Recursive 發表 Flint：筆電就能跑的開源寫程式模型，號稱多半是 AI 自己打造的
新創 Recursive 發表首款模型 Flint：混合專家架構、40B 參數、Apache 2.0 授權，開發過程幾乎全程由自家「Eureka Machine」協作，四個月從零做出來。
新創公司 Recursive 在週三（10 月 21 日）發表了第一款模型 Flint：一套免費的寫程式模型，小到可以在筆電上跑。真正吸睛的不是尺寸，而是來歷——Recursive 聲稱，從架構搜尋、量化到 GPU 核心調校，Flint 開發的幾乎每個環節都有自家自動化研究系統「Eureka Machine」出手，一支小團隊靠它在四個月內從零把模型做出來。這是業界爭論已久的「遞迴自我改進」第一次端到檯面上的公開實驗。
AI 當研發助理，人類當監督
Recursive 由前 Salesforce 首席科學家 Richard Socher 領軍，今年 5 月才走出隱身模式，拿到 6.5 億美元融資、估值 46.5 億美元，背後有 GV、輝達與 AMD Ventures。Socher 說，「整個模型管線的幾乎每個面向，實際上都是由 AI 完成並優化的。」公司強調目前的做法仍是「人類監督下的 AI 研究助理」，離不受控的自我改進還很遠，但這條路的開端已經擺出來了。
規格：40B 參數，實際只跑 2.5B
Flint 採用混合專家（MoE）架構：總參數 398 億，每個 token 實際啟動的只有約 25 億，共 49 層（2 層稠密＋47 層專家），上下文長度達 25.6 萬 token。權重已上架 Hugging Face，採 Apache 2.0 授權，免費下載、修改、商用都行，還附上模型設定檔、tokenizer、BF16 檢查點與 SGLang 推論工具包。
速度方面，公司自家測試：在搭載 M4 Pro 的 MacBook Pro 上約每秒 131 token，是同級模型（Google 的 Gemma 4、輝達的 Nemotron 3.5 Lightning，約 58–69 token/秒）的兩倍；在輝達 RTX Spark 上更衝破每秒 150 token。寫實程式除錯的 SWE-Bench Verified 基準上，它贏過其他 500 億參數以下的模型。跑在使用者本機的好處很直接：離線可用、程式碼不外流、不用付雲端按量計費。門檻是 Apple Silicon 需要 M4 Pro／M5 Pro／M5 Max 以上且記憶體至少 48GB。
跟 Meta 的 Muse Spark Open 打對台
有趣的是，就在 Flint 前一週，Meta 剛發表同樣主打地端執行的開源模型 Muse Spark Open——但那是 8160 億參數、記憶體至少 1TB 的巨獸。Flint 走的是另一條路：夠小、夠快、免費，還把「AI 造 AI」的概念實作出來。不過 Recursive 自己也承認，Flint 需要比大型付費寫程式助理更多的引導，建議把大任務拆成小步驟；最終地位還是要看獨立評測與實際使用，而不是公司自己的基準數字。
資料來源
- TechCrunch：Recursive launches Flint, a laptop coding model it says was largely built by AI
- Forkast：Recursive SI Launches Flint 40B: Open Weights That Run on the Developer’s Own Machine
- Dealroom：Recursive debuts Flint, a laptop coding model it says AI largely built