原标题：Introducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated r…
Recursive 发布首个模型 Flint，一个由其自动化研究系统 Eureka Machine 构建的快速本地编程模型。MacBook Pro 上可达 125+ tokens/sec，RTX Spark 上 150+ tokens/sec，号称比同类模型快至多 2 倍，从零构建用时不到 4 个月。开放权重已上架 Hugging Face，可在 opencode 或 pidotdev 免费试用。
原文给出具体速度数字和设备表现，读者可据此评估本地编程模型的可用性。
本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体，原文版权归原作者所有。
2026 年 10 月 21 日，AI 初创公司 Recursive 发布首个编程模型 Flint 的开放权重，公司在 Hugging Face 与 TechCrunch 报道中称其开发几乎每一步都由自动化研究系统 Eureka Machine 协助或完成，小团队从零构建用时不到四个月。Flint 是 MoE 架构的端侧/本地编程模型，总参数约 40B（另两篇报道写 39.8B），每 token 激活约 2.5B，以 Apache 2.0 许可免费下载，面向编码智能体场景，支持推理和多轮工具调用。官方评测称 Terminal-Bench 2.1 得分 54.9%、SWE-bench Pro v2 得分 89.7%、SWE-bench Verified 得分 74.2%，优于其他 50B 参数以下模型，但结果尚未经独立验证。速度方面，报道称 MacBook Pro 上可达 125+ tokens/sec（TechCrunch 写 M4 Pro 上约 131 tokens/sec），RTX Spark 上 150+ tokens/sec，号称约为同类模型两倍。仓库含 BF16 checkpoint（约 80 GB）与 SGLang 部署套件，单卡 B300 或 H200 可运行。上下文长度报道不一致：两篇写 262,144 tokens，The Decoder 写 512k。10 月 22 日，有开发者在 RTX PRO 6000 上用 vLLM 跑通 NVFP4 版本，实测 LiveCodeBench v6 子集 82.2 分、SWE-bench Verified 50 题子集 80 分，单流约 110–180 tok/s，64 并发峰值约 2,500 tok/s。公司同时承认 Flint 需要比大型付费编程助手更多引导，建议拆分大任务。Recursive 于 2026 年 5 月出隐身，融资 6.5 亿美元、估值 46.5 亿美元，CEO 为 Salesforce 前首席科学家 Richard Socher。
Studio