一、事件：40B 编程模型，笔记本即可运行

美东时间 2026 年 10 月 21 日，AI 初创公司 Recursive（全称 Recursive Superintelligence，简称 Recursive）正式发布其首款模型 Flint。据 TechCrunch 与公司官方博客，Flint 是一款面向“智能体式编程”（agentic coding）的编码模型，用于代码库理解、缺陷修复、功能实现与测试编写，支持多轮工具调用，设计目标是在本地硬件上快速运行。

Flint 采用混合专家（Mixture-of-Experts，MoE）架构：官方博客公布总参数 40B，每个 token 仅激活约 2.5B 参数（模型卡口径为总参数 39.8B）。极低的激活参数占比，使模型可以在普通笔记本上运行——开发者可离线使用、数据留在本地、免去按 token 计费的 API 调用成本。

权重已在 Hugging Face 以 Apache 2.0 开源许可开放，允许自由使用与修改，并兼容 llama.cpp、Ollama、Unsloth、LM Studio、vLLM、SGLang 等主流推理框架；官方还发布了针对 M4 Pro/M5 系列芯片优化的轻量推理引擎“rec”。作为对照，Meta 超级智能实验室上周（10 月 15 日）发布的开放权重模型 Muse Spark Open 总参数高达 816B、每 token 激活 42B，其 NVFP4 量化版本需约 1TB 统一内存（两台 512GB 内存的 Mac Studio）方可部署；Flint 的体积与内存需求明显更小。

二、“AI 造 AI”：Eureka Machine 参与研发近全部环节，4 个月从零建成

Flint 最受关注之处不在模型本身，而在于它的“生产方式”。Recursive 表示，其自动化研究系统 Eureka Machine 参与了 Flint 研发的几乎全部环节——从预训练、后训练到推理优化。公司 CEO 兼联合创始人 Richard Socher 对《连线》（Wired）表示：“模型管线的几乎每个环节，都是由 AI 完成并改进的。”

Eureka Machine 的机制是自动化闭环研究：提出想法—实现—运行实验—验证结果—决定下一步，多线程并行探索、保留实验间上下文、组合有前景的分支，并在采纳前对“奖励钻空子”（reward hacking）与方差进行检验。此前 6 月 11 日，Recursive 已发布该系统在三个基准上的早期成果：固定预算语言模型训练（NanoChat Autoresearch）将验证集 BPB 从社区最佳 0.9372 降至 0.9109；小模型训练速度（NanoGPT Speedrun）从 79.7 秒缩短至 77.5 秒；GPU 内核优化（SOL-ExecBench）得分从 0.699 提升至 0.754，距理论上限的差距缩小约 18%，其系统在 nanochat 任务上“不到两天”即超越了数百名人类与智能体参与者的长期最优成绩。

官方博客详细披露了 Eureka Machine 对 Flint 的三类具体贡献：其一为架构搜索——系统从“总参数 35B、激活 3B”的基线出发，搜索专家配置与网络宽度，最终确定 40B 总参数、2.5B 激活的组合，被评估为速度与编码能力的最佳平衡；其二为量化——一反常规地将输出层（lm_head）量化为 4bit，并通过“16bit 教师 + 离线蒸馏”恢复精度，训练步数较量化感知训练（QAT）基线近乎减半，最终 NVFP4 版本与 16bit 版本在官方基准上得分差距在 0.7 分以内；其三为内核——为低比特投影、MoE 运算、注意力与提示处理编写专用内核，并在 M4/M5 芯片上生成了融合整个解码前向过程的 Metal 大规模内核。

结果是一支由“人与智能体”组成的小团队，在不到 4 个月内从零建成 Flint。这一叙事并非孤例：OpenAI 9 月披露，截至 8 月中旬，其研究部门每投入 1 个人类工作日，就对应约 3.1 个智能体工作日——“AI 研究 AI”正从个别公司的口号变为可量化的行业趋势。

三、性能与实测：速度、榜单与独立评测

速度是 Flint 的主打卖点。官方称，在 M4 Pro 芯片 MacBook Pro 上，短上下文推理速度超过 125 token/秒，在 64GB 显存的 NVIDIA RTX Spark 上超过 150 token/秒，约为同类模型的 2 倍、比编码得分相近的 25–40B dense 模型快 5 倍以上。TechCrunch 实测 M4 Pro 上约为 131 token/秒，而同类模型（含谷歌 Gemma 4、英伟达 Nemotron 3.5 Lightning）在同一台机器上约为 58–69 token/秒。

榜单方面（分数为 Recursive 自报，采样参数温度 1.0、top-p 0.95、top-k 20），Flint 在 SWE-Bench Verified 上得 74.2%，在 Recursive 自行评测的 SWE-Bench Pro v2 上得 89.7%，在 Terminal-Bench 2.1 上得 54.9%，LiveCodeBench v6 80.3%、IFBench 89.2%、IFEval 95.1%（见表 1）。官方称其在小于 50B 总参数的 MoE 模型中处于领先；TechCrunch 称其在 SWE-Bench Verified 上超过其他 50B 以下模型，且在公司自设的六项评测均值中仅低于阿里 Qwen3.8 27B。

表 1　Flint 主要基准测试成绩

需要指出的是，不同基准上的领先并不一致：据 MarkTechPost 整理，dense 版 Qwen 3.8 在 Terminal-Bench 2.1 上得分 73.0%，明显高于 Flint 的 54.9%；且 SWE-Bench Pro v2 为 Recursive 自行评测口径，与各厂商公开版结果不可直接比较。

