Recursive 公司本周发布了旗下第一个 AI 模型 Flint。这是一款免费、开源、能在笔记本电脑上本地运行的编码模型。更值得关注的是它的生产过程：Flint 大部分开发环节由 AI 完成，名为 Eureka Machine 的自动化研究系统参与了从预训练到后训练、再到推理的几乎所有步骤。一个小团队靠这套系统在四个月内从零构建出模型。这是递归自我改进（AI 构建更好的 AI，再由更好的 AI 构建更好的 AI）的一次早期公开测试。

Recursive 由 Salesforce 前首席科学家 Richard Socher 领导，今年 5 月结束隐身模式时宣布获得 6.5 亿美元融资，估值 46.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。公司此前与 AWS 签下 4.1 亿美元的计算合同，并对这笔交易给出一个直白的解释：”更多关于 agent 数量，而非员工数量。”

Flint 的定位是让普通开发者用上编码 AI。由于完全在本地运行，开发者可以离线使用，代码不经云端，也不用按处理文本量支付 API 费用。模型以 Apache 2.0 许可证免费发布在 Hugging Face。

技术上，Flint 是一个混合专家（Mixture-of-Experts）模型，总参数 400 亿，但处理单个任务时只激活其中 25 亿。作为对比，Meta 上周发布的开放模型 Muse Spark Open 有 8160 亿参数，运行至少需要 1TB 内存。Flint 因此可以装进普通笔记本。

性能是 Flint 的一个明显亮点。Recursive 的测试显示，在搭载 M4 Pro 芯片的 MacBook Pro 上，Flint 每秒生成约 131 tokens，大约是 Google Gemma 4、Nvidia Nemotron 3.5 Lightning 等同类模型（58-69 tokens/秒）的两倍；在 Nvidia RTX Spark 上超过 150 tokens/秒。在 SWE-Bench Verified 基准测试（衡量 AI 修复真实软件 bug 的能力）中，Flint 优于其他 500 亿参数以下的模型。在 Recursive 自行统计的六项测试平均分里，只有阿里 Qwen3.8 27B 比它高。

Eureka Machine 的工作流程是：提出想法、运行实验、用结果决定下一步。公司称它对 Flint 的构建有若干具体贡献：更稀疏的模型结构、低比特训练（把模型体积缩小 71% 且几乎不损失质量）、以及加速底层计算的自定义内核。Recursive 没有量化 Eureka 节省了多少人力，但行业里已有类似信号——OpenAI 上个月披露，到 8 月中旬，其 AI agent 记录的工时与人类研究员的工时之比为 3.1:1。

需要明确的是，Flint 是早期产品。Recursive 承认它比大型付费编码助手需要更多人工引导，并建议把大任务拆成小步骤。Wired 记者 Will Knight 在 48GB 内存的 Mac 上试用后给出了正面评价：小型编码模型通常出错多或速度慢，但 Flint 每次都能完成他的编码请求。

长期来看，Socher 的目标是让 Eureka Machine 实现完全的递归自我改进，人类保留监督权和叫停能力。用公司的话说，每一代新模型都应该让 Eureka 变成更好的研究者，从而更快地构建下一代模型。