AIsaAIsaStudio English 打开 AIsa Studio

Recursive 发布 Flint:由 Eureka Machine 自动化研究流程打造的首个端侧编码模型

原标题:Recursive shows first result of its AI-driven research process with Flint

AI 初创公司 Recursive 发布首个语言模型 Flint,其开发几乎全程由自动化研究系统 Eureka Machine 完成,包括自主提出、运行和评估实验。Flint 是总参数 400 亿、每 token 激活 25 亿的 MoE 模型,面向本地硬件上的智能体编码,支持 512k 上下文,权重以 Apache 2.0 许可在 Hugging Face 开放,支持 llama.cpp、Ollama、vLLM 等运行时。Recursive 称其在参数少于 500 亿的 MoE 模型中领先 SWE-Bench Verified 等编码基准,在 M4 Pro 上短上下文生成速度超过 125 tokens 每秒,但结果尚未经独立验证,且复杂任务上仍需比大型专有编码模型更多引导。

为什么值得看

原文介绍了 Recursive 用自动化研究系统 Eureka Machine 造出的首个模型,并给出架构、量化与推理速度等具体细节,可帮读者判断端侧编码模型的实际水平。

阅读原文 ↗

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。

事件综述

Recursive 开放权重编程模型 Flint:Eureka Machine 自动化构建

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。

其他来源的报道 4