Flint 开源编程模型在 2026 年 10 月 21 日由 Recursive 发布：总参数 40B、每次只激活约 2.5B，能跑在笔记本上，权重以 Apache 2.0 协议免费放在 Hugging Face 上。最受关注的不在参数，而在出身——从预训练到推理优化，几乎每一步都有其自家自动化研究系统 Eureka Machine 的参与，小团队从零做完不到四个月。
小身板，跑得比同级快一倍
Flint 是混合专家架构，上下文为 262K。按自测，它在 M4 Pro 的 MacBook Pro 上每秒生成约 131 个 token，同机同类模型只有 58 到 69 个，快了约一倍；在 RTX Spark 上超过 150 个。官方成绩单：SWE-bench Verified 74.2%，领先同级混合专家模型；Terminal-Bench 2.1 为 54.9%。Wired 在 48GB 内存的 Mac 上实测，待办清单应用、资料搜集工具和小网站都一次写对。本地能跑意味着代码不出电脑、不用按 token 付费，NVIDIA 今年全线更新本地 Spark 硬件赌的也是这股需求。
Eureka Machine：让 AI 参加造 AI
Eureka Machine 自己提想法、写代码做实验、看结果再决定下一步。它的贡献包括：试出更稀疏的结构，用低比特训练把体积压小 71%，成绩几乎不掉，为苹果芯片和 RTX Spark 写加速内核。Recursive 由 Salesforce 前首席科学家 Richard Socher 创立，今年 5 月走出隐身时已融资 6.5 亿美元、估值 46.5 亿美元，GV、NVIDIA 与 AMD Ventures 都是投资方。
先别把 AI 造 AI 听成失控
冷水有三盆。第一，跑分与速度都是自测，独立复现还没跟上；六项测试平均里也只有阿里 Qwen3.8 27B 排在前面，并非全胜。第二，它承认复杂任务上 Flint 需要比大型付费助手更细的指导，大任务拆小再喂更好。第三，递归自我改进目前仍是 AI 研究助理加人类监督的形态，Socher 明确表示系统在人类可叫停的控制之下。Flint 的价值，是把争论变成可下载检验的样本。
