp 吞吐提升约 1.4～2.6 倍。Flint 在 SWE-bench Verified 得分 74.2%，SWE-bench Pro v2 为 89.7%，Terminal-Bench 2.1 为 54.9%；rec 目前支持 M4 Pro、M5 Pro 和 M5 Max，要求至少 48GB 统一内存和约 30GB 空闲磁盘空间。
智东西
田渊栋参与创办的Recursive开源40B本地编程模型Flint
前Meta FAIR研究总监田渊栋参与创办的Recursive Superintelligence推出首款本地编程模型Flint，总参数量398亿、每Token约激活25亿参数，已采用Apache 2.0许可证开源，可通过Hugging Face获取权重。该模型在英伟达RTX Spark上生成速度超过150 Token/秒，在搭载M4 Pro的MacBook Pro上超过125 Token/秒，在Terminal-Bench 2.1、SWE-Bench Pro v2和SWE-Bench Verified上分别取得54.9%、89.7%和74.2%的成绩。Recursive称其团队借助自动化研究系统Eureka Machine在不到4个月内从零完成整套训练流程。
邵猛
Recursive 发布首个模型 Flint：本地编程 MoE，MacBook 上 125+ Token/s
Recursive 发布首个模型 Flint，总参数 400 亿、每 Token 激活 25 亿参数的 MoE，面向本地 Agent 编程，权重以 Apache 2.0 开源。短上下文下在 M4 Pro MacBook Pro 上每秒超过 125 个 Token，64GB RTX Spark 上超过 150 个，支持 llama.cpp、Ollama、LM Studio、vLLM、SGLang、Unsloth。其研发几乎各环节由自动化研究系统 Eureka Machine 参与，包括架构搜索、把输出层量化到 4 bit 并做离线蒸馏、以及为 M4/M5 融合 Metal 内核。
Unsloth一手精选
Unsloth 发布 Flint 的 Dynamic GGUF 量化版，可在 24GB 内存本地运行
Unsloth 发布 Flint 的 Dynamic GGUF 量化版本，可在 24GB 内存设备上本地运行，并附有运行指南。Flint 是 Recursive 的 Apache-2.0 模型，39.8B 参数、2.5B 激活，Unsloth 称其为 50B 参数以下最强的 MoE 模型，在 Mac 上可达 125 t/s、在 RTX Spark 上可达 150 t/s。Recursive 联合创始人 Richard Socher 此前介绍，该模型由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建，权重已在 Hugging Face 开放。
MarkTechPost
Recursive 发布开源权重编码模型 Flint，40B MoE 仅 2.5B 激活参数
Recursive Superintelligence 发布首个模型 Flint，这是一个面向编码智能体的 40B MoE 模型，每 token 约 2.5B 激活参数，权重以 Apache 2.0 协议发布在 Hugging Face。模型卡标注上下文 262,144 tokens，4-bit 权重约 23 GB，可在 48 GB 的 Apple Silicon Mac 或 48 GB NVIDIA GPU 上运行。官方自报 SWE-bench Verified 74.2%、IFEval 95.1%，Terminal-Bench 2.1 为 54.9%，低于 dense Qwen 3.8 的 73.0%。Recursive 称其自动化研究系统 Eureka Machine 参与了架构、量化与 kernel 的设计。
OpenRouter一手
Recursive 首个开源模型 Flint 上线 OpenRouter，40B MoE 专为编码智能体打造
Recursive 的首个模型 Flint 已上线 OpenRouter，这是一个开放权重的 40B MoE 模型（约 2.5B 激活参数），由该公司的自动研究系统 Eureka Machine 打造，面向编码智能体，支持 262K 上下文、推理和工具调用。Recursive 报告其在 Terminal-Bench 2.1 上得分 54.9%，SWE-bench Pro v2 上 89.7%，SWE-bench Verified 上 74.2%，上线期间免费使用。
TechCrunch AI
Recursive 发布笔记本端编码模型 Flint，称主要由 AI 参与构建
AI 初创公司 Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行、以 Apache 2.0 许可在 Hugging Face 免费下载的编码模型，公司称其研发过程主要由自研的 Eureka Machine 参与完成。Flint 是 MoE 模型，40B 参数中每次仅激活 2.5B，在搭载 M4 Pro 的 MacBook Pro 上生成速度约 131 tokens/秒，在 SWE-Bench Verified 上表现优于其他 50B 参数以下的模型。Recursive 表示 Flint 比大型付费编码助手需要更多引导，建议把大任务拆成小步骤。
Testing Catalog
Recursive 发布首个开源权重编码模型 Flint
Recursive 发布首个开源权重编码模型 Flint，采用 Apache 2.0 许可，为 40B 参数的 MoE 模型，面向本地编码场景。Recursive 称其在 64GB RTX Spark 上达到每秒 220 以上 token，比同类模型快 2 倍。其自动研究系统 Eureka Machine 还生成了自定义 GPU 代码，在不改变权重的情况下让 Flint 在 RTX Spark 上提速 55%。
Rohan Paul精选
Recursive 发布 40B MoE 编码模型 Flint，MacBook Pro 上 125+ tokens/s
Recursive 发布首个模型 Flint，这是一个 40B 混合专家编码模型，采用 Apache 2.0 许可，权重已在 Hugging Face 开放，由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。Flint 在 MacBook Pro 上以 125+ tokens/s 生成代码，在 RTX Spark 上达到 150+ tokens/s。在 48GB MacBook 上，它的平均质量约 81%，对比 Qwen3.8 27B 的约 85%，但在 128K token 长会话中速度约为后者的 7 倍。
Thomas Wolf
Thomas Wolf 点评 Recursive 新模型 Flint：把 lm_head 量化到 4 位仍接近 bf16
Hugging Face 联合创始人 Thomas Wolf 表示，他的 AGI 标准仍是 AI 拿下诺贝尔奖，但 Recursive 的 AI 研究者把通常被建议保持高精度的 lm_head 量化到 4 位、结果与 bf16 仅差 0.7 个百分点，令他印象深刻。他同时提到该模型以开源权重形式发布在 Hugging Face 上，并向 Recursive 表示祝贺。被引用的 Recursive 原帖介绍，Flint 是其首个模型，定位为快速本地编码模型，由自动化研究系统 Eureka Machine 构建，在 MacBook Pro 上达到 125+ tokens/sec、在 RTX Spark 上达到 150+，不到 4 个月从零建成。
Wired AI
Recursive 发布开源编码模型 Flint，称开发流程大部分由 AI 完成
Recursive 发布首个开源权重编码模型 Flint，参数规模 40B，CEO Richard Socher 称模型管线几乎所有环节都由其 Eureka Machine 系统完成，包括新的基座训练方式、模型架构和针对特定芯片优化的代码。WIRED 作者在 48GB 内存的 Mac 上实测，用它搭建命令行待办、网页研究抓取程序和 RSI 科普网站，认为其速度和准确度优于同尺寸模型。Recursive 已从 Google Ventures、Greycroft、Nvidia 和 AMD Ventures 融资 6.5 亿美元，估值 46.5 亿美元。
本事件热度走势
- 当前
- 5
- 区间峰值
- 92 10月23日 00:00
- 近 24 小时变化
- -90%
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。