Recursive 发布笔记本电脑编程模型 Flint，称其主要由 AI 构建

Recursive 是一家去年成立的 AI 初创公司，如今正逐渐名副其实。该公司致力于开发能自我进化的 AI，并于周三发布了其首个模型 Flint。Flint 是一款免费的编程模型，可在笔记本电脑上运行，且大部分开发工作由 AI 辅助完成。

Recursive 称，其自动研究系统（被称为 Eureka Machine）协助完成了 Flint 开发过程中的几乎每一步。这使得一个小团队能够在不到四个月内从零开始构建该模型。

Flint 是“递归自我改进”的一次早期公开测试。这一概念指的是 AI 可以构建更强大的 AI，进而构建出更卓越的 AI。这也是业内争论最多的观点之一。部分研究者担心，AI 的自我进化可能脱离人类控制。目前，Recursive 的版本更受限制：它是一个由人类监督的 AI 研究助手，生成的小型模型足以在笔记本电脑上运行。

该公司在五月结束隐身期，获得 6.5 亿美元 融资，估值达 46.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。Recursive 由前 Salesforce 首席科学家 Richard Socher 担任 CEO。

由于 Flint 运行在用户自己的电脑上，而非公司云服务器，开发者可以离线使用、保持代码隐私，并避免 AI 云服务根据文本处理量收取的使用费。该模型可在流行的 AI 模型分享平台 Hugging Face 上免费下载，采用 Apache 2.0 开源许可证，允许免费使用和修改。

Flint 采用混合专家模型架构，意味着针对任何特定任务，它仅调用自身的一小部分：每次仅使用 400 亿参数中的 25 亿个。这使得它足够轻量，普通笔记本电脑即可运行，且规模远小于 Meta 上周发布的专为 Mac 打造的开源模型 Muse Spark Open。后者拥有 8160 亿参数，需要至少 1 TB 的内存。

Flint 还很快。在 Recursive 的测试中，它在搭载 Apple M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token，大约是同类模型（包括 Google 的 Gemma 4 和 Nvidia 的 Nemotron 3.5 Lightning，在同一台机器上为每秒 58 到 69 个 token）的两倍。在 Nvidia 的 RTX Spark 上，Flint 的速度更是超过每秒 150 个 token。

在衡量 AI 修复真实软件 bug 能力的基准测试 SWE-Bench Verified 上，Flint 的表现优于其他 500 亿参数以下的模型。在 Recursive 自己的六项测试平均成绩中，只有阿里的 Qwen3.8 27B 比 Flint 得分更高。

公司承认，Flint 比那些大型付费编程助手需要更多的引导，建议把大任务拆分成小步骤。尽管如此，早期评价相当不错。Wired 的 Will Knight 在一台 48GB 内存的 Mac 上用 Flint 开发了几个小程序，包括一个待办清单应用和一个在网上搜集资料的工具。他发现小型编程模型通常容易出错或比 Claude、Codex 慢，但 Flint 每次都完美完成了他的编程请求。

Eureka Machine 负责提出想法、运行实验，并根据结果决定下一步尝试什么。据该公司的发布视频，从预训练到后训练再到推理，Flint 的构建几乎每个环节都有它的参与。

Recursive 表示，Eureka 的贡献包括更稀疏的模型结构、让 Flint 体积缩小 71% 且几乎不损失质量的低比特训练，以及自定义 kernel（用于加速底层计算的专用程序）。

Recursive 没有透露 Eureka Machine 为研究人员节省了多少时间，但借助 AI 做研究的并非只有它一家。OpenAI 上个月表示，到 8 月中旬，其 AI agent 的工作量已相当于每个人类研究员的 3.1 个工作日。

若 Recursive 的押注成功，每个新模型将能在无需人类协助的情况下完成更长的任务。该公司此前向 TechCrunch 表示，其在6月与Amazon Web Services 达成的4.1亿美元算力协议，“关注的不是员工数量，而是智能体数量”。

Socher 告诉 Wired，长远目标是让 Eureka Machine 实现完全的递归自我提升，过程中由人类监督，若出现意外可随时中止。Recursive 称，每个新模型都应让 Eureka Machine 成为更出色的研究者，从而帮助它更快地构建下一代系统。