AI 設計 AI 的公開實驗：Recursive 發表筆電級程式模型 Flint，M4 Pro MacBook 每秒寫 131 個 token

Salesforce 前首席科學家 Socher 創立的 Recursive 發表開源程式模型 Flint，總參數 398 億、每次只用 25 億，在 M4 Pro MacBook 跑出每秒 131 個 token；近乎整個開發流程都由自家自動化研究系統 Eureka Machine 主導。

AI 幫人類寫程式已經不稀奇，AI 幫忙設計「下一個 AI」才是新鮮事。新創公司 Recursive 週三發表程式模型 Flint，號稱這是「遞迴自我改進」（recursive self-improvement）研究議程的首次公開驗收：開發 Flint 的小團隊只花了不到四個月，而從架構到調校，整條模型產線幾乎都是 AI 自己動手、自己優化。

筆電就能跑的 400 億參數

Flint 是混合專家（MoE）架構，總參數 398 億，但每個 token 只動用約 25 億，正是這種「只請對應專家上班」的設計，讓它能塞進普通筆電。官方測試：在 M4 Pro 的 MacBook Pro 上每秒產出約 131 個 token，是同級模型（Google Gemma 4、輝達 Nemotron 3.5 Lightning 的每秒 58–69 個）近兩倍；在輝達 RTX Spark 平台上更超過每秒 150 個 token。

基準成績與真實試用

在修真實軟體臭蟲的 SWE-bench Verified 基準上，Flint 拿下 74.2%，在 500 億參數以下的模型中居前；Recursive 自家六項測試的平均，也只有阿里巴巴的 Qwen3.8 27B 比它高。WIRED 記者 Will Knight 在 48GB 記憶體的 Mac 上實測，用它做了待辦事項 App 和網頁研究小工具，幾乎每次都一次到位。代價是：面對大任務，Flint 需要比大型付費助手更細的指令，建議把大任務拆成小步驟。

Apache 2.0 開源，可離線、可商用

權重已放上 Hugging Face，採用 Apache 2.0 授權，可免費使用、修改、商用，也意味著程式碼可以留在本機、不必上傳雲端，省下訂閱費。Recursive 共同創辦人 Richard Socher（Salesforce 前首席科學家）表示，打造 Flint 的自動化研究系統 Eureka Machine 會自己想點子、寫程式做實驗、看結果再決定下一步，平行跑大量實驗，連更稀疏的模型形狀、低位元訓練（模型縮小 71%、品質幾乎不掉）與客製化 GPU 核心都是它找出來的。

Recursive 去年成立，已募資 6.5 億美元、估值 46.5 億美元，投資方包括 Google Ventures、輝達與 AMD Ventures。AI 自己動手做 AI 的時代，已經不是思想實驗了。

資料來源： TechCrunch、Recursive（官方發布）、WIRED