独立实测方面，《连线》记者 Will Knight 在 48GB 内存的 Mac 上测试了 Flint，用它构建了待办清单应用、网页检索工具等多个小程序，据 TechCrunch 与 Wired 报道，其编码请求“每次都成功”，而许多更小的编码模型在同场景下常常出错或明显更慢。官方与评测者同时提示：Flint 对复杂任务需要比大型付费编码助手更多的引导，建议将大任务拆分为小步骤。

四、公司底色：6.5 亿美元融资与“八位创始人”

Recursive 于 2026 年 5 月 13 日结束隐身状态，宣布完成 6.5 亿美元融资、投后估值 46.5 亿美元，由 GV（谷歌风投）与 Greycroft 领投，英伟达、AMD Ventures 等参与。据 TechCrunch，公司成立于 2025 年（Tech.eu 则称其亮相前数月组建）。

公司由前 Salesforce 首席科学家、MetaMind 与 You.com 创始人 Richard Socher 担任 CEO 并联合创立，共有八位联合创始人，包括前 Google DeepMind 开放式研究负责人 Tim Rocktäschel、开放式学习与进化算法学者 Jeff Clune、Vision Transformer 共同作者 Alexey Dosovitskiy、前 Meta FAIR 研究负责人田渊栋，以及 Josh Tobin、Tim Shi、Caiming Xiong；团队中还包括 Peter Norvig 等知名研究者。

资本之外，算力是另一块拼图。2026 年年中，Recursive 与亚马逊云科技（AWS）签署价值 4.1 亿美元的多年期算力协议；Socher 当时称这“很可能是未来几年我们签下的最小算力协议之一”。TechCrunch 还引述公司此前表态：这笔算力协议“更关乎智能体数量，而非人头数量”。

战略上，Recursive 明确现阶段只做“用 AI 研究 AI”——聚焦训练效率与推理效率，暂不进入物理科学；终极目标是通过递归自我改进自动化知识发现，未来再延伸至能源、材料、蛋白设计等领域。

五、行业坐标：开源本地编程模型竞赛升温

Flint 的发布恰逢“本地/开源编码模型”赛道密集出牌。仅 2026 年下半年，就有 Meta 的 Muse Spark Open（816B/42B、1M 上下文）、DeepSeek-V4 系列、智谱 GLM-5.2/5.3、阿里 Qwen3.x 系列等先后开源。Flint 的差异化在于：以约 40B 总参数、2.5B 激活的极小“有效计算量”，把接近更大模型的智能体编码能力装进笔记本，并以 Apache 2.0 许可全量开放。

但竞争格局仍需冷静看待：在终端类任务（Terminal-Bench）上，dense 模型仍占优势；OpenAI、Anthropic 等闭源阵营的编码助手仍是许多开发者的默认选择。MarkTechPost 在评测中亦提醒，智能体类基准对评测框架（harness）设置高度敏感，跨厂商分数不宜直接横向比较。

六、递归自我改进（RSI）：希望、争议与监管

Flint 被 Recursive 定位为“递归自我改进”（RSI——AI 构建更好的 AI，更好的 AI 再构建更好的 AI）的早期公开试验，也是业界最具争议的设想之一（TechCrunch）。乐观者认为，若循环成立，每代模型都能承担更长链条的研发工作，研发成本曲线将被改写——Socher 把终极指标概括为“每一美元能买到多少智能”。

担忧同样真实。据 Wired 报道，今年 9 月一名研究员从 Anthropic 离职并公开警告：包括 RSI 在内的 AI 进展可能在数年内导致人类灭绝，该观点随后获得多名专家呼应；美国国会已有数项法案提议禁止 RSI。

Recursive 认为这些恐惧更接近科幻。Socher 对 Wired 表示，Flint 由一套“不可能脱离人类控制”的系统建成；Eureka Machine 未来实现完整递归自我改进时，仍会由人类监督、可随时叫停。

从现实看，自动研究与 RSI 之间仍有距离。Recursive 目前公开的系统只是“尤里卡机器 0.1 版”；系统曾在优化游戏环境时发现评测框架中的 30 个程序错误，导致相关研究作废；任务时间跨度越长，奖励设计与验证就越困难。这些约束决定了“AI 造 AI”目前仍是有边界的工程实践。

七、观察与质疑

其一，数据口径。本文涉及的榜单分数均为 Recursive 自报，未经第三方机构独立复核；其中 SWE-Bench Pro v2 由其自行评测，与公开基准不可直接比较。其二，性能边界。Flint“接近更大 dense 模型”的结论在不同基准上表现不一（终端任务仍落后 dense 版 Qwen 3.8），生产环境的稳定性有待更多独立验证。其三，效率叙事。公司未披露 Eureka Machine 具体节省了多少研发时间，“4 个月从零建成”的加速效应缺少量化对照。

即便如此，Flint 仍是重要节点：它把“AI 自动化 AI 研发”从论文与访谈叙事，变成了可下载、可审计、可复现的开源产物；Apache 2.0 许可与本地运行属性，使其可以被社区独立检验。无论 RSI 最终能否兑现，围绕“AI 造 AI”的这场公开实验，已经从今天开始在每个人都能运行的笔记本上展开。