Recursive发布Flint：可在笔记本运行的开源混合专家编码模型

当云端编码助手按token计费时，Recursive选择把战场搬回笔记本。10月21日，这家以“递归自我改进”为招牌的创业公司发布首个公开模型Flint：面向本地智能体编程的开源混合专家（MoE）模型，并强调它在很大程度上由公司的自动研究系统Eureka Machine协助建成。

公开规格与成绩（公司口径）：

1. 规模：总参数约400亿，每词元激活约25亿，从而能在消费级统一内存机器上运行；上下文最高宣称支持512k，建议实务落在256k内。
2. 速度：自研推理优化下，M4 Pro MacBook Pro短上下文可超过约125 tokens/s，NVIDIA RTX Spark上可超过约150 tokens/s，并称可达同类两倍速。
3. 质量：在SWE-Bench Verified等智能体编程基准上，自称领先总参数低于500亿的MoE模型，并接近部分25B–40B稠密模型的编码表现。
4. 分发：Hugging Face Apache 2.0权重；兼容llama.cpp、Ollama、vLLM等，并提供针对苹果芯片优化的轻量引擎rec。
5. 背景：公司2025年前后以高额融资现身，CEO为前Salesforce首席科学家Richard Socher；叙事核心是人机共管的自动实验能否加速造模。

Wired等评测反馈偏正面，但也提示小模型相对Claude、Codex仍更需把任务拆细。Flint把“本地、可私有、免按量API费”重新推到编码场景中心，和上周量级更大的端侧开源模型形成对照：一个拼可装进笔记本的激活参数，一个拼旗舰统一内存。

需要说明的是，基准与速度数字来自官方评测设定，第三方复现可能有差异；“AI造AI”仍属有人监督的自动研究，不等于无人失控的递归爆炸。本条依据公司博客与TechCrunch等报道整理。

一句话收尾：Flint证明小团队加自动实验机能在数月内交出可本机跑的编码MoE——下一问是它能否在真实仓库里稳定改完PR